针对室内环境舒适度及安全性监测需求,设计并实现了一种基于多传感器的室内环境监测系统。在分析并比较反向传播(BP)神经网络、径向基函数(RBF)神经网络、支持向量机(SVM)、遗传算法优化的BP神经网络在此应用中的性能与误差的基础上,在Android端实现了ISO国际标准的PMV热舒适度算法及有害气体浓度预警算法,从而实现室内空气质量的各参数的实时监测,并能更好地预测火灾等高危险灾害。此系统可全面反映室内的空气质量,让居民能更有针对性地改善自己的居住环境。 针对语音识别系统对抗环境噪声的实际需求,提出一种二次组合抗噪技术,研究并设计了一种以数字信号处理器(DSP)为硬件平台,以隐马尔可夫模型(HMM)为算法的抗噪声嵌入式语音识别系统。DSP采用型号为TMS320VC5509A的芯片,配以外围硬件电路构成语音识别系统的硬件平台。软件设计以离散隐马尔可夫模型(DHMM)为识别算法进行编程,系统软件主要有识别、训练、学习和USB四个主要模块。实验结果表明:基于二次组合去噪技术的语音识别系统有更好的抗噪声效果。 响;一个是建立的模型与语音实际的特征统计特性有差异而受到的影响。语音识别抗噪问题根据使用技术的不同

www.suoguanjixie.name，姿态识别-液压缩管机数控滚圆机滚弧机价格低张家港缩管机多少钱目前主要分为三种:语音增强技术、抗噪声语音特征提取技术和模型补偿技术［9］。本文提出一种新的二次组合去噪技术。该技术的基本思路是:进行语音增强时，带噪语音信号首先通过阈值去噪法进行去噪，实现语音信号处理过程中的第一次去噪;然后采用以小波变换为基础的特征提取技术进行特征参数提取，实现语音识别过程的第二次去噪。本方案的模型是在一般模型的基础上增加2次去除噪声的过程。如图3所示，整个语音识别系统有2次去除噪声的过程，第一次是采用小波变换法完成语音增强;第二次是采用以离散小波变换为基础的Mel频率倒谱系数(Melfrequencycepstrumco-efficient，MFCC)特征参数，实现二次去噪。图3引入二次组合去噪技术的语音识别系统模型3系统硬件方案与设计DSPTMS320VC5509A是TI公司一种性能优良的处理器，它可访问的存储器空间最大可为192kBytes×16bit;数据总线具有总线保持特性;支持单指令循环和块循环;支持32bit长操作数指令;支持8位或16位定时器传送的全双工串口、时分多路串口(TDM)、缓冲串口(BSP)、8位并行主机接口(HPI)和1个16位定时器;单周期定点指令执行时间为15～25ms。根据以上的特点，可以得知TMS320VC5509A非常适合作为嵌入式语音识别系统的处理器［10］。TLV320AIC23B是一种立体声音频编/解码芯片，内置耳机输出放大器，具有非常高的性能，能够非常方便地与DSP构成为了提高人体姿态的识别精度,提出一种基于改进的粒子群优化(PSO)神经网络的人体姿态识别算法。采用加速度传感器获取加速度信息,并在常用特征集的基础上,加入离散系数和曲线积分两种新特征作为神经网络的输入;在利用PSO神经网络参数的同时,通过控制概率,自适应地对粒子进行遗传操作,增强粒子跳出局部极小值的能力;采用训练后的神经网络对6种人体姿态进行识别。实验结果表明:该算法收敛速度和全局寻优能力得到了提高,与其他经典算法相比识别精度更高。 姿态识别-液压缩管机数控滚圆机滚弧机价格低张家港缩管机多少钱 www.suoguanjixie.name