摘要：本文提出了基于遗传算法(GA)的矢量量化话者模型,简称GAVQ话者模型。给出了建立该模型的算法即GAVQ算法。矢量量化技术可以有效地提取和表征话者的个性信息,因而VQ码本可以有效地用作话者模型,传统的VQ码本设计方法是LBG算法,但该算法是一种局部优化算法。GAVQ算法将遗传算法的全局优化特性和VQ建模技术巧妙地结合起来,采用科学的编码方案,动态的定标技术,高效的交叉策略,是一种全局优化的vQ码本设计算法。并进行了实验检验。

摘要：话音识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性，文章提出了基于子带矢量量化（ＳＢＶＱ）的话者模型。该话者模型由对应语音文本不同频段的各个子带上的矢量量化码本（ＳＢＶＱ码本）构成。ＳＢＶＱ话者模型反映了不同频段对话者识别系统性能的不同影响，并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。识别时，利用ＢＰ型人工神经网络（ＢＰＮＮ）对训练数据在各个子带上的量化误差进行拟合可进一步提升系统的性能。实验表明，文章提出的ＳＢＶＱ话者模型具有较好的时间鲁棒性。

摘要：矢量量化（ＶＱ）技术在话者识别系统中得到了广泛的应用。 ＶＱ码本的产生通常采用 ＬＢＧ算法，失真测度则为对矢量的各分量等权重的欧氏距离。在话者识别系统中特征矢量的各个分量的分布是有差别的，且对于不同的话者，这种差别的程度又是不一样的。由于不同分布的各维参数对话者识别的有效性各不相同，因此，文章提出了一种能反映这种有效性差别的失真测度，即：方差归一化失真测度。以该失真测度为基础，并结合时序相关的初始码本设计方法及有效的零胞腔处理技术，文章提出了改进的ＬＢＧ算法，同时利用该算法训练出改进的ＶＱ话者模型，并进行了话者识别实验。

摘要：本文提出了一种基于子带技术和人工神经网络技术的鲁棒性的话者确认阈值的设计方法,将语音信号的有效频段划分为几个子带独立地训练或识别,并在对各个子带的输出数据融合的基础上作最后的判决。各个子带的模型训练及识别采用矢量量化技术,数据的融合技术则采用BP型人工神经网络。采用子带技术可以提高话者确认阈值的时间鲁棒性,采用神经网络技术一方面是为了对各子带的输出进行非线性数据融合,另一方面则是为了能够对话者本人的数据和冒认者的数据进行混合训练,以使训练出的确认阈值对冒认者的不确定性具有鲁棒性。本文提出的设计方法可得到鲁棒性的确认阈值,并得到了实验验证。

摘要：隐Ｍａｒｋｏｖ模型（离散ＨＭＭ）的参数估计问题，是ＨＭＭ在语音处理应用中的关键问题。经典的Ｂａｕｍ＿Ｗｅｌｃｈ算法是基于最陡梯度下降的局部优化算法，ＨＭ Ｍ模型的质量取决于初始模型的设计。解决这一问题的根本方法在于使算法具有随机性。本文结合随机松弛算法（ＳＲ）的全局搜索能力和Ｂａｕｍ＿Ｗｅｌｃｈ算法的局部优化性能，提出了一种离散隐 Ｍａｒｋｏｖ模型参数的全局优化算法。该算法根据 ＨＭＭ的参数对 Ｐ（Ｏ／λ）的不同影响，对观察值概率矩阵Ｂ进行满足一定降温规范的随机扰动，可对离散ＨＭＭ的参数进行全局优化训练。

摘要：我长期从事电子线路方面课程的教学及教学组织工作,历年来主讲过《线性电子线路》、《高频电子线路》、《脉冲与数字电路》、《先进电子线路》等多门课程。在长期的教学实践中,对教学思想、教学内容、课程设置及教材建设等方面坚持了更新、发展和改革,做了很多工作。

摘要：噪声鲁棒性是影响话者确认系统实用化的关键问题之一,为了提高系统的噪声鲁棒性,本文设计了一种基于子带隐Markov模型(HMM)和多层感知机(MLP)的话者确认系统,系统由多个子带系统所构成,对每个子带分别建立基于背景模型的连续HMM话者确认模型,采用MLP对各个子带HMM的输出进行非线性拟合,并利用MLP直接做确认判决。在与文本有关的话者确认实验中,本文提出的模型较常规基于背景模型的HMM话者模型在确认性能和噪声鲁棒性上均有所提高,实验进一步表明,利用MLP进行拟合和判决在一定程度上解决了话者确认阈值设置的困难,有效地提高了确认系统的鲁棒性。

摘要：话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性，本文提出了基于子带矢量量化（SBVQ）及人工神经网络（ANN）的话者模型。将语音文本的有效频段划分为几个子带，分别求取于带上的矢量量化码本（SBVQ码本），利用BP型人工神经网络（BPNN）对训练数据在各个子带上的量化误差进行拟合，即可训练出话者模型（SBVQ码本及BPNN的极值矩阵、确认阈值）。该话者模型反映了不同频段对话者识别系统性能的不同影响，并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。实验表明，本文提出的（SBVQ＋BPNN）话者模型具有较好的时间鲁棒性。

摘要：基于话者分类的自适应语音识别是实现非限定人、大字表语音识别的一种很有前途的有效方法．本文设计了一种用于话者分类的主从式组合神经网络，以神经预测模型作为从网络，可以从短语音（一个音节，约０．３秒）中有效地提取、规正和压缩话者个人性信息；主网络采用具有很强聚类功能的自组织特征映射网络．针对话者个人性信息的模糊性，提出了模糊系统聚类算法和双类心聚类算法．

摘要：介绍一种通用型温湿度监测仪的硬件结构和采集相对湿度RH的方法。配合相应的软件 ,该温湿度监测仪能够完成温湿度数据的采集、输出温湿度越限控制信号。