基于模糊聚类神经网络的语音识别方法

提出了一种基于模糊神经网络的语音识别方法.该方法以模糊系统模型为基础,利用改进的模糊聚类辨识算法,构成一种新型的模糊聚类神经网络(FCNN),并将其作为概率密度函数的估计器,对每个状态的输出进行预测.它不仅能有效地在语音识别中引入帧间相关信息,而且能克服状态输出概率密度函数为混合高斯分布的束缚.通过对非特定人汉语孤立词和连续音节的语音识别实验,证实了该方法的有效性.

基于改进的模糊ART的语音信号端点检测与切分

分析并讨论了模糊ART在处理样本数较大的分类问题时出现的连接权向量的"饱和"问题及某些特定情况下分类不准确的问题,在此基础上提出了改进的IFART算法,并将其运用于语音信号的端点检测与切分,实验结果表明该算法在不同的噪声环境下都能获得较好的分类效果。

基于小波变换域的参数化双谱心音信号分析方法的研究

本文利用心音信号在小波域的分布特点,提出了一种基于小波变换域的参数化双谱心音信号分析方法。通过对不同类别的心音信号数据分析表明,本方法不仅能抑制各类噪声的干扰,而且能有效地区分不同情绪状态下心音信号的模式特征,为分析人类情绪变化的特点提供了一种实用而有效的方法。

EDA之价值

随着电子技术和计算机技术的不断发展 ,在涉及通信、国防、航天、仪器仪表等领域的电子系统设计工作中 ,EDA技术的含量正以惊人的速度上升 ,它已成为当今电子技术发展的前沿。本文主要阐述了EDA技术的基本概念和作用 ,然后从几个不同的方面介绍EDA的基本特征 。

一种基于混沌寻优神经网络模型的语音识别矢量量化算法

矢量量化在语音识别中占有重要的地位,传统的LBG算法虽然收敛速度快,但极易陷入局部最优点。论文利用混沌运动固有的随机性与轨道遍历性等优良性质,提出了一种基于混沌寻优的Hopfield神经网络模型,并将其运用于语音识别中的矢量量化。该算法不仅收敛速度快,而且能够获得全局最优解,且初始解对算法的影响很小。实验结果表明该算法综合性能指标优于传统算法,具有较高的应用价值。

一种新的模糊聚类神经网络及其在语音信号系统辨识中的应用

主要解决语音信号模型的系统辨识问题。针对过去的模糊聚类算法进行系统辨识时逼近性能不理想的问题,提出了一种新的模糊聚类神经网络(FCNN)。该方法以模糊系统模型为基础,将每个状态看作一个模糊系统,用连续的若干序列作为系统的输入,利用改进的模糊聚类辨识算法构成一种新型的模糊聚类神经网络,对系统的输出进行预测。通过语音信号系统辨识的实验,验证了本网络的有效性。

微细电火花加工用微能脉冲电源的研制

分析了微能脉冲电源的实现途径,设计开发出了满足微细电火花加工用的微能脉冲电源。该电源能实现超低能量(10-7J以下)下的微细电火花加工,为实现纳米级电火花加工提供了可能的技术保证。