检索结果-内蒙古大学图书馆

声学技术 2025年第2期 261-269页

作者：张宇哲郭传杰靳淑雅马驰远苏煜陶智勇桂林电子科技大学认知无线电与信息处理教育部重点实验室桂林电子科技大学

情感识别是计算机对人类情感感知过程的模拟，具有重要的研究意义和应用价值。传统的语音识别系统通常使用单一的特征提取方法，但这些方法有时会丢失语音情感信号中的重要信息，导致识别错误。因此，文章基于改进的完全集成噪声自适应... 详细信息

情感识别是计算机对人类情感感知过程的模拟，具有重要的研究意义和应用价值。传统的语音识别系统通常使用单一的特征提取方法，但这些方法有时会丢失语音情感信号中的重要信息，导致识别错误。因此，文章基于改进的完全集成噪声自适应经验模式分解，提出了一种组合多特征提取方法来分类无语义情感语音信号。首先，利用基于改进的完全集成噪声自适应经验模式分解将一维情感语音信号分解得到多个内禀模式；然后，提取每个内禀模式的均值、方差、峰度、偏度、能量、中心频率、峰值幅度和排列熵等特征；最后，通过这些特征对愤怒、快乐、悲伤和无情感四种情感进行分类。研究表明，该方法在通过支持向量机8∶2的模型训练后，得到了88.52%的平均识别率，可为情感语音信号的识别工作提供重要参考。

关键词：情感语音自适应经验模态分解特征提取支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于螺旋谱判决的水下涡旋光束OAM-SK通信仿真研究

引用

光通信技术 2025年第1期49卷 58-63页

作者：凡星源李晓记刘韩宇桂林电子科技大学认知无线电与信息处理教育部重点实验室广西桂林541004

针对基于机器学习的涡旋光束轨道角动量键控(OAM-SK)通信方案因数据的制备、训练所导致的通信耗时长、离线处理等问题,提出基于螺旋谱判决的水下涡旋光束OAM-SK通信方案。该方案通过对接收端处的涡旋光束光场直接进行螺旋谱计算,即可实... 详细信息

针对基于机器学习的涡旋光束轨道角动量键控(OAM-SK)通信方案因数据的制备、训练所导致的通信耗时长、离线处理等问题,提出基于螺旋谱判决的水下涡旋光束OAM-SK通信方案。该方案通过对接收端处的涡旋光束光场直接进行螺旋谱计算,即可实现对其模式的识别,从而完成信息的传输。仿真结果表明,虽然所提方案可靠性略低,但是其极大地提高了通信系统的有效性。

关键词：涡旋光束正交特性涡旋光束轨道角动量键控螺旋谱

来源：评论

学校读者我要写书评

暂无评论

基于拉普拉斯混合模型的航迹抗差关联方法

引用

电讯技术 2025年第2期65卷 313-321页

作者：韦春玲吴孙勇刘锦新余润华桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学数学与计算科学学院广西桂林541004 认知无线电与信息处理省部共建教育部重点实验室广西桂林541004

针对组网雷达系统误差与上报目标不完全一致等复杂环境下的航迹关联鲁棒性问题,基于非刚性点集配准理论提出了一种航迹邻域结构信息与拉普拉斯混合模型(Laplace Mixture Model, LMM)相结合的关联方法。首先利用更鲁棒的拉普拉斯混合模... 详细信息

针对组网雷达系统误差与上报目标不完全一致等复杂环境下的航迹关联鲁棒性问题,基于非刚性点集配准理论提出了一种航迹邻域结构信息与拉普拉斯混合模型(Laplace Mixture Model, LMM)相结合的关联方法。首先利用更鲁棒的拉普拉斯混合模型对被视为异常点的非共同探测目标的航迹进行建模,然后定义局部相似性测度计算航迹邻域结构的相似性来决定拉普拉斯分量的权重,并通过期望最大化(Expectation-Maximization, EM)算法求解拉普拉斯混合模型的闭合解。最后利用经典分配法对E步获取的后验概率矩阵进行航迹关联判决。仿真结果表明,该方法在面对各种复杂环境如不同系统误差、检测概率、目标分布密度等情况时均有较高的关联正确率和较好的鲁棒性。

关键词：组网雷达系统航迹关联拉普拉斯混合模型局部相似性测度 EM算法

来源：评论

学校读者我要写书评

暂无评论

面向小样本学习的PCB缺陷智能检测方法

引用

电脑知识与技术 2025年第4期21卷 36-41页

作者：郝佳妮农丽萍刘安平方瑾瑜田方圆广西师范大学物理科学与技术学院广西桂林541004 “认知无线电与信息处理”教育部重点实验室(桂林电子科技大学) 广西桂林541004

目前,深度学习模型通常高度依赖大量标注数据的训练样本。然而,在实际生产过程中,特别是在工业缺陷检测领域,获取高质量标注数据难度大且成本高。为此,提出了一种基于小样本学习的PCB缺陷智能检测算法。首先,采用传统数据增强方法和基... 详细信息

目前,深度学习模型通常高度依赖大量标注数据的训练样本。然而,在实际生产过程中,特别是在工业缺陷检测领域,获取高质量标注数据难度大且成本高。为此,提出了一种基于小样本学习的PCB缺陷智能检测算法。首先,采用传统数据增强方法和基于扩散模型的数据增强方法扩充样本,解决样本数量过少的问题;其次,基于YOLOv8深度学习框架,通过高效的骨干网络和检测头实现多尺度目标检测;最后,利用PySide6框架开发了一款智能化的PCB缺陷检测人机交互系统。实验结果表明,所提方法在10-shot任务中展现出优异的检测性能,在真实的PCB缺陷数据集上达到了82.9%的检测精度。

关键词：小样本学习 PCB缺陷检测数据增强 YOLOv8 深度学习

来源：评论

学校读者我要写书评

暂无评论

融合双通道卷积和改进型Conformer的两阶段语音增强算法

引用

电子测量技术 2025年第4期 149-157页

作者：徐佳瑜郑展恒曾庆宁王健桂林电子科技大学信息与通信学院桂林电子科技大学认知无线电与信息处理教育部重点实验室南宁桂电电子科技研究院有限公司

针对语音关键特征提取不充分、模型结构单一的问题,提出一种两阶段下融合多尺度特征和改进型门控Conformer的语音增强方法。首先,针对关键特征提取不充分的问题,提出双通道卷积融合模块,采用不同感受野的二维卷积多尺度提取语音关键信息... 详细信息

针对语音关键特征提取不充分、模型结构单一的问题,提出一种两阶段下融合多尺度特征和改进型门控Conformer的语音增强方法。首先,针对关键特征提取不充分的问题,提出双通道卷积融合模块,采用不同感受野的二维卷积多尺度提取语音关键信息,并结合门控机制增强网络的短期与长期序列相关性,从而提升模型在复杂环境下的语音增强效果;提出改进型Conformer,采用时间注意和频率注意分别在时域和频域上进行建模,并结合膨胀卷积模块高效提取局部与全局上下文信息,从而增强网络在语音序列建模中的表现能力。其次,针对模型结构单一的问题,采用两阶段处理结构,将复杂问题分步处理。在第一阶段首先接收噪声频谱的幅值,初步估计出干净语音的幅值,并与噪声相位进行重构,得到粗糙的复频谱。第二阶段在第一阶段得到粗谱的基础上进一步提取更精细的特征,增强语音信号的细节表现能力。最后,在Voice Bank+DEMAND数据集上进行测试,实验结果表明,所提算法相比带噪语音的语音感知质量和短时客观可懂度分别提升50.25%、3.26%,表明该网络能够更有效地提高语音的可懂度,同时改善语音信号的整体质量,具有较强的降噪能力。

关键词：深度学习语音增强 Conformer 多尺度特征提取两阶段

来源：评论

学校读者我要写书评

暂无评论

基于高阻表面和波纹槽结构的法布里-珀罗天线研究

引用

电波科学学报 2015年第1期30卷 177-182页

作者：曹卫平唐茜李思敏张静媛桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004

针对尺寸有限的法布里-珀罗(Fabry-Perot,FP)天线副瓣较大、增益带宽窄的问题,提出了一种基于高阻表面和波纹槽结构的新型FP天线模型.同时使用三维全波电磁场仿真软件CST就传统FP谐振结构、周期性以及非周期性加载高阻表面阵列和波纹槽... 详细信息

针对尺寸有限的法布里-珀罗(Fabry-Perot,FP)天线副瓣较大、增益带宽窄的问题,提出了一种基于高阻表面和波纹槽结构的新型FP天线模型.同时使用三维全波电磁场仿真软件CST就传统FP谐振结构、周期性以及非周期性加载高阻表面阵列和波纹槽结构对天线辐射性能的影响进行数值分析.模拟和实验测试结果表明:与传统FP谐振结构相比,加载周期结构仅能在较窄频带内提高天线增益,而加载非周期结构能使该天线增益在更宽频带内得到提高且其增益稳定性更好.

关键词：高阻表面波纹槽高增益法布里-珀罗非周期

来源：评论

学校读者我要写书评

暂无评论

基于尺度变换随机共振的瞬变电磁弱信号检测

引用

地球物理学报 2011年第7期54卷 1928-1934页

作者：王国富张海如张法全叶金才桂林电子科技大学认知无线电与信息处理教育部重点实验室桂林541004

晚期瞬变电磁信号是大参数、多频率、且各频率分量未知的电磁信号,特别在晚期还是强噪声背景下的微弱信号.随机共振系统可以在极限信噪比的情况下提取微弱信号,但仅适用于小参数、单一频率或频率已知的高频信号的情况.为此,本文提出一... 详细信息

晚期瞬变电磁信号是大参数、多频率、且各频率分量未知的电磁信号,特别在晚期还是强噪声背景下的微弱信号.随机共振系统可以在极限信噪比的情况下提取微弱信号,但仅适用于小参数、单一频率或频率已知的高频信号的情况.为此,本文提出一种基于尺度变换的随机共振算法用于检测晚期瞬变电磁信号,该方法充分利用了随机共振检测弱信号的优势,通过引入尺度变换,消除了随机共振系统对待测信号频率的限制,在绝热近似理论下,实现了从强噪声中提取出微弱晚期瞬变电磁目标信号.理论分析和仿真结果表明:对埋在强噪声中的未知频率的晚期瞬变电磁信号,采用连续的压缩算法,以获得一个适当的输入信号到随机共振体系,根据输出信号共振谐振峰的变化,经反变换运算可得待测弱晚期瞬变电磁信号的各个未知频率,各个频率的叠加即可还原晚期瞬变电磁信号.与传统方法相比,本方法数据采集量和采集时间都减小到原来的几十分之一,能在极限信噪比(信噪比一50dB)下,提取出目标信号,为获得深层目标信号提供了可能,从而提高了瞬变电磁探测仪器的探测深度和探测精度.

关键词：随机共振尺度变换瞬变电磁弱信号检测

来源：评论

学校读者我要写书评

暂无评论

一种双微阵列语音增强方法

引用

电子与信息学报 2018年第5期40卷 1187-1194页

作者：曾庆宁肖强王瑶谢先明龙超桂林电子科技大学认知无线电与信息处理教育部重点实验室桂林541004

为提高语音通信系统在噪声环境下的使用性能,该文提出一种基于子带谱减与广义旁瓣抵消的双微阵列语音增强方法。基于双微阵列及子带结构分析,首先分别在低频带采用可变过减因子谱减法抑制噪声,在高频带采用修改互功率谱谱减法抑制非相... 详细信息

为提高语音通信系统在噪声环境下的使用性能,该文提出一种基于子带谱减与广义旁瓣抵消的双微阵列语音增强方法。基于双微阵列及子带结构分析,首先分别在低频带采用可变过减因子谱减法抑制噪声,在高频带采用修改互功率谱谱减法抑制非相干性噪声部分,再结合广义旁瓣抵消与端点检测进一步抑制强相关性噪声的影响。实验结果表明,该方法能够更加有效地抑制噪声的影响并提高语音的可懂度。

关键词：语音信号处理子带谱减广义旁瓣抵消双微阵列

来源：评论

学校读者我要写书评

暂无评论

基于随机子空间PCA-SVM集成的实时入侵检测系统

引用

仪器仪表学报 2009年第12期30卷 2680-2684页

作者：张红梅认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学) 桂林541004

为了解决入侵检测系统的检测精度低、虚警率高的问题,实现了一个基于网络的入侵检测实验平台,使用了多种新的攻击工具实施攻击,并在此基础上提取了网络连接的29项实时特征;构成实时入侵检测数据集;同时,提出了一个基于随机子空间PCA的Ba... 详细信息

为了解决入侵检测系统的检测精度低、虚警率高的问题,实现了一个基于网络的入侵检测实验平台,使用了多种新的攻击工具实施攻击,并在此基础上提取了网络连接的29项实时特征;构成实时入侵检测数据集;同时,提出了一个基于随机子空间PCA的Bagging-SVM分类器集成构造方法,并将其应用到所采集的实时入侵检测数据集,构造网络连接的检测器。经实验表明,所选取的网络连接特征能较好地反映网络安全状况,所采用的集成学习算法具有检测精度高、检测稳定、对基分类器的参数整定不敏感等优点。

关键词： PCA SVM Bagging集成入侵检测

来源：评论

学校读者我要写书评

暂无评论

基于分类特征约束变分伪样本生成器的类增量学习

引用

控制与决策 2021年第10期36卷 2475-2482页

作者：莫建文陈瑶嘉桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,... 详细信息

针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,用分类特征进行约束,使生成的样本更好地保留旧类在分类器上的性能.然后,用旧分类器的输出作为伪样本的精馏标签,进一步保留从旧类获得的知识.最后,为了平衡旧类样本的生成数量,采用基于分类器分数的伪样本选择,在保持每个旧类伪样本数量平衡的前提下选择一些更具代表性的旧类伪样本.在MNIST、FASHION、E-MNIST和SVHN数据集上的实验结果表明,所提出的方法能有效减少灾难性遗忘的影响,提高图像的分类精度.

关键词：类增量学习灾难性遗忘分类特征约束变分自编码器精馏标签伪样本选择

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：