为探讨高原城市昆明大气中水溶性无机离子的季节和空间变化特征,选取2013年4月至2014年5月昆明市3个采样点进行了PM2.5样品采集,分析了PM2.5及水溶性无机离子的污染特征,并结合气象因素、硫氧化率、氮氧化率及主成分分析法对其主要来源进行了分析.结果表明:PM2.5质量浓度季节变化为春((105.9±48.0)μg/m3)>冬((92.7±51.6)μg/m3)>秋((74.7±41.4)μg/m3)>夏((72.2±30.3)μg/m3).总水溶性无机离子质量浓度季节变化特征为夏((38.0±18.3)μg/m3)>冬((22.0±11.4)μg/m3)>春((18.4±4.8)μg/m3)>秋((13.6±3.1)μg/m3);其中SO42-、Ca2+、NO3-及NH4+为PM2.5中主要的水溶性无机离子,分别占总离子质量浓度的27.7%、17.8%、15.2%和9.5%;二次离子质量浓度之和年均为13.9μg/m3,占PM2.5质量浓度的16.5%,表明高原城市昆明大气中二次组分较少.NO3-/SO42-为0.21~0.68之间,表明固定源是主要污染贡献源.主成分分析结果表明水溶性无机离子主要来源于土壤扬尘和建筑扬尘的混合源、燃煤源和工艺过程源.

介绍了语音识别的一般方法,基于隐马尔可夫 (HMM )统计模型和HTK工具包,声学层选用单音子和二音子识别单元,给出了一个简单的,母语为非汉语的非特定人连接数字串识别实验.

从时域统计的音频信号数字水印技术出发,提出一种无感知音频信号数字水印方法,该方法以ISO/IEC11172-3(MPEG-Audio)中定义的心理声学模型作为数字水印产生的模型,使嵌入到音频信号中的水印信息最大可能地被掩蔽,保证声信号的质量.根据统计模型,检测时可在不需要原声信号的情况下对数字水印的有无作出判决.

研究了超宽带系统的抗干扰性能.基于TH-PPM-UWB系统,分析了超宽带在窄带和宽带干扰时的系统性能,利用ADS软件,建立了系统仿真模型,并分别仿真分析了2种干扰情况下的系统误码性能.仿真结果表明:窄带干扰中心频率及发送功率的大小对UWB系统的性能有较大影响,而增加宽带干扰,相当于增加热噪声幅度.

建立了一种磁固相萃取 (MSPE) - 高效液相色谱法 (HPLC) 测定环境水样中的5种酚类化合物(双酚A、双酚AF、 四溴双酚A、辛基酚和壬基酚)的方法.利用磁性纳米材料易分散、分离速度快的特点,以辛醇和Fe3O4@壬酸磁性纳米材料为萃取剂,辛醇通过涡旋混合吸附在磁性材料上,构成Fe3O4@壬酸@辛醇体系,实现对目标物的高效、快速吸附.实验考察了影响目标物萃取效率的条件,在最佳条件下,5种酚类化合物的线性范围为 0.5~100.0μg·mL-1(R2>0.998),检出限(LODs)范围为0.07~0.16μg·mL-1(S/N=3),样品的加标回收率在88.7%~98.2%,相对标准偏差 (RSDs,n=5) 范围为2.9%~5.9%.

由于电子化语言资源较为匮乏，缅甸语语音合成的研究相对滞后. 针对该问题，以开发缅甸语语音合成应用系统为目的，设计并实现了一个基于HMM的语音合成系统. 首先，为了使计算机按输入文本合成出正确的读音，提出并设计了缅甸语的注音方案，其中重点解决了缅甸语中的变音和变调问题；然后，根据缅甸语的语音特点选取声母及带声调的韵母作为合成基元，并按此设计上下文属性和问题集；最后，基于HTS平台，完整实现了音子自动切分、HMM声学模型训练及语音合成. 实验结果表明，该缅甸语语音合成系统具有可行性，可作为后续研究的基线系统.

针对当前显著性检测算法普遍存在的背景噪声较多，目标区域检测不够完整等问题，提出了一种空间域的显著性算法. 首先将输入图像进行超像素分割，以边缘信息作为背景先验区域集，通过计算超像素与背景先验区域集内超像素在颜色、亮度方面的差异，得到背景差异显著图；然后确定前景先验区域集，计算各超像素与前景先验区域集内超像素的差异性，得到前景差异显著图. 最后融合两部分显著图；最后在此基础上构建视觉中心，围绕视觉中心确定各超像素空间权重信息，得到最终显著图. 采用MSRA-1000数据库进行对照实验，结果表明本文算法的准确性更高，整体效果更好.

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题，提出一种基于凸包计算和颜色特征的显著性检测算法. 考虑到图像在不同的颜色空间中颜色取值范围不同，首先，在多种颜色空间经过超像素分割得到区域对比图；然后，在CIELAB颜色空间中得到平滑的通道差值图；其次，利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图；最后，将4种显著图特征融合并优化得到最终显著图. 新算法更加接近人工标注图的结果，不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域，而且获得全分辨率的显著图. 在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比，实验结果表明，新算法优于其他算法.

基于深度神经网络并利用大规模高质量“〈文本，音频〉”语料库训练的端到端语音合成系统已能够合成出高质量的语音，因受限于语料库规模，低资源非通用语言端到端语音合成系统性能仍有待提升. 近年来，自然语言处理领域实现了利用海量无标记文本数据以弱监督方式训练语言模型，BERT等预训练的语言模型被证明显著改进了许多自然语言处理任务. 论文基于预训练语言模型探索提升印尼语端到端语音合成系统性能的方法，首先利用上下文信息拼接和词向量拼接方法将BERT预训练词向量信息嵌入语音合成系统，然后在此基础上进一步研究编码器结构对语音合成性能的影响，最后从主观和客观两方面对文中阐述的各种方法所合成的语音进行测评. 实验结果表明，新方法与基线语音合成系统相比，客观评测结果显示系统性能提升近15%，有效降低了合成语音的梅尔倒谱失真和基频帧错误率，主观评价平均意见得分达到4.15，远高于基线系统的3.72.

越南语属于低资源语种，高质量关键词新闻数据稀缺，为了解决样本不足条件下生成越南语新闻关键词准确性不高的问题，提出了一种多特征融合的越南语关键词生成模型，拟提升生成的越南语关键词与越南语新闻文档的相关性. 首先，将越南语新闻实体、词性、词汇位置特征与词向量拼接，使输入模型的词向量包含更多维度的语义信息；其次，利用双向注意力机制捕获上下文与新闻标题的依赖关系，增强标题在关键词生成中的指导作用；最后，结合复制机制生成越南语关键词，从而提高关键词的语义相关性. 在构建的越南语新闻关键词数据集上进行实验，结果表明融合多特征的关键词生成模型能在越南语训练样本有限的条件下生成高质量关键词，F1@10、R@50 分数比TG-Net分别提升了13.2%和17.1%.