摘要:情感识别在人机交互中具有重要意义,为了提高情感识别准确率,将语音与文本特征融合。语音特征采用了声学特征和韵律特征,文本特征采用了基于情感词典的词袋特征(bag-of-words,BoW)和N-gram模型。将语音与文本特征分别进行特征层融合与决策层融合,比较它们在IEMOCAP四类情感识别的效果。实验表明,语音与文本特征融合比单一特征在情感识别中表现更好；决策层融合比在特征层融合识别效果好。且基于卷积神经网络(convolutional neural network,CNN)分类器,语音与文本特征在决策层融合中不加权平均召回率(Unweighted Average Recall,UAR)达到了68.98%,超过了此前在IEMOCAP数据集上的最好结果。

摘要:喉振传声器以其优良的抗噪声特性已在多种强噪声场景中得到应用,但其产生的语音尚存在着中频成份厚重、高频成份缺失等问题,严重影响了语音的清晰度和可懂度。为改善喉振传声器的语音质量,本文提出了一种基于长短时记忆递归神经网络(LSTM-RNN)的喉振传声器语音盲增强算法。与基于低维的谱包络特征估计算法不同,该算法首先利用LSTM-RNN对喉振传声器语音与空气传导语音的高维对数幅度谱之间的转换关系进行建模,能有效捕捉上下文信息实现语音幅度谱的重构,然后采用非负矩阵分解(NMF)对估计出的语音幅度谱进行处理,有效抑制了过平滑问题,进一步提高了语音质量。仿真实验得到的LLR、LSD、PESQ性能指标表明,该算法可有效改善喉振传声器的语音质量。

摘要:兼类词歧义直接影响词性标注的准确率。本文针对越南语兼类词歧义问题提出一种融合语言特性的越南语兼类词消歧方法。通过构建越南语兼类词词典和兼类词语料库，分析越南语的语言特征和兼类词特点，选取有效的特征集；然后利用条件随机场能添加任意特征等优点，在使用词和词性上下文信息的同时，引入句法成分和指示词特征，得到消歧模型。最后在兼类词语料上实验，准确率达到了87.23%。实验表明本文所提出的越南语兼类词消歧方法有效可行，可以提高词性标注正确率。

摘要:构建端到端的深度学习网络结合局部聚合描述符（Action vector of locally aggregated descriptor, ActionVLAD）池化层和多层长短时记忆（Long short time memory，LSTM）解决组群行为识别问题。在传统的单一图像信息（Red Green Blue, RGB）作为深度学习网络的输入基础上，添加密集光流信息（Dense_flow），描述视频帧间的运动，作为双流网络的输入；通过底层LSTM对特征信息进行建模，由融合的双流特征来表示个人行为；而ActionVLAD池化层可以对不同时间、图片不同位置的特征进行融合，从而更好地融合个人信息；最后顶层LSTM连接Softmax分类器，通过融合的个人信息判断组群活动。在Collective activity dataset数据集上的测试实验获得了82.3%的平均识别精度。

摘要:近年来，基于单分子测序技术的ISO-seq数据以其超长读段长度被越来越多地应用于转录组新型异构体预测研究，但目前大多数研究工作只用到全长读段数据，丢失了非全长读段数据中较多有用信息，因而数据没有得到充分利用。针对这一问题，本文在保留非全长读段的基础上提出了两个能同时预测异构体结构和计算其表达比例的模型基于狄利克雷采样的异构体探测与预测（Dirichlet sampling for isoform detection and prediction, DSIDP)和基于马尔科夫链的异构体探测与预测（Markov chain for isoform detection and predition, MCIDP)。两个模型均从全长读段中建立异构体预测集，并采用全长读段和非全长读段计算异构体表达比例。DSIDP将所有读段比对至异构体预测集，并使用Dirichlet采样解决多源映射问题，MCIDP使用马尔科夫链模拟基因外显子之间的选择性剪切，该模型还能预测出数据中没有全长读段的异构体。本文采用模拟数据和真实数据验证了两个模型的有效性。

摘要:针对现有心音定位分割方法精度有限的难题，提出了一种对心率变异性较低的信号建模分割方法。首先，通过集合经验模态分解（Ensemble empirical mode decomposition，EEMD）使用有效的本征模态函数（Intrinsic mode function，IMF）分量来表征心音信号，提高心音信号的可分析性；然后，通过基础心音与非基础心音间的高斯约束关系建立高斯混合模型（Gaussian mixture model，GMM）；接着，优化隐马尔可夫模型（Hidden Markov model, HMM）并建立基于时间相关性的隐马尔可夫模型（Duration-dependent hidden Markov model，DHMM），更简洁地描述分割模型，降低算法复杂度；最后，通过时域特征区分出s₁，收缩期，s₂和舒张期。将本文算法与经典Hilbert算法和逻辑回归的隐半马尔科夫模型（Logistic regression hidden semi-Markov model，LRHSMM）算法进行了对比，实验结果表明，本文算法的检出正确率和运算耗时等评价指标更优。

摘要:喉振传声器以其优良的抗噪声特性已在多种强噪声场景中得到应用，但其产生的语音尚存在着中频成份厚重、高频成份缺失等问题，严重影响了语音的清晰度和可懂度。为改善喉振传声器的语音质量，本文提出了一种基于长短时记忆递归神经网络（Long short term memory recurrent neural networks， LSTM-RNN）的喉振传声器语音盲增强算法。与基于低维的谱包络特征估计算法不同，该算法首先利用LSTM-RNN对喉振传声器语音与空气传导语音的高维对数幅度谱之间的转换关系进行建模，能有效捕捉上下文信息实现语音幅度谱的重构，然后采用非负矩阵分解（Non-negative matrix factorization， NMF）对估计出的语音幅度谱进行处理，有效抑制了过平滑问题，进一步提高了语音质量。仿真实验得到的LLR，LSD，PESQ性能指标表明，该算法可有效改善喉振传声器的语音质量。

摘要:情感识别在人机交互中具有重要意义，为了提高情感识别准确率，将语音与文本特征融合。语音特征采用了声学特征和韵律特征，文本特征采用了基于情感词典的词袋特征（Bag-of-words,BoW）和N-gram模型。将语音与文本特征分别进行特征层融合与决策层融合，比较它们在IEMOCAP四类情感识别的效果。实验表明，语音与文本特征融合比单一特征在情感识别中表现更好；决策层融合比在特征层融合识别效果好。且基于卷积神经网络（Convolutional neural network，CNN）分类器，语音与文本特征在决策层融合中不加权平均召回率（Unweighted average recall，UAR)达到了68.98%，超过了此前在IEMOCAP数据集上的最好结果。

摘要:针对国内针织圆纬机在实时生产中的智能疵点检测问题，依据图像定量分析方法，提出基于递归最小二乘法(Recursive least square，RLS)自适应滤波器的旋转周期预测方法。介绍了应用RLS算法进行周期预测的背景及工业应用价值，对RLS算法和进行周期预测的RLS滤波器的基本工作原理进行了详细的分析。最后，根据针织圆纬机上下位系统，在双面机实时生产中获取预测所需要的实际周期数据，对实际周期使用RLS滤波器处理，寻找RLS滤波器最佳阶数。在最佳阶数基础上，设计RLS自适应滤波器的周期预测方法和单步周期预测方法对比实验，证明RLS滤波器对圆纬机旋转预测周期的稳定性优于单步预测方法。结合两种方法的不同优势，得到了适用于工业现场实时控制的智能疵点检测系统周期预测处理机制。

摘要:信号检测的任务是通过基站接收到的信号来估计出用户的发送信号。在大规模MIMO系统上行中,基于最速下降（Steepest descent，SD）算法和高斯-赛得尔（Gauss Seidel，GS）迭代的混合迭代（SDGS）算法解决了最小均方误差（Minimum mean square error,MMSE）算法中矩阵求逆的运算问题，将复杂度从O(K³)降为O(K²)（其中K为用户数）。同时，SD算法有很好收敛方向的特性加快了检测速度。本文基于SDGS算法，改进了其中对数似然比（Log likelihood ratio，LLR）的计算，在保持低复杂度（O(K²)）的同时，改善检测性能。仿真结果表明，经过几次迭代后，改进后的混合迭代算法收敛较快并接近MMSE检测性能。

摘要:差分时延差编码能有效抑制多途信道的干扰，实现信息的可靠传输，因此在水声通信中被广泛应用。本文设计了一种基于差分时延差编码的水声发射系统，针对差分时延差编码的特点和要求，利用波形存储直读方式产生码元，通过以太网将其传输到下位机并存储到存储器；然后对系统进行通信编码参数配置；最后基于下位机存储的码元和通信编码参数配置，将通信信息通过差分时延差编码并经数模转换器和低通滤波器变换后，由换能器发射出去。湖试通信实验表明，水声发射系统在不同参数条件下均能保证编码信息的准确性以及传输信息的可靠性，具有一定的实用性。

摘要:基于磁光材料的磁畴壁，提出了一种新型超宽带单向波导。该波导的基本模型是一个金属-铁氧体-铁氧体-金属构成的多层波导系统，中间两层铁氧体为钇铁石榴石(Yttrium iron garnet，YIG)，它们分别处于两个大小相等方向相反的外部静态磁场中。理论分析和仿真结果表明，该波导中除了YIG材料固有的光子带隙之外，还存在一个由有限铁氧体厚度导致的新的光子带隙。两个光子带隙均支持能够免疫散射和背向反射的完全单向电磁模式。该波导系统具有结构简单，免疫散射以及超宽单向工作频带等优点，是实现全光子集成电路的有效途径。

摘要:深空通信环境下如果选用固定速率进行信息传输，通信质量和系统效率都会受到影响。当通信环境信道质量发生变化时，实时调整通信系统的传输参数，可以保证系统的性能指标如误码率符合要求，使通信系统的效率提高。本文结合邻近空间链路通信协议的要求，以信道估计的信噪比作为衡量信道质量的标准，设计一种符合CCSDS协议标准的码速率自适应传输系统方案。该硬件实现平台以Xilinx Kintex-7 FPGA芯片为核心，实测结果表明在加性高斯白噪声情况下系统可以实时估计0 dB以上信噪比，并且能够实现码速率自适应调整。相比于固定速率传输，码速率自适应传输系统的误码率和吞吐量性能都有提升，可为深空通信系统的设计提供有益参考。

摘要:多输入多输出-正交频分复用(Multiple input multiple output-orthogonal frequency division multiplexing，MIMO-OFDM)系统作为MIMO系统和OFDM系统的结合，具有很高的频带利用率并能有效地对抗无线信道的多径效应。本文研究了MIMO-OFDM系统稀疏信道估计及其导频优化，将信道估计问题转化为压缩感知(Compressed sensing，CS)理论中的稀疏信号重建问题，将最小化测量矩阵的互相关作为导频优化的目标。结合已有的随机序贯搜索(Stochastic sequential search，SSS)和扩展算法2(Extension scheme 2，ES2)算法以及导频移位机制，提出了一种快速的导频优化算法随机搜索移位算法(Stochastic sequential search-shift mechanism，SSS-SM)。此算法的运算复杂度远低于已有的ES2算法，运算时间不受发射天线数影响。将SSS-SM算法和ES2算法分别获得的导频设计结果应用于MIMO-OFDM系统的信道估计，仿真结果表明，采用SSS-SM算法可以更低的算法复杂度获得与ES2算法相同的信道估计性能；高信噪比情况下，SSS-SM算法对应的均方误差(Mean square error，MSE)比ES2平均低约3~5 dB，因此这种方法在高信噪比下更有优势。

摘要:与传统声源定位算法如相位变换加权、时延累加定位不同，压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下，由于远场声源自身指向性、空间混响等原因，声源方向向量往往呈现块稀疏度结构，导致采用传统稀疏恢复算法如正交匹配追踪算法（Orthogonal matching pursuit,OMP）等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数，以压缩感知为基本框架，采用块稀疏似零范数稀疏恢复进行声源方向向量的重构，获取声源的方位。实验结果表明，相较于传统声源定位算法和基于OMP的压缩感知声源定位算法，本文算法具有更高的定位精度。

摘要:随着量子计算机的发展，传统的公钥加密方案,如RSA加密和椭圆曲线加密算法(Elliptic curve cryptography,ECC）受到了严重威胁。为了对抗量子攻击，基于格的密码学引起了关注，其中环错误学习（Ring-learning with error，R-LWE）格加密算法具有电路实现简单、抗量子攻击等优点，在硬件加密领域具有极大的应用潜力。本文从硬件应用的角度，提出并实现了一种R-LWE加密方案中多项式乘法的并行电路结构，采用了数论转换（Number theoretic transforms, NTT）方法，并使用了两个并行的蝶形运算单元。结果表明在增加较少硬件资源的情况下，本文设计的算法提升了42%的运算速度。

摘要:将电磁矢量传感器阵列参数估计问题与平行线性相关剖面模型(Parallel profiles with linear dependencies, PARALIND)相结合，利用PARALIND分解，提出了一种线性电磁矢量阵中相干信号波达方向(Direction of arrival, DOA)估计算法。该算法能够实现对电磁矢量阵中相干信源的角度估计，同时能得到相应的相干系数矩阵，其估计过程无需谱峰搜索，对均匀线阵以及非均匀线阵都适用。该算法角度估计性能优于传统的前后向平滑借助旋转不变性进行信号参数估计(Forward backward spatial smoothing-estimation of signal parameters via rotational invariance techniques, FBSS-ESPRIT)算法和前后向平滑传播算子(Forward backward spatial smoothing-propagator method, FBSS-PM)算法，且对于角度相隔较近的相干信源，该算法也能进行有效的辨识与估计。

摘要:针对目前无线传感器网络中利用位置指纹进行移动节点室内追踪时，为提高追踪精度引入的训练及匹配计算量大的问题，提出了一种兼顾定位精度和计算效率的算法。该算法适合锚节点稀疏分布的大监控区域，通过锚节点和参考位置点的局部匹配降低指纹匹配的复杂度，利用加权K-近邻算法获得粗定位，再通过融合目标节点加速度信息的卡尔曼滤波进一步减少追踪误差。仿真实验表明，本文算法具有良好的定位一致性和较高的定位精度，在指纹间隔10 m，接收信号强度指示值的测量方差高达16时，追踪过程中平均定位误差为1.4 m，适合室内移动目标的实时追踪。

摘要:在超高速数字锁相系统中，虽然可以采用时间交替并行模数转换（Analog-to-digital converter, ADC）结构解决采样速率和采样精度的矛盾，但系统极易受各通道采样时钟抖动的影响。在分析采样时钟抖动与采样有效位数及动态范围关系的基础上，设计了一种基于时钟树机制的并联ADC交替采样结构的超高速数字锁相放大系统。实验结果表明，在相同的测试条件下，该系统比国外主流厂商的商用锁相放大器信噪比提高了约17.5 dB。

摘要:针对不平衡数据集下，传统的模糊支持向量机（Fussy support vector machine，FSVM）算法分类效果不够明显，引入的参数未做优化等缺点，本文提出一种基于粒子群算法（Particle swarm optimization,PSO）优化的改进模糊支持向量机算法，即PSO-DEC-IFSVM算法。该算法首先综合考虑训练样本到其类中心的间距、样本周围的紧密度以及样本的信息量设计模糊隶属度函数，然后将此改进的模糊支持向量机与不同惩罚因子(Different error costs, DEC)算法相结合得到DEC-IFSVM算法，最后利用粒子群算法对DEC-IFSVM算法引入的参数进行优化。实验证明：对于UCI公共数据集中的Pima等6种不平衡数据集，相比已有的FSVM及其改进算法，PSO-DEC-IFSVM算法具有更好的正负类分类效果以及更强的鲁棒性。

摘要:针对维间耦合会影响六维腕力传感器测量精度的问题，提出了基于多输出支持向量回归机（Multi-output support vector regression，MSVR）的解耦算法。以实验室研制的六维腕力传感器为例进行静态标定实验，使用基于MSVR的解耦算法以及传统的基于最小二乘求解标定矩阵的解耦算法对标定数据进行处理分析。实验结果表明，本文提出的解耦算法稳定可靠，能有效抑制维间耦合的干扰，具有较高的解耦精度。

摘要:针对外层空间温度环境模拟系统需承受高剂量辐照的要求，建立了空间温度和辐照环境模拟系统的结构模型，选用制冷机组和加热组件实现了系统加热和制冷，结合防冻液循环与气体循环的方式实现了环境模拟温箱温度远程控制和防辐照设计。将温控过程分为制冷、加热和保温3个阶段，并采用增量式PID控制算法、逆变调功方法和模糊控制方法进行控制，温控效果良好。试验结果表明，环境模拟温箱实际温变曲线与设定的温变曲线拟合良好，达到了主要技术指标，可以满足空间温度环境模拟系统的要求。