融合注意力机制的ResNeXt语音欺骗检测模型

针对残差神经网络在语音欺骗检测中存在超参数过多且对于高频特征显著性突出不够的问题,提出一种融合注意力机制的ResNeXt-Attention网络(RA-Net)。RA-Net采用残差结合分组卷积的方式,用一组小卷积核代替大卷积核,且采用MFM(Max Feature Map)作为新的拼接方法。加入的注意力机制通过学习原始特征的信息,减少了对边缘信息的关注。在ASVspoof2019数据集上实验表明,RA-Net相比基准线高斯混合模型(GMM)的等错误率(EER)降低了4.72百分点和6.23百分点,与残差网络(Residal Neural Network,ResNet)相比EER降低了0.69百分点和0.89百分点,证明了该模型的有效性。

高红移类星体的21cm信号研究

利用高精度数值模拟的结果修正了高红移类星体(QSO)电离和加热中性气体的理论模拟,并预测了500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical Telescope,FAST)观测QSO周围21cm辐射的信号特征以及信噪比,得出如下结论:(1)红移z=8且光度与ULAS J1120+0641一致的QSO在FAST望远镜视场下的21cm频率谱有完整的HII区,但在z=10且较低QSO光度下的21cm频率谱仅有一个小的凹陷;(2)光子有限旅行时间(Finite Light Travel Time,FLTT)效应明显改变高红移QSO的21cm频率谱,使得较低频率端的过渡曲线明显比较高频率端陡;(3)使用FAST望远镜观测高红移QSO的21cm辐射的信噪比非常高,最高可达~12,因此可以很好地识别HII区和FLTT效应.