语音识别技术综述

本文综述了语音识别领域里的主要技术。首先,系统地介绍了孤立词识别系统中的算法和技术。然后,简要介绍了连续语音识别系统中的主要处理方法。最后,说明了语音理解系统中的特殊问题。     

海战场移动自组织网络QoS路由协议研究

针对海战场信息网络动态变化和信息传输具有QoS约束的特点,通过分析现有移动自组织网络路由协议,对多约束QoS路由协议进行深入研究,提出QoS-DSR路由协议,并进行网络仿真,仿真结果表明该路由协议满足海战场信息多约束QoS传输的要求,且具备较好的协议性能,适合海战场复杂多变的环境。     

自行火炮群的野战移动自组织网络

提高野战条件下的通信保障能力是当前我军炮兵部队信息化建设的一项重要内容,需要在原有通信方式的基础上探索新的途径。结合自行火炮群的作战指挥特点和无线自组织网的优点,研究了适用于自行火炮群的野战移动自组织网络,从结构体系、指挥网络的管理以及路由协议的选择等方面探讨了自组织网相关技术在自行火炮群作战中的具体应用。     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于神经网络的语音识别系统

本文研究神经网络的多层感知器模型在语音识别中的应用。为达到实时识别的效果,笔者设计了TMS32010数字信号处理板,它与PC/XT机构成主-从系统,由PC/XT机管理数据,TMS32010进行高速运算,实验中,考察了神经网络对数字语音的识别能力,识别率达到95％以上,结果表明,用神经网络进行语音识别是一种很有前途的方法。     

自组织映射神经网络分类器

本文利用改进的自组织映射人工神经网络的方法完成分类问题。该方法由给定的模式样本训练网络,分类的结果由网络的输出直接给出,避免了估计概率密度函数时引入的误差。实验的结果说明了该方法的有效性。     

基于DFCNN-CTC和Transformer的中文语音识别

语音识别一般只是将语音转化成文字,识别的结果是没有标点的一连串汉字,这不利于读者阅读,也会影响后续任务的处理.因此,引入语音端点检测解决上述问题.同时针对传统的语言模型N-gram存在忽略字词之间语义的相似性、训练时的参数过大等问题,提出一种以全序列卷积神经网络DFCNN作为声学模型,Transformer作为语言模型...     

噪声环境下的汉语语音识别技术

本文讨论了噪声环境下的汉语语音识别技术,从语音识别的一般方法出发,主要介绍了系统原理和用DSP构建实现的方法。     

语音识别技术在射击指挥模拟训练中的应用

介绍了分队射击指挥模拟训练系统的概念,分析了模拟训练中语音通信机制.将语音识别系统引入模拟训练系统中,并就应用中存在的问题进行了探讨,提出了解决方法.     

战术自组织网接入协议若干关键技术研究

本文就战术自组织网接入协议中所涉及的一些关键技术进行了比较和分析．并结合一定的战术背景．对网络结构设计、时隙分配、逻辑信道划分、时延调整、时隙同步等问题提出了相应的解决方法和设计思路。     

用于指挥控制的语音实时识别系统探讨

信息科学的发展对指挥控制的技术提出更高的要求,语音识别将是车载、机载、舰载综合电子设备中一项不可缺少的内容。但海、陆、空等指挥控制环境中高噪声的存在及其导致的话者语音变化,为语音识别系统的可靠应用带来了困难,要解决这个问题,就必须研制具有抗噪声能力的语音识别系统。本文基于语音识别的基本原理,通过对噪声特性及其对语音识别影响的分析,从提高系统的鲁棒性入手,探讨了抗噪声语音实时识别系统     

汉语语音识别中的一种音节分割方法

汉语语音识别研究中,识别单元的选取是很重要的。随着大词汇量连续语音识别研究的发展,越来越多汉语语音识别研究中选取次音节单位作为识别单元。结合汉语发音声学特性,提出了音节的重叠音素分割策略,并利用小波方法实现了音节的分割,实验证明该方法分割准确可靠。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。     

三种语音特征信息综合方法的理论分析

本文是作者在１９９７ 年 《声学学报》中文版和英文版发表的三篇文章基础上的进一步研究。这些文章没有对提出的三种语音特征综合方法进行理论分析, 本文运用概率论知识, 详细地对前面三篇文章提出的三种语音特征信息综合方法进行理论分析。分析结果表明： 三种语音特征信息综合方法能够比较好地综合语音特征信息, 提高语音识别系统的性能。这一结果与前面三篇文章中实验结果一致。     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低。随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法。包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤。仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现。     

自组织特征映射在柴油机振动信号模式分类中的应用

通过分析柴油机在磨合期、不同摩托小时和拉缸等典型状态下的振动信号样本,计算出各类样本在幅域、时域和频域的特征参量,按照类别可分离性判据进行特征选择,寻找出能够代表发动机不同状态的有效特征参数,同时降低特征向量空间的维数,最后利用自组织特征映射神经网络(Self-Organizing Feature Map)进行发动机不同状态的分类.分析结果表明,SOFM能够对各类模式进行有效的分类,准确率达到92%以上.