一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

图像识别在自主式潜水器自动探雷中的应用

为了实现自主式潜水器自动化探雷的功能,提出了基于K-L变换的目标光学实景像素灰度分布特征提取方法,针对光信号衰减的情况,采用了色彩"补偿"的解决方案.通过对待识目标图像的重建,实例证明,结果是满意的.这对猎雷具装备的发展具有一定的参考价值.     

基于多种评价方法的储油库风险评价研究

不同的安全评价方法各有其应用优点和不足,实践表明将多种方法综合应用将取得较好的安全评价效果。以中国石油某商业储备库为研究对象,针对不同的评价单元,基于不同评价方法的特点与优势,采用安全检查表法、预先危险性分析法、美国道化学方法、易燃易爆重大危险源伤害模型评价法、事故树法、作业条件危险性评价法6种方法对该油库系统深入地进行了安全评价及危险性分析,并对评价结果进行了分析比较。在此基础上,提出了储油库设计建设及日常运营过程中应采用（取）的安全设施和安全措施,为储油库的安全设计、施工及安全运营奠定了坚实的基础。     

基于WSID网络的装备管理系统设计与实现

针对野外驻训或战场上的装备管理不便问题,文中设计并实现了一种基于WSID(Wireless SensorIDentification)网络的装备管理系统,该系统利用融合了RFID技术的无线传感器网络,在任何时间任何地点快速部署多个传感器节点,迅速地建立起装备临时管理系统,灵活、便捷和有效。实验结果表明,该系统能够通过WSID网络对出入库配备ID标签的装备实行有效的管理。     

基于参数辨识的电动舵机系统健康仿真和评估

针对目前电动舵机系统故障诊断方法不能有效预测缓变故障,提出基于舵机系统模型的状态变量检测法对飞行器常用的执行机构电动舵机系统进行健康分析与仿真评估。分析电动舵机系统子系统电机本体、控制器、传动机构的常见故障,对其中反映系统性能的关键参数进行数学建模;通过对系统注入不同的健康参数得到相关故障状态下的状态变量特征,进而作为定位故障源的知识库,引入健康因子评估故障参数的变化趋势;仿真算例选择电机本体的主要物理参数电机绕组阻值和反映永磁体性能的电机力矩常数作为健康因子,通过定位知识库建立的健康因子评估算法验证了方法的可行性。     

采用重构吸引子的辐射源个体识别技术

为解决现有基于相空间个体识别方法面临重构特征矢量维数高、计算效率低、鲁棒性差等问题,从非线性动力学角度出发,构建了基于重构吸引子的辐射源个体识别框架,并在此框架内提出了基于等距映射的辐射源个体识别技术。该技术采用等距映射从相空间中重构辐射源吸引子,可以更低的维度描述辐射源系统动力学特性,反映辐射源个体的“指纹”特征。实验表明该方法识别准确率更高、效率更高、听鲁棒性更强。     

二维非线性正交异性材料的瞬态热传导反问题研究

针对正交异性材料的二维非线性热传导反问题,本文采用顺序函数法对表面热流辨识进行了研究。在求解反问题时用到有限体积法、牛顿-拉夫逊法并引入未来时间步长的概念。在每个时间步内,将待辨识热流视为非线性方程组的未知量,通过一个迭代过程进行求解。从文中的例子可以看出,真实热流和辨识热流结果相近,从而证明了本方法在辨识二维非线性热传导反问题时是准确、稳定、有效的。     

基于置信规则库的防空目标意图识别方法

为解决防空反导体系对于目标意图识别中多源信息处理的问题,提出了一种新的防空目标识别方法——置信规则库(Belief Rules Base)识别模型,该方法是基于BRB专家知识系统的自学习方法,可以有效处理多源不确定性信息。同时,为了提高其识别效率,建立了一种与之相匹配的参数优化模型,并选择差分进化算法作为BRB识别模型的优化引擎。此外,在BRB识别模型中,专家意见也被引用到模型的初始化和推理过程中。最后采用一个实例对BRB识别模型的准确度进行验证。研究表明:该方法具有较强的实用性,可为防空反导体系的目标意图识别提供有力支撑。     

显示界面复杂目标辨认研究

为了使作战人员更快速地辨认武器系统显示界面目标,研究人对不同复杂程度及大小的目标符号辨认情况,为武器系统显示界面的目标编码设计提供依据。提出目标符号复杂度的定义,建立复杂度计算公式,对符号的复杂程度进行量化。通过测定被试完成搜寻特定目标的时间,建立反应时间和符号复杂度与大小、高复杂度目标数量与大小的线性回归模型。提取被试辨认不同复杂度目标的脑电信号,分析脑负荷。结果表明符号复杂度越低或尺寸越大,目标越容易辨认;当大小一定时,人对复杂度3以下的目标辨认情况较好,对复杂度3以上的目标辨认绩效明显下降;脑负荷随着目标复杂度的增大而增大。结论为武器系统显示界面的符号复杂度应设计在3以下,高复杂度目标符号使用时应合理调整其大小。