自适应语音回波抵消器的实现

本文详细地介绍了在对回波抵消自适应梯度算法进行计算机模拟的基础上,用 TMS32010实现的语音回波抵消器,说明了在保密机和卫星通信系统中应用情况并给出测量出性能结果。     

TMS320系列的新成员——TMS32020

TMS32020是继 TMS32010之后的又一种数字信号处理芯片,它保留了 TMS32010能高速处理乘法累加运算的特点,同时又针对 TMS32010的不足之处进行了改进,其性能更臻完美,处理能力约为 TMS32010的2～3倍。本文对TMS32020的结构、特点和它与 TMS32010之间的异同点进行了介绍,并对系统软件移植时应注意的问题进行了讨论。     

一种实时产生伪随机序列的新方法

伪随机序列是人们经常使用的一种信号序列。例如,在线性预测语音合成中,当语音为清音时,激励信号就为伪随机序列。目前常用的伪随机序列产生器由M序列产生器或微处理器查表实现。本文介绍一种用TMS32010计算产生伪随机序列的方法。一、方法介绍在计算机模拟中,中们经常采用程序(A)去产生均匀分布伪随机数。从程序(A)我们可以看到,产生一个伪随机数只需作一次乘法和一次取小数运算即可。由于TMS32010乘法速度很,因此用TMS32010实现上述方法显然是非常方便的。当取变量YFL和u运算     

低速EPROM与TMS32010接口的实现

本文介绍了一种TMS32010与低速EPROM连接的方法,设计了一个用计数器产生地址及控制信号,将低速EPROM中的程序自动转储到TMS32010的4KRAM程序存贮区的电路。     

PC机并行口的扩展

本文介绍一种经济实用的并行口扩展板电路。实践证明,该电路工作性能稳定,操作方便可靠,适用于PC/XT,PC/AT机的I/O扩展。     

新一代数字信号处理器芯片TMS32010

TMS32010是一种很受国际上注意的高速数字信号处理芯片。本文对TMS32010的结构、特点及开发工具作了简要描述。为了使大家更好地了解它的用法,文中给出了一些在实际中的应用例子。     

TMS32010的一种简便调试方法

本文详细介绍了用 Z80单板机对 TMS32010程序进行调试的方法。     

弹道 FFT频谱分析器研究

文中基于频域测速的基本原理,研究一种弹道FFT分析器系统。在给出该系统基本结构后,研究了在强地物杂波干扰环境中保证测频精度、分辨率和动态范围的基本方法。文中还着重介绍了用于这种频谱分析系统的可编程高速A/D数据采集系统和以TMS32010为主体的高速FFT协处理器系统。它们与IBM/PC和加权ZFFT分析软件共同构成了一个完整的频谱分析系统。     

IBM-PC/XT语音信号输入输出接口

语音信号数字处理中,需要将模拟语音信号通过 A/D 转换,转为数字语音信号输入到计算机中存贮、处理,或将存贮、处理后的数字信号通过 D/A 转换,再还原成模拟语音信号。IBM—PC/XT 语音输入输出接口板就是为此目的设计的。它主要由 PCM 单路译码器来完成语音信号的 A/D-D/A 转换,与通用12位线性 A/D-D/A 接口板相比,具有结构简单、成本低和使用方便等特点。     

短波信道特性及其模拟器设计

本文分析和综合了前人在短波信道方面的一些研究成果,得出了短波信道特性的较详细的统计规律,确定了一种能较全面地反映短波信道特性的数学模型,根据此模型和信道的统计规律,设计和制作了短波信道模拟器,此模拟器采用TMS32010数字信号处理片和 Z—80单板机作为主要器件。TMS32010系统完成数字信号的处理和运算,产生多普勒频移、多径时延和衰落;而 Z—80系统主要用作系统的控制和数据交换,整个设备不仅成本低,而且灵活可靠,通过人为改变某个参数,可模拟出各种信道来,并且信道参数和曲线可通过 RS—232接口在 PC 机上显示出来,因此,模拟器是一部很好的模拟测试器材,对于科研和教学十分有用。     

在TMS320C6201上实现时延神经网络目标识别算法

本文介绍了一种基于TMS32 0C6 2x的软件设计方法 ,在TMS32 0C6 2xEVM板上实现了宽带毫米波雷达目标时延神经网络识别算法 ,通过程序验证 ,取得了比较好的处理效果。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

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.     

校准方法和存内训练相结合的忆阻器神经形态计算方法

基于忆阻器的神经形态计算架构在图像分类、语音识别等领域取得了较好的效果,但当忆阻器阵列存在低良率问题时,其性能会出现明显下降。提出一种基于忆阻器神经形态计算的校准方法和原位训练相结合的算法,利用校准方法提高乘累加计算的准确率,并利用原位训练方法降低训练误差。为了验证所提方法的性能,采用多层感知器架构进行仿真。从仿真结果来看,神经网络的精度有明显的提高(近40%)。实验结果表明,与单纯的校准方法相比,采用所提方法训练的网络精度提高了约30%,与其他主流的方法相比,所提方法训练的网络精度提高了0.29%。     

机械振动特征分析中的信号处理技术与微机特征分析系统

文中指出抑制阶比混迭和泄漏是建立一套完整的微机特征分析系统中需要解决的二个关键的信号处理问题。提出了阶比滤波器是抑制阶比混迭有效和实用的方法;并研制频率比合成器以抑制泄漏。介绍了由频率比合成器、阶比滤波器、TMS32010数据采集装置、主机和绘图仪所组成的微机特征分析系统。最后给出了该微机特征分析系统对轴承进行故障诊断的结果。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.