论英语幽默的文化色彩及语义基础

将英语中的幽默界定为“情景幽默”和“语言幽默” ;通过实例分析 ,着重探讨了修辞格在幽默语言中的作用、幽默语言的语义学基础 ,以及研究幽默对感受英语语言文化的意义     

面向战术环境的语音指挥技术研究

与数据指挥相比,语音指挥在战术环境中优势明显。但因战术条件下地理环境复杂、电磁环境恶劣、通信信道速率低等原因影响了其指挥效能的发挥。通过对语音指挥现状分析,提出面向战术环境特别是窄信道条件下语音指挥的总体设想,并给出提升战术环境下语音指挥能力的关键技术及解决措施。最后通过试验验证了技术可行性。     

自适应抵消与谱相减结合的单通道语音消噪算法

飞机、坦克和船舶等封闭座舱内部产生的强机械噪声严重地影响了语音通信系统,为此,提出了自适应噪声抵消与谱相减结合的单通道语音消噪算法,其基本原理是:先进行基于相关检测的自适应消噪处理,其后采用谱相减算法消除残留噪声。仿真结果表明:该算法对引擎噪声的消噪效果明显,并能有效地保持语音清晰度,可应用于机械噪声很强的语音通信系统。     

二进制偏移载波调制信号畸变误差评估指标

针对三种常见的信号畸变,给出完善的畸变误差评估指标,从而能够全面评估畸变误差。同时采用提出的评估指标对北斗全球系统B1频段上的基线信号BOC(14,2)及MBOC(6,1,1/11)信号进行评估。所提出的畸变误差评估指标能够用于评估现代卫星导航信号的畸变误差,对现代导航信号体制设计及完好性监测均具有指导意义。     

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。     

激光陀螺零偏误差复合信号补偿分析

作为一种集成了光学、电学和机械力学的复杂系统,激光陀螺可以精确地测量物体的角速率输出。为了满足惯性导航系统长时、高精度的测量要求,研究了激光陀螺内部不同类型的传感器与激光陀螺零偏误差之间的特性;在传统的基于温度的零偏误差补偿方法的基础上,引入二频机抖激光陀螺内部温度传感器、光电二极管和粘在抖动机构上的压电陶瓷的输出信息进行复合建模;利用非线性拟合能力强的支持向量机算法,针对不同类型信息与二频机抖激光陀螺零偏误差的相关性对模型进行优化。实验结果表明,该二频机抖激光陀螺零偏误差补偿模型的补偿精度高于传统的补偿方法。     

运用改进正交匹配追踪算法精确估计跳频信号跳变时刻

现有方法得到的跳变时刻精度不高、抗干扰能力较弱,为此提出一种运用改进正交匹配追踪算法的跳变时刻精确估计方法。根据跳频信号原理建立跳变时刻估计的稀疏表示模型,用改进正交匹配追踪算法求解该模型,获取跳变时刻。理论分析和仿真结果证明该方法能够获取高精度的跳变时刻,估计性能方面优于现有算法。     

一种对丢包具有鲁棒性的语音编码算法—iLBC

文中介绍了一种适用于网络的,对丢包具有鲁棒性的语音编码算法——iLBC。iLBC在编码时先进行LPC分析,然后对LPC残差信号采用自适应码本编码,这个自适应码本与传统的CELP算法中的自适应码本不同,没有利用语音帧之间的相关性,使得iLBC算法对丢包具有鲁棒性;解码时如果有语音包丢失,则采用丢包隐藏(PLC)算法。介绍了iLBC编解码算法的基本原理;重点分析了iLBC的自适应码本编码方式以及丢包隐藏算法(PLC);比较了在丢包率相同的情况下,iLBC和ITU-T G.729A的MOS分,结果表明,iLBC更适合于有丢包的网络。     

从言语的语言学看翻译的多相面对等

本文从言语的语言学出发寻求和翻译的对等面。翻译是一种跨文化的信息交流与交往传播的活动,研究的是使用中的语言即言语,言语的语言学以言语为研究对象,因此言语的语言学应作为翻译的语言学基础。基于上述理论,本文从言语的语言学的语义、语用和文化三方面寻求和翻译的静态、动态和文化对等,使翻译活动更具实践意义。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。