前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的匹配算法论文主题范文,仅供参考,欢迎阅读并收藏。
关键词:入侵检测;模式匹配;算法。
中图分类号:TP309.08 文献标识码:A 文章编号:1007-9416(2013)06-0135-02
1 引言
在基于主机入侵检测技术中,应用比较多的是误用检测技术,其核心多采用字符串搜索算法模式匹配技术。通过对目前广泛应用的BM算法[1]和AC_ BM算法[2]的分析,提出基于AC_ BM算法的改进的多模式匹配算法NAC_ BM算法。该算法综合了BM算法和AC_ BM算法的优点,改进了BM算法跳跃步长,使得每次匹配获得最大的步长,同时应用AC算法有限状态机模式匹配自动机构造模式树,匹配过程中移动模式树,减少了规则匹配次数,为基于主机的入侵检测模式匹配技术提供了一种优化方法。
2 多模式字符串匹配算法
由于BM算法是一种单模式字符串匹配算法,它每次只能完成对一个模式的匹配工作,效率较低。虽然研究者对BM改进算法很多,但是这些算法都没有改变BM算法的基本思想,因此不能解决效率问题。
为了提高效率,研究者提出了多模式匹配问题[3],多模式匹配问题可以抽象描述为:设是一个模式集合,模式串Pi 中的字母来自于一个固定的字母表。多模式匹配问题是发现P中所有模式在文本T中的所有出现,。
3 AC_BM算法的改进—NAC_BM算法
4 仿真实验分析
为了对各个算法的性能、效率做具体的评测,在同一台计算机上分别对单模式匹配算法和多模式匹配算法进行了仿真测试。
在本测试中采用的搜索文件是来自麻省理工学院林肯实验室提供的“1999DARPA入侵检测测试数据集”[4],长度为10000000Bytes的文本,而匹配的模式串是随机抽取的。
由于对于单模式和多模式而言,各有其不同的特点,比如对于单模式匹配算法,它的时
间开销与模式串的个数成正比,不能用它们解决多模式匹配的性能问题。而对于绝大多数多模式匹配算法都要在执行搜索操作前,对模式串集合进行预处理,构造某种数据结构,以便为搜索过程提供支持;相对于单模式匹配算法对空间需求可以根据模式串的长度而估算出来。本实验对匹配的模式个数对各种匹配算法性能的影响进行了仿真并给出对比分析。
图5中“*”号表示该项未测试。对于模式串为1(即单模式串)时,AC算法、AC_BM算法和NAC_BM算法没有必要测试它们对单模式匹配的性能。当模式个数大于1时,多模式匹配算法扫描对象文本一遍,而单模式匹配算法则要扫描对象文本多遍,即对每一个模式串扫描一遍对象文本。对于模式串个数为1000时,对单模式匹配算法是十分费时,且其耗费时间也可估算出来。
从图5的结果来看,多模式匹配算法比单模式匹配算法的匹配速度快得多。三种多模式匹配算法仍然比其他单模式匹配算法速度快,而且AC_ BM算法和NAC_ BM算法比AC算法快,这两个算法随着模式串数目的增加,所耗费的时间仅有很小的增加,而不是成比例地增长。从表中可以看出,NAC_ BM算法比AC_BM算法在效率上有一定程度的提高。
5 结语
本文提出了一种改进的AC_BM算法:NAC_BM算法。该算法一是在BM算法的基础上,改进了跳跃步长,使得每次匹配获得最大的步长,二是应用AC算法有限状态机模式匹配自动机构造模式树,匹配过程中移动模式树,减少了规则匹配次数。最后通过仿真实验对比得知:NAC_BM算法效率优于BM和AC_BM算法。
参考文献
[1]A Pattern Matching Model for Misuse Intrusion Detection[A]. Sandeep Kumar, Eugene Spafford. In Proceedings of the 17th National Computer Security Conference[C],1995, 11-21.
[2]杨武,方滨兴,云晓春等.入侵检测系统中高效模式匹配算法的研究.计算机工程,2004,30(13).92-94.
【关键词】嵌入式;Linux;指纹识别;MiniGUI
0.引言
计算机的发展使指纹识别技术得到高速发展。目前指纹识别系统的发展以嵌入式系统为主,嵌入式指纹识别系统需要构建可靠的嵌入式平台,而且由于资源有限,对指纹识别算法要求较高。嵌入式指纹识别系统体积小、灵活性高、操作简单,能够很好的满足实际需要。与其它生物识别技术相比,指纹具有较高的稳定性、独特性。指纹绝对可以通过每个指纹的细节特征进行区分。
1.指纹识别系统设计方案
本系统以S3C2410微处理器为核心,扩展了SDRAM、RAM芯片、FLASH芯片、RTL8019AS网卡芯片。S3C2410的通用IO口与液晶显示屏、键盘相连,完成与用户的交互操作,构成了了本系统的硬件开发板。指纹采集模块采用的是Veridicom公司的FPS200指纹传感器模块,并通过USB接口与开发板相连,实现数据指令的传送,从而在开发板上完成指纹的获取、预处理、提取特征值、特征值对比等功能。系统机构框架见图1。
操作系统启动后对FPS200指纹模块进行初始化,然后通过USB将采集到的指纹图像传送到ARM开发板上,应用程序对读入的指纹图像进行处理并,最后进行指纹的匹配。
2.嵌入式linux开发平台搭建与实现
2.1嵌入式系统概述
嵌入式操作系统(Embedded Operating System,简称EOS)负责嵌入式系统的全部资源的分配和调度工作,管理任务和并发操作,为开发人员提供统一的接口和硬件抽象。嵌入式操作系统除具备任务调度、中断处理、文件操作等一般操作系统所具有的最基本功能外,还具有小巧、稳定可靠、可移植性好、可扩展性好、具有强大的网络功能及硬件支持等优点。
2.2嵌入式Linux交叉编译环境的搭建
交叉编译需要一个高性能的宿主机,用来编译应用开发的源程序,然后可以生成目标平台的可执行程序。建立交叉编译环境需要完成两件事:宿主机的选择和交叉编译环境的建立。
2.2.1宿主机的选择
嵌入式Linux开发的宿主机可以选择安装Linux操作系统的主机或是装有Linux虚拟机的主机。本文选择Fedora12作为宿主机的操作系统,Linux宿主机与目标机通过两种方式进行连接:(1)网络方式,通过TFTP和NFS服务;(2)串口方式minicom。
2.2.2交叉编译环境的建立
交叉编译就是在一个平台上编译生成可在另一个平台上执行的程序。平台是指体系结构(Architecture)和操作系统(Operating System)。为了Linux的应用程序的开发,构建一个多体系结构的交叉编译环境是非常必要的。
2.5设备驱动程序移植
在Linux系统下将设备分为三类:字符设备,块设备和网络设备。字符设备驱动程序与访问普通文件一样,需要至少实现open、close、read和write等方法,但是普通文件可以前后移动的访问,字符设备通常只能顺序访问。块设备与字符设备类似,块设备上可以容纳文件系统。但是块设备和字符设备在内核中数据的管理方式不同,内核与驱动程序之间的软件接口也不同。
Linux设备驱动的移植分为两种,一种是内核已经支持的硬件,这些设备驱动移植比较简单,只需在内核配置时加入该设备,并添加相应的初始化代码即可。另一种是内核不支持的硬件,首先要编写相应的驱动程序,然后通过交叉编译生成驱动模块文件,在应用程序使用该驱动时加载驱动模块。与U-Boot的移植一样,Linux内核也需要对K9F1208U0B NAND Flash、RTL8019AS网卡进行驱动的移植,而且内核中还要加入LCD、触摸屏和USB驱动的移植。
2.6根文件系统的设计
嵌入式Linux可以支持的多种文件系统,最常用的是Cramfs、YAFFS、JFFS等。
3.指纹识别算法研究
指纹识别算法是将采集到的指纹与指纹模板进行对比,判断它们是否为同一枚手指。目前的指纹识别过程如图3所示。系统从指纹传感器获得原始指纹图像,首先要对采集的图像进行预处理,将噪声等无用信息去除,并且将有用信息加强。其次对处理后的图像提取特征,获得能够区分指纹的唯一性特征。注册指纹是把得到的指纹加入到指纹库中。最后对指纹匹配,通常为了节省查找时间,会将指纹数据库分类。
3.1指纹图像预处理
指纹模块采集到的指纹图像是灰度图像,这些灰度图像中通常包含有噪声等无用信息,而这些无用信息严重影响到指纹识别系统的准确性,为了提高系统的性能需要对指纹图像进行预处理。指纹图像预处理包括提取指纹图像中指纹的有效区域,去除有效区域中的噪声,加强指纹有效信息,为指纹特征提取和最终的识别提供好的条件。
3.1.1归一化
归一化的算法描述如下:假设指纹图像大小为N×N,G(i,j)为像素点(i,j)的灰度值,N(i,j)为归一化后像素点(i,j)的灰度值,对指纹图像中的像素点依次应用公式(1)实现归一化。归一化处理调整图像灰度值的均值和方差到一个希望的范围内,保证采集到的指纹图像的灰度值能够在同一个级别上,为以后的处理算法提供一个好的条件。
3.1.2分割
指纹模块采集到的指纹图像包括指纹和背景两部分,所以在预处理时需要将背景分割出去,只留下指纹部分。分割操作就是将指纹图像的有效指纹区域保留下来进行后续的预处理操作。
3.1.3基于点方向的二值化
通常在对指纹图像进行二值化之前要先完成滤波去噪,如卷积法、Gabor等,但是这些算法运算量较大,不适宜在嵌入式应用系统中使用,所以本文中采用将滤波和二值化合并的算法,即基于点方向的二值化,能够在较小的运算代价下去除一定的粘连和连接断文等。二值化操作就是将255级灰度图像转化为只显示黑和白两种颜色的指纹图像。
3.1.4去噪
虽然二值化能够消除一些噪声干扰,但是可能会引入新的噪声,而且指纹纹线上可能会存在少数气泡噪声,指纹图像边缘上也会有部分毛刺存在。这些噪声会对后面的指纹特征提取造成影响,所以在完成二值化操作后需要进行一步去噪的操作,删除指纹图像边缘的毛刺和对指纹纹线上的气泡进行填充。
3.1.5细化
经过上面几步的处理,基本得到了指纹纹线,但是纹线的宽度却是不均匀的,原因可能是采集指纹图像时手指压力大小不同或是手指不干净等噪声影响,纹线不均匀会给指纹特征提取带来比较大的误差。对图像进行细化的算法有很多,常用算法有:Hitditcb算法、E.S.Deutsch算法和OPTA算法。
3.2指纹特征提取
在进行指纹特征提取前会利用纹线跟踪算法对指纹图像中纹线进行修复,修复后的指纹图像会提高指纹特征提取的效果和效率,但是如果指纹图像噪声干扰严重时,指纹修复就是一件非常困难的任务,对于不同的指纹图像,指纹修复算法效果差别会很大,从而影响到指纹识别算法。还有一种处理方法是,对细化后的指纹图像直接进行指纹特征提取,当然提取的特征中会包含大量的伪特征,但是这样的提取过程简单,简化了算法的复杂度;然后再根据实际中真实特征点和伪特征点的特点,对提取的特征进行筛选,删除伪特征,最终得到真实有用的特征点集。
3.3指纹特征匹配
指纹匹配是指纹识别系统非常关键的一步,目前已经做了大量的研究,常见的匹配算法有基于点模式的指纹匹配算法,基于纹理结构的匹配算法,基于纹线的匹配算法等。点模式匹配算法因其不高的时间和空间复杂度,非常适合在嵌入式环境下使用。本文就采用基于二维群集的点模式匹配算法进行指纹匹配。
4.结束语
本设计在S3C2410实验箱平台上实现基于Linux操作系统的指纹识别系统的设计与实现,采用先进的FPS200指纹采集模块,设计了良好的图形交互界面。本文对基于嵌入式linux的指纹识别系统进行了深入研究,硬件平台采用基于ARM9架构的S3C2410嵌入式平台。对指纹识别算法进行了深入的研究,选择和改进后的算法更适用于嵌入式平台,算法主要分为三个部分:指纹图像预处理、特征值提取和指纹匹配。 [科]
【参考文献】
[1]颜永龙.嵌入式自动指纹识别系统若干问题的研究[D].重庆:重庆大学硕士学位论文,2008.
[2]陈梁.嵌入式指纹识别系统研究与实现[D].南京:南京航空航天大学硕士学位论文,2007.
【关键词】出租车;移动智能终端;匹配算法
1.系统设计
1.1 系统总体结构
本系统有三个部分组成,分别为乘客客户端,司机客户端和服务器端,其中乘客客户端和司机客户端为移动智能终端的应用。
乘客客户端主要负责收集乘客地理位置及相关信息、向服务器发送数据以及与司机客户端的连接。
司机客户端主要负责收集出租车司机地理位置信息和空车信息、向服务器发送数据以及与乘客客户端的连接。
服务器端主要负责记录和分析两个客户端发送来的数据,通过相关算法计算出最佳配对组合,并将结果传送到相应客户端。
1.2 客户端
1.2.1 移动智能终端
移动智能终端是本系统的软件部分,成熟的移动智能终端应用开发技术为本系统的稳定性提供了一定的保证。
乘客客户端,通过移动智能终端的GPS模块或点击地图上的地点来获取乘客的地理位置信息。乘客点击打车后,通过英特网向服务器发送信息,同时接受服务器反馈的信息,其中包括司机的地理位置(实时更新)、计算出来的等待时间和与司机的通讯等相关信息。
司机客户端,通过移动智能终端的GPS模块来获取司机的实时地理位置信息,客户端得到来自空车牌传感器(具体见下节)的空车信息后,通过英特网向服务器发送信息,同时接受服务器的反馈信息,其中包括打车人的位置,与乘客的通讯等相关信息。同时,为了保证司机的行车安全,利用移动智能终端的语音交互,避免了司机在处理相关信息时,注视智能终端屏幕忽略了交通状况而产生的不安全因素。乘客的信息采用语音播报的方式,告知司机,司机可以选择性地通过屏幕查看更具体的信息。司机在操作上也可以通过语音告知智能终端,智能终端通过相关分析得到指令,进行操作。
1.2.2 空车牌传感器
空车牌传感器是系统的硬件部分,安装在空车牌上,方便司机更好地利用本系统。在不改变出租车空车牌原有结构的前提下在其外部增加一个小型蓝牙无线传感装置,与出租车司机客户端建立联系,借助司机对空车牌的放倒和立起来这两个必要的动作自动完成司机客户端向服务器发出空车或已载客的信息。
1.3 服务器模块
服务器是信息处理和交换的枢纽。它把从移动智能终端接收的地理信息及相关数据存储在数据库中,并通过相关算法计算出最佳匹配,将相关信息分别发送到匹配的乘客客户端和司机客户端进行处理和显示。
2.服务流程
服务流程如图2所示:
3.距离计算
在很多关于出租车管理调度系统中,采用直接利用经纬度信息,进行数学计算,这样固然方便、快捷,但是忽略了实际的交通状况,尤其是在如北京、上海等立交桥林立、交通状况复杂的大城市,仅利用经纬度进行计算距离就会造成一定程度上的偏差,无法达到最优的效果。除此之外,通过GIS软件也可以取得两点之间的距离。这样的方式的优点是获取的距离准确,缺点是会消耗一定的网络资源,需要一定的等待时间。
因此综合以上两点因素,和实际服务器关联匹配算法的设计,本系统根据不同场合,利用两种计算方法得出两个距离。
3.1 经纬度信息计算两点之间距离
利用数学知识结合半正矢理论,可以计算出两点之间的距离。公式如下:
R=地球半径(平均半径=6371公里);
3.2 利用GIS软件获取距离
利用GIS软件的相关接口,即可得到两点之间的实际路程,将这个实际路程作为精确距离。
4.匹配算法
4.1 相关领域的研究背景
对于出租车调度问题相关算法的研究,大都是从数学理论出发,研究限制图上局内出租车的调度方案,而对于实际应用中复杂的交通状况和众多不可预测因素,这类研究仅具有指示意义。因此本文参考了上述研究的成果,提出一种基于实际交通状况的,在现有技术和数据下可行的、相对快速的算法。
4.2 算法设计
本算法首先假设打车的请求足够多,即在较短的时间内,可看作一个静态的最佳匹配问题。
将所有已知空车的地理位置集合记为,将所有已知需要打车乘客的地理位置集合记为。将上文中利用经纬度信息计算两点之间的距离,即粗略距离,记为,利用GIS软件接口计算的距离,即精确距离记为。将乘客的等待时间记为。将乘客对于空车的匹配权记为。
为需要通过实际检验而确定的参数。
(1)乘客在地点发出打车请求。
(2)以为中心,建立边长为的正方形区域。
(3)若在集合中,存在多个,满足,且未曾与关联过,转入第(4)步;若在集合中,存在唯一,满足,且未曾与关联过,关联、,转入第(7)步;若不满足上面两个条件,则增加的边长,使得,若,则告知乘客目前没有适合车辆,否则,返回第(2)步。
(4)对于每个,计算,比较各个,得到,则为距离最近的空车。关联、。转入第(5)步。。
(5)对于已得到的,若存在除以外的关联,转入第(6)步;若不存在除以外的关联,等待时间后(为随着精确距离的增大而增大的函数),若仍无除以外的关联,则在集合、中,删除、,匹配、,匹配成功,算法结束;若在时间内建立了其他关联,则转入第(6)步。
(6)比较各关联的的权重,得:
,则为最佳乘客,其他乘客在除去返回第(3)步。
(7)在集合、中,删除、,匹配、,匹配成功,算法结束。
4.3 算法说明
在许多关于出租车智能公共服务系统的论文中,对于匹配算法部分,只提出通过经纬度信息计算最短距离的出租车,从而得到匹配。而本文引入等待时间以及匹配权是为了形成一个总体的最佳匹配,从而节约了出租车的总体空跑时间,同时也使得乘客的等待时间不会过长。
当然,本文提出的算法,是在打车的请求足够多的情况下,才能显示其优越性,而若打车请求较稀少,且请求地域较分散,则该算法则会降低整体的效率。所以,整个系统采用何种算法进行匹配,还需要得到实际的检验才能得到最后的结论。
同时,在本文提出的算法中的参数,也是需要通过实际检验,从而得出最优的结果。
4.4 算法用例
下面的例子,简单地说明了利用本算法进行匹配的效果。
①在北京邮电大学西门,有一位乘客发出了打车的请求,如图3中A点所示,称该乘客为乘客A,其他两个出租车图标表示该位置存在空车。(如图3所示)
②以A点为中心建立边长为a的正方形区域,此处a=1000M,发现没有空车处于该正方形区域内,因此扩大正方形区域的边长。(如图4所示)
③扩大正方形边长得到新的边长a,此处a=2000m,发现存在两辆空车都在正方形区域内。调用GIS软件的相关接口,得右侧出租车距离A的路程短,关联右侧出租车和A。(如图5所示)
④在A的乘客等待t时间中,右侧出租车出现另一关联乘客B,经比较得乘客A、B的权重得,B的权重较大,则取消A和右侧出租车的关联,乘客B进入乘客等待时间。(如图6所示)
⑤乘客A重新回到第③步,此时只存在右侧一个合适的出租车,匹配A与右侧出租车。算法结束。
5.结束语
本系统在现有的技术框架下,可以很好地解决乘客不易打车,出租车空跑时间长的问题,更好地分配出租车资源,提高整个出租车服务系统的效率,也一定程度地缓解了城市交通的压力。用移动智能终端作为整个系统的基础,符合当下的流行趋势,即集成化。同时,利用空车牌传感器感知空车牌倒立,在此处还可以添加人文关怀类的功能如,测量车内湿度、车内温度等,并通过移动智能终端提醒司机。该系统不仅为乘客出行提供方便,减少了出租车空跑的时间,也为城市交通的顺畅出了一份力量。
参考文献
[1]Karimi Hassan A,Tom Lockhart J.GPS-based tracking systems for taxi cab fleet operations[C].IEEE.VehicleNavigation&InformationSystemConference,Ottawa,1993:679-682.
[2]徐寅峰,王刊良,丁建华.限制图上的局内出租车调度与竞争算法[J].系统工程学报,1999,14(4):361-365.
【关键词】车载导航系统;全球定位系统;地图匹配
Introduction to map matching technology in the application of vehicle navigation system
Chen Chong
(Nonferrous geological survey in liaoning province101 teamLiaoningFushun113015)
【Abstract】Briefly expounds the composition of vehicle navigation system, the basic principle of map matching technology,as a software error correction technolog has the characteristics of the real-time correction,with the global positioning system (GPS)、geographic information system and computer for the mobile vehicle to provide comprehensive services,map matching technology as an auxiliary means of improving the precision of vehicle navigation system is particularly important and meaningful。
【Key words】Vehicle navigation system;Global positioning system (GPS);Map matching
1. 引言
(1)随着国民经济的快速发展和人民生活水平的显著提升,汽车几乎成为人们在日常工作生活当中不可缺少的交通工具。由于机动车数量的迅猛增长,使得交通流量与现有道路基础设施之间的矛盾日益突出,拥堵现象日益严重。如何有效地进行交通管理和疏导,减少拥堵与事故的发生,合理控制交通流量分布,提高道路利用率己成为我国主要城市面临的严峻问题,必须给予充分的重视。因此,车载导航定位系统越来越受到人们的关注。
(2)在车载导航系统的应用方面,美、欧、日等国家走在前列,其导航技术的现状代表了本领域研究和应用的方向。相对而言,我国对车载导航系统的研究处于刚刚起步的阶段,但是,采用进行车辆导航的定位系统在最近几年己经有了很大的发展。目前,在我国政府及有关部门的重视下,有些企业和公司己经开发、研制出了一些车辆导航和监控系统,并投入了使用。但是,所有这些系统都不是很完善,有待进一步的研究和改进。随着汽车持有量的不断增加,各种技术的不断成熟,以及用户更高的服务要求,车载定位导航系统有了较大发展,应用前景广阔。
2. 车载导航系统的作用
车载导航系统是将全球定位系统、地理信息系统和计算机技术结合在一起的智能交通系统。车辆通过车载导航设备接收GPS数据,在电子地图上显示汽车行驶的位置、目的地的方向和距离等信息,并在公路网范围内定向选择最佳行驶路线,为移动的车辆提供全面的服务,从而达到减少道路阻塞,提高交通安全的目的。
2.1车载导航系统的组成。
(1)现在的车载导航系统按照功能划分为多个模块,即:电子地图数据库模块、地理信息引擎模块、定位模块、地图匹配模块、路径规划模块、路径引导模块、人机交互界面模块和无线通信模块。如图1所示。
(2)在上述模块中,定位系统的准确性是非常关键的,只有准确地知道车辆位置,才能在地图上正确地显示车辆位置,并向司机提供准确的行驶指令。因此,如何向用户提供实时、准确的车辆位置就成了车载导航系统的重点和难点。然而,无论是哪种定位技术都有其无法克服的局限性,得到的实时定位数据依然存在一定的误差,往往使得车辆的定位信息与电子地图中的道路信息不一致,车辆位置偏离了当前所行驶的道路,这些都难以满足用户对车辆导航系统的要求。
2.2地图匹配技术的意义。
为了解决这个问题,可以采取提高GPS定位精度以及电子地图精度的方法,但是这种方法成本较高,也不可能完全消除定位点与电子地图之间的这种显示误差。地图匹配这一基于软件的定位修正方法,在接收到车辆当前时刻有关的信息后,从电子地图数据库中获取相关信息,然后通过匹配算法得到车辆位置的偏差信息,并对其进行实时修正,从而准确显示车辆的位置。它一方面减少了系统在硬件上的投入,节省资源和成本,另一方面又避免了其它定位技术无法克服的局限性。
2.3地图匹配技术的原理。
(1)地图匹配技术是一种利用数字地图信息融合传感器定位数据以产生最佳位置估计的技术。简单地说,就是把车辆的行驶轨迹和电子地图数据库中的道路网进行比较,在地图上找出与行使轨迹最相近的路线,并将实际定位数据映射到直观的数字地图上。
(2)电子地图以地图数据库为基础,通过一定得软件和硬件在电子屏幕上显示可视地图。有了电子地图,车辆的位置可以显示在电子地图上,同时电子地图数据库中的精确地理信息还可以对GPS定位结果进行必要的修正,辅助GPS进行准确定位,使车辆的位置能够准确地显示在电子地图上。
(3)作为一种软件纠错技术,地图匹配最终输出的结果包括车辆的当前位置、运行方向、行驶速度和经过的路段等信息。
恰恰避免了其它定位技术无法克服的局限性。它将车载GPS接收机测量到的当前车辆的有关位置信息,与电子地图数据库中获取的相关信息联系起来,然后通过匹配算法得到车辆的位置偏差信息,并利用结果对GPS定位数据进行实时修正,从而准确显示车辆在道路网中的位置。在某中程度上,地图匹配算法的效果直接关系到车辆定位的精度,地图匹配技术是决定导航产品最终性能的关键技术。
(4)地图匹配技术协调定位信息和电子地图的道路信息之间的显示误差,把定位点依照某种规则强制与实际道路进行配准,从而保证车辆总在行驶的道路上。因此,地图匹配在车辆导航系统中起着重要的作用,使得定位系统更加可靠和准确。
3. 结语
地图匹配技术借助电子地图数据库中的高精度道路信息作为分类模板,进行模式识别,根据结果来修正GPS接收数据的定位数据。通过进行地图匹配,能够较为连续和准确地得到车辆的位置信息,大大改善了车辆导航系统的定位精度。这样不仅减少了导航系统在硬件上的投入,而且提高了车辆匹配到路段上的正确率。同时,提高地图匹配定位精度也可以提高交通设施和道路的利用率,减少阻塞,增加交通的机动性,降低交通工具对环境的污染,改善道路安全,减少交通事故的发生。因此,地图匹配作为提高车辆导航系统精度的辅助手段就显得更为重要和有意义了。
参考文献
[1]张其善、吴今培、杨东凯著。智能车辆定位导航系统及应用。[M]科学出版社,2002.
关键词:语音识别 端点检测 特征参数 DTW算法
中图分类号:TN912 文献标识码:A 文章编号:1007-9416(2011)12-0184-02
1、语音识别系统概述
语音信号是一种典型的非平稳信号,并且在录音过程中不免受到电噪音,呼吸产生的气流噪音以及录音环境下的突发噪音的影响,所以语音信号要经过预滤波、采样量化、分帧、加窗、预加重、端点检测等预处理过程后才可以进行下一步的特征征参数提取等工作。在接下来的语音训练阶段,我们将那些信号状态良好,携带噪声小且特征参数稳定的语音信号作为指定词条的模板,进而为每个词条创建一个模板并保存为模板库。在识别阶段,语音信号经过相同的通道生成测试模板,用相同的方法计算测试模板的特征参数后,将其与模板库模板的特征参数进行匹配,配分数最高的参考模板作为识别结果。
2、语音信号的录入
语音信号的采集方法有很多,鉴于该系统是在MATLAB上实现,且MATLAB本身提供了一定的音频处理函数,因此我们完全可以采用在MATLAB中先完成录音函数的编写,然后再结合windows自带的录音设备进行录音。录音得到的wav文件即是经过预滤波采样和量化的语音。利用soundview读所录入的文件时,会弹出一个GUI界面,并可以通过输出设备对所录语音进行回访,该GUI界面如图1所示。单击Play Again按钮可可回放,单击Done按钮可关闭界面。
3、语音信号的预加重
我们知道,对语音识别更有用的是语音的高频部分,而对于语音信号的频谱,通常是频率越高幅值越低。因此我们必须对语音的高频进行加重处理。处理方法是将语音信号通过一个一阶高通滤波器,即预加重滤波器,它不仅能滤除低频提升高频,还能很好的抑制50Hz到60Hz的工频干扰。尤其在短点检测之前进行预加重还可起到消除直流漂移、抑制随机噪声和提升清音部分能量的效果。预加重在Matlab中可由语句x=filter([1-0.9375],1,x)实现。
4、语音信号的分帧和加窗
经过数字化的语音信号实际上是一个时变信号,为了能用传统的方法对语音信号进行分析,应假设语音信号在10ms-30ms内是短时平稳的。为了得到短时的语音信号,要对语音信号进行加窗操作。窗函数平滑地在语音信号上滑动,将语音信号进行分帧,帧与帧的交叠为帧移,一般为窗长的一半。
语音信号的分帧采用enframe函数,其语法为f=enframe(x,len,inc);其中X为输入的语音信号,len为制定的帧长,inc为指定帧移。函数将返回一个n×len的一个矩阵,每行都是一帧数据。在本系统中帧长取240,帧移取80。在Matlab中要实现加窗即将分帧后的语音信号乘上窗函数,本文加汉明窗,即为x=x.*hamming(N)。
5、端点检测
在语音识别系统中,训练阶段和建模阶段都比较重要的环节都是要先通过端点检测找到语音的起点和终点,这样,我们就可以只对有效语音进行处理,这对于识别的准确率和识别效率至关重要。本论文在短点检测环节采用双门限端点检测法,即采用短时能量检测和短时过零率检测双重指标约束。结合实际,我们将整个语音端点检测分为四个段落,即:无声段、等待段、语音段、结束段,再为短时能量和短时过零率各设置一个高门限和一个低门限:EHigh、ELow和ZHigh、ZLow。结合MATLAB中所编程序,可以较准确的确定语音的各个部分。图2所示为语音“1”的处理结果。
6、特征参数的提取
经过预处理的语音数据就可以进行特征参数提取,特征参数的好坏将直接影响系统的性能和效率。本文将梅尔倒谱系数(MFCC)和一阶MFCC系数的差分结合起来,将其合并为一个矢量作为一帧语音信号的参数,这样,不仅描述了语音的静态特性,由于加入了差分倒谱参数,语音的动态特性得到了更好的体现。梅尔倒谱参数的计算流程为:先将预处理过的语音信号进行快速傅立叶变换,将时域信号变换成为信号的功率谱。 再用一组Mel频标上线性分布的三角窗滤波器(本文采用24个三角窗滤波器)对信号的功率谱滤波,每一个三角窗滤波器覆盖的范围都近似于人耳的一个临界带宽,以此来模拟人耳的掩蔽效应。然后对三角窗滤波器组的输出求取对数,可以得到近似于同态变换的结果。最后去除各维信号之间的相关性,将信号映射到低维空间。 梅尔倒谱系数的计算差分参数的计算采用下面的公式:
7、模式匹配
本语音识别系统的模式匹配算法采用动态时间弯折(Dynamic Time Warping,DTW)算法,该算法基于动态规划的思想,解决了发音长短不一的模板匹配问题。DTW是语音识别中出现较早,较为经典的一种算法。与HMM算法相比而言,DTW算法具有计算量小,识别效率高的特点。模式匹配的过程其实就是根据一定的规则,计算输入矢量特征与库存模式之间的相似度,判断出输入语音的语意信息。本文中,失真测度采用下式所示的欧式距离:
其中,l=1,2,…M;i=1,2,…I;k=1,2,…K.是待测矢量之间的距离,是第i个码本的第l个码字矢量的第k个分量。I为说话者的数量,M为码本的大小,K为参数矢量的总维数。由上式得出该语音相对于该命令词的最短距离,然后取最短距离最小的命令词作为该段语音的首先识别结果。结合MATLAB程序,得到数字1-10的匹配距离矩阵:
图3即为针对数字1-10的待测模板和模板库模板匹配距离的现实,由该距离矩阵,我们可以很清楚的看到,左上角到右下角的对角线上的距离匹配值在该值所在的行和列都是最小的。即距离最短的命令词为识别结果。
8、结语
该论文阐述了基于DTW的语音识别系统在MATLAB上实现的基本过程,在实验室录音情况下,该识别系统的识别率可以达到百分之九十以上,效果良好。
参考文献
[1]赵力.语音信号处理[M].北京:机械工业出版社,2003.
[2]何强,何英. MATLAB扩展编程[M].清华大学出版社,2002-06.
[3]李景川,董慧颖.一种改进的基于短时能量的端点检测算法[J].沈阳理工大学学报,2008.
[4]沈宏余,李英.语音端点检测方法的研究[J].科学技术与工程,2008,(08).
[5]吴晓平,崔光照,路康.基于DTW算法的语音识别系统实现[J].电子工程师,2004,(07).
关键词: IP地址搜索;高效路由;多处理器结构
中图分类号:TP393文献标识码:A文章编号:1009-3044(2007)03-10709-03
1 引言
网络的普遍使用,使得网络流量剧增。同时多媒体网络应用程序和设备的使用又对网络流速提出了更高的要求。高速链路和高速路由器则是因特网速度提高的关键。
作为网络的灵魂,路由器将数据包从输入接口传递到输出接口,数据包的目的地址称为IP地址。一个选路表包含许多(N,R)序偶,其中N是目的网络的IP地址,R是到网络N的路径上的“下一跳”路由器的IP地址[1]。路由查找是对每个到达的IP报文根据其目的IP地址确定其应转发的输出端口号和下一跳地址。变长地址前缀的采用提高了IP地址的利用率,但在路由查找时就有可能找到多个匹配的表项,因此需要进行最长前缀匹配。
路由器一收到数据包,就将选路表中的下一跳地址与数据包中的目标地址相比较,取前缀匹配最长的那个,然后将数据包转发给前缀最长匹配输出端它的输出端口。在数据包转发过程中,IPV6地址的增加使得最长匹配前缀问题日益成为转发的瓶颈。可以想象,当选路表包含几百万IP地址时,不可能存储所有已存在的IP地址,因此IP地址搜索问题是一个复杂的选路表查询问题。提高数据包转发速度的方法之一是同时对目标地址提供多重搜索,这可通过使用多个处理器并行搜索得到。本文描述提出一个新的对128位IPV6地址使用SROW(Simultaneous Read and Only Write)的多处理器搜索技术。每一个处理器存储n/N个前缀,提出了一并使用(N+1-ary)搜索技术的高效算法。
2 已存在的一些IP查找算法
搜索操作需要找到一个逐字匹配的前缀。使用基于hash表或二叉树搜索的传统算法只可进行精确匹配的搜索。在无类域间路由(Classless Inter-Domain Routing,CIDR)[2]技术中,地址前缀长度可为不超过IPV4地址宽度的任意长度。变长地址前缀的使用使得IP地址的层次性分配成为可能。
2.1基于Trie的层次方法
这种方法最先在BSD内核中实现,最坏的情况下,该算法需要O(W)次查找,其中W为地址长度,所以,对于IPV4来说完成一次查询最多访问存储器32次,对于IPV6最多需要是128次查询存储访问。效率不够高。
2.2分布式存储结构
在选路表中,这种方式依赖前缀中的特定位以平均几组的形式进行存储[2]。例如,选路表中的位63,64,65,66(称ID位)用来将前缀分成16种类。不同类以不同的存储模式存储,因此,可最多让16类IPV6地址同时进行查询。通过4位ID组将IP地址进行分类,对每类IP地址进行的最长匹配前缀的搜索是从包含同类地址的存储模式中开始的。
3 对(N+1-ary)算法的改进
3.1多处理器结构
本文提出一个基于多处理器的路由器结构。将所有前缀集划分成平均长度的子序列,每个子序列对应一个处理器。这样,将目的IP地址广播至N个处理器,同一子序列中的每一个处理器同时搜索前缀。由于它是并行进行的,所以它减少了查询时间。
图1 基于多处理器的路由器的结构
3.2前缀的排序
在下列算法中,以并行的方式对处理器前缀进行排序。设S=,表示未排序的输入序列,其中Si为元素的位置,由比它小的数决定ri。当算法中止时,ri将包括输入序列中比Si小的元素的数目,把Si放在第(ri+1)的位置上,这样就生成了一个以升序排序的序列。
排序算法的伪代码为:
for i=1 to n do //可同时进行
for j=1 to n do
if (Sij )
then ri=ri+1
end if
end for
把Si放在第(ri+1)的位置上
end for
该算法的时间复杂度为O(n)。
3.3前缀的发送
已排好序的前缀以n/N的大小分成子序列,每个子序列发送给一个处理器。这样,每个处理器在子序列中比较其输入地址。(Pi代表第i个处理器)
发送前缀的伪代码为:
for 每一个处理器 do
send ( 子序列i, Pi )
end for
for 每一个处理器 do
send (目的地址, Pi)
end for
例如,假定有30(n=30)个前缀和6(N=6)个处理器,这30个前缀被分列成长度为5(n/N)的子序列,即每个处理器包含一个有5个前缀的子序列。
发送数据包的IP地址给所有的处理器,使用有共享存储器的PRAM模式, 那么,所有的处理器就会在一固定的时间内同时读取目标地址。因此地址可被N个处理器同时读取而仅写一次(SROW)。广播的过程仅需O(1)的时间。
3.4前缀的查询
借助于(N+1-ary)搜索的思想,每一步序列以相同的长度分成(N+1)个子序列。N个处理器在序列的两端同时搜索,Si表示在子序列两端的元素。处理器Pi将x与Si相比(x为要查询的IP地址)。
(1)如果Si>x,那么,若x在序列中,它必须在Si的前面,因此Si和所有它右边的元素不予考虑。
(2)如果Si
每一个子序列的长度以(N+1)的因素在减少,所以需要logN+1(n+1)个子序列。因此,最坏情况下算法的复杂度为O(logN+1(n+1))。当N=1时,算法运行的时间是固定的。
由上可得到匹配算法的伪代码:
4 最优使用前缀扩展
控制前缀扩展将前缀集转换成前缀长度较少的相等的前缀集。在[3]中0或1填充前缀以增加前缀的长度,如果要增加的字符串已经在数据库中,就不增加,字符串仍在原来的位置。例如,如果扩前缀到足够长,那整个前缀搜索问题可转换为一般的队列搜索。对临界点的搜索将更容易,但这种解决方法是不理想的,对IPV6,队列将需要2128的空间。要使所需的总的存储空间最小,且减少查询时间,就需限制IP地址前缀长度,而这可用控制前缀扩展来将前缀集由任意长度减至预定的长度。
5多处理器结构的实现
假设有N个处理器,每个处理器的主频为700MHz。每一处理器存在一个通用的L1缓存,所有的处理器都同时共享它,客户端同时收到服务器创建的共用的套接字,套接字将所有的处理器都连接起来;客户机使用它的端口号和主机名绑定到服务器上,服务器将收到的数据包转发给客户机,服务器和客户机使用TCP套接字相互通信。随着处理器数目的增加,前缀比较的时间明显减少。
6 性能分析
6.1队列系统分析
关键词:合成孔径雷达;图像匹配;智能导航
中图分类号:TP391.41 文献标识码:A 文章编号:1007-9599 (2012) 20-0000-02
合成孔径雷达(SAR)与惯导(INS)结合的图像匹配智能导航系统在航空科学和军事中都有广泛的应用,特别是在精确打击武器的末段制导方面,是其必须解决的一个基本问题,其匹配性能直接决定了攻击的准确性。目前,由于图像边缘特征的相对稳定性,基于边缘特征的匹配方法成为研究热点,但大多数匹配方法不能处理图像的仿射变形,没有考虑特征之间的空间结构信息,难以满足构像方程解算对多个对应点在空间上要尽量均匀分布的要求。本项目旨在利用图像边缘的B样条模型,在仿射形状空间中进行匹配,并且将结构信息融入其中,提高匹配性能。
1 SAR图像无抽样小波域贝叶斯软阈值噪声抑制
合成孔径雷达的成像原理决定了图像中必然存在相干斑噪声,为了正确地对图像进行边缘提取,必须在有效去除噪声的同时,尽可能保留边缘信息。SAR图像上的斑点为乘性形式,当服从Gamma分布的乘性噪声模型取对数后为加性噪声,噪声分布近似为高斯分布。我们首先进行SAR图像的对数变换,并对对数SAR图像的均值进行归一化,使其满足均值为零的高斯分布。由于图像的斑点噪声主要集中在图像的高频部分,我们考虑在多尺度小波域抑制噪声。对于加性噪声模型,小波变换后的输入图像的小波系数为真实图像的小波系数与噪声的小波系数之和。在Mallat算法中,每次滤波后都要经过亚采样,对应于图像边缘或不连续点的小波系数可能被抽样掉。为克服这种缺陷,我们采用atrous算法的无抽样小波变换,这种算法在每一次滤波后不进行抽样,是通过有限滤波器的内插近似,从而达到无抽样离散小波变换,其图像大小与原始图像尺寸相同。根据小波系数的广义高斯分布模型,利用贝叶斯框架得到自适应阈值。去噪过程如下:估计SAR图像的二次中心矩;对含噪的实时SAR图像作非抽样小波变换,分解成几层,得到相应的小波系数;通过二次中心矩求出各层小波系数的局部噪声方差;然后调整各层窗口大小,估计小波系数的噪声方差;在子带非抽样小波系数上估计含噪信号的方差;进一步求解出子带上的反射率方差,利用贝叶斯软阈值,估计反射率相应子带的小波系数;对滤波后反射率的小波系数估计值进行非抽样反变换重构图像。
2 边缘特征在仿射变形空间的B样条建模
在SAR图像去噪后,我们用形态学处理获取目标成像区域,并根据区域内部点与外部点的区别提取目标边缘轮廓。目标成像区域体现了目标散射中心的分布,而目标自身结构决定其散射中心分布可能并不集中,导致目标边缘轮廓可能由多个部分组成。我们用边缘跟踪获得边缘序列点,并以此为控制点建模该边缘的二次B样条曲线,所有边缘序列点坐标构成一个控制点向量
其中, , , 是所有控制点 坐标组成的列向量, 是所有控制点 坐标组成的列向量。
为提高基于边缘特征匹配方法的性能,要考虑目标可能存在的多个边缘轮廓及相互的局部空间结构,分别用二次B样条曲线拟合每一边缘轮廓,这样目标每个边缘都对应一个控制点向量。在 时刻,目标成像区域的某个边缘可以用B样条曲线表达:
其中, 为B样条基函数。
为了处理SAR图像可能存在仿射变形情况,我们将控制点向量 线性映射为形状空间中的形状向量 :
式中, 是 维的形状矩阵, 是参考图像边缘对应的控制点向量。形状空间的维数 一般要远小于控制点向量空间的维数 ,这样,形状空间可以使边缘轮廓匹配的性能更稳定,而且使匹配算法的计算量减小。我们采用的形状空间是平面仿射形状空间,这时,
其中, 和 都是 向量, 和 分别是 的坐标分量,例如:可用 代表参考图像边缘旋转了 角度,它描述平面或可以合理地近似成平面的目标进行三维运动在图像平面内的投影形成的变换群,该平面仿射变换可以理解为作用于参考图像边缘的一类线性变换。形状矩阵 的前两列表示目标的水平位移和垂直位移,后四列表示运动目标的旋转,尺度变化和剪切变形。通过B样条建模,既可以考虑边缘上每个控制点与参考图像边缘控制点的局部对应关系,又可以考虑边缘之间的结构信息。
3 基于粒子滤波的仿射变形边缘匹配
粒子滤波又称蒙特卡罗仿真,是一种以贝叶斯推理为核心的滤波技术。它用一组加权的随机采样来近似表示所求的后验概率密度函数。基于粒子滤波的边缘匹配的思路是将匹配问题转换为贝叶斯估计问题,已知目标边缘状态的先验概率,在获得新的SAR图像边缘观测数据后不断求解目标边缘状态的最大后验概率的过程。匹配过程如下:
3.1 时刻,在仿射形状空间中产生初始粒子集,其中每个粒子状态为形状向量,用六个仿射变形参数表达,六个参数的初始化服从均匀分布。
3.2 得到 时刻SAR图像中的边缘。
3.3 计算粒子集中各个粒子的权值:
(1)用公式 计算每个粒子状态所对应的控制向量,进而得到每个控制点。(2)通过边缘跟踪获得序列点作为曲线参数向量,在每个控制点计算B样条基函数,并获得每个控制点的坐标。(3)通过在每个控制点的坐标计算B样条基函数的一阶偏导数获得该控制点处曲线的切向量,进而得到该点处曲线的法向量。(4)归一化法向量。(5)沿着每个点的曲线法向搜索得到观测。(6)根据观测似然公式计算每个粒子的权值。
3.4 归一化粒子集中所有粒子的权值,并计算每个粒子的累积权值。
3.5 把权值最大的粒子状态输出,得到六个仿射变形参数。
3.6 在 时刻,根据累积权值从初始粒子集中重采样获得新的粒子集。
3.7 从 以后,执行匹配滤波过程,用系统状态方程对每个粒子状态进行预测,通过观测似然计算每个粒子的权值。
4 结束语
实验结果表明,本项目利用图像边缘的B样条模型,在仿射形状空间中进行匹配,并且将结构信息融入其中,有效地提高了匹配性能。另外,在匹配过程中,同时提供两幅图像之间相对平移与旋转的相似变换参数,这势必为后续的处理提供便利。该项目成果有望直接应用到SAR与INS结合的图像匹配智能导航系统中,也可以应用到SAR图像解译中,应用前景十分明朗。
参考文献:
[1]王其聪.复杂观测条件下的基于粒子滤波的视觉跟踪[D].浙江大学博士论文,2007,10.
[2]李军侠.小波域局部贝叶斯阈值的SAR图像斑点抑制算法[J].系统工程与电子技术,2006,6.
[3]徐牧.基于目标轮廓特征的SAR图像目标识别[J].系统工程与电子技术,2006,12.
[4]田金文.基于图像分割的SAR图像匹配方法[J].华中科技大学学报(自然科学版),2006,10.
一、研究目标
(1)为各学校提供一套机制合理、符合学生需求、具备学术跟踪研究价值的基于体能测试结果分析的体育选课指导系统。
(2)根据不同的体育项目特征建立体能测试指标体系,将运动项目与体能测试结合,推进我国体能测试数据的合理分析利用和研究,同时加快各校的体育教改步伐。
(3)本系统具备长期跟踪研究的价值,通过体育项目与体能测试的匹配结果的长期跟踪,可以不断调整匹配算法的精度,从而使得体育项目的指标体系模型更加合理、准确,为后续研究者提供宝贵的资料;对学生偏爱的体育项目以及学生的成绩可以跟踪研究,为我国学生体质健康状况的预测提供依据。
(4)具备数理统计功能以及反馈评价、调节功能。
二、研究内容
对设计和开发基于体能测试结果分析的选课系统的相关模型研究、设计思想、实现技术的描述主要通过5个部分进行描述。
(1)介绍了课题的背景和研发的必要性及重要性,简单介绍了将要研究的内容、课题要实现的目标、选课制的教育思想来源、网络选课系统的现状分析以及本研究采用的技术路线。
目前学生的自主选课方式存在很大的盲目性,一方面学生不知道自己的体质状况,另一方面学生没有正确认识各个课程教学大纲的主旨。同时学生每年参加体能测试,这些能全面反映学生体质状况的数据却没有得到合理利用。这使得教学大纲、学生的体质素质、教学管理三者之间的矛盾不断凸显。
(2)首先通过介绍学生体质测试指标体系模型的构成以及数据来源的处理,建立学生体质指标体系的主要指标;然后介绍了运动项目的指标体系,运动项目指标体系是通过体能测试的大类指标体系来划分的(见表1),同时关联学生的运动项目成绩作为另外一个调节指标建立的指标体系;最后介绍二者之间匹配体系的建立机制,它主要是对学生体质指标的每个子项与运动项目子项匹配、学生体质测试指标整体与运动项目整体匹配,并比较各个匹配结果,找到匹配中最大可能性的结果。建立了上述指标体系后需要将其应用到体育教学实践中,才能检验建立指标体系的价值以及指标体系的合理性。
(3)介绍了基于学生体质测试的体育选课指导系统的实际需求。通过系统要实现的总体目标、系统功能需求、系统性能需求等几个方面,阐述符合多生源、专业特色明显、体育选课落后特点的体育选课系统的实际需求。
(4)介绍了基于学生体质测试的体育选课指导系统的具体设计与实现。包括系统设计的原则、系统总体设计、系统功能设计、数据库的设计。
学生登录选课系统后进入选课子系统(如图1所示),此子系统提供的功能包括选课系统、成绩查询、教学质量测评、选课历史分析、信息维护、新闻公告等几个模块。
点击选课系统后进入选课界面(如图2所示),学生可以根据运动类别选择课程,此处运动类别是根据运动项目指标体系建立的,主要考虑到学生可以针对体能测试结果有针对性地选择运动项目类别,以提高体质中较差的部分,同时也可以通过智能提示功能匹配出最符合学生体质素质的运动项目,让学生在不断发挥自身优势的同时提高体质。
学生可以点击课程匹配则仅匹配当前的课程,如果点击智能匹配则会匹配运动项目指标体系中的所有运动项目,并推荐出三种最佳的选课方案。考虑体育课一学期只能学一门,此处一次选课只能选择一门课。例如学生选择编号为22的篮球课程时,可以点击课程匹配功能,则系统会通过单项匹配与综合指标匹配,并将匹配结果通过曲线图的方式展示给学生,同时显示当前课程与最佳课程之间的匹配相似度,其界面如图3所示。
(5)介绍基于学生体质测试的体育选课指导系统的具体实现。包括体质测试成绩与运动项目匹配实现、选课系统整体实现、应用部署实现等。其中主要介绍了通过体质测试指标体系与运动项目体系关联分析的模式匹配方式,以及选课系统的热区计算算法、匹配距离算法。
四、结论与建议
本研究利用体能测试结果指导学生选课与教师教学,并且通过数字化方式予以实现,这将为后续研究者提供很好的参考价值。然而由于笔者主要从事体育教育行业,接触软件工程行业时间短,因此本文重在通过体育专业知识建立指标体系,然后通过计算机实现研究理论,以下方面是以后值得研究的方向:
(1)系统建立体质测试分析工具,可以根据地区、年段等统计学生的体质测试走向,并能通过学生历史体质测试曲线,预测未来的体质测试曲线。
(2)建立该系统并应用到体育选课中后,系统能够通过长期跟踪研究使得运动项目标准曲线更加精确,同时能够做到长期预测匹配。系统目前只能匹配出当年的选课计划,未来可以考虑实现通过学生的体质测试提出选课计划或者运动计划,例如学生在选篮球课时,如果学生的耐力与速度不够,提示学生首先选择提升耐力的运动项目,然后选择提升速度的运动项目,最后才选择篮球。通过这样的长期规划指导学生选课,可能会使指导更加精确。
参考文献
[1] 孙伟伟,龚喜娟. 2005年我国青年男子篮球运动员冬训体能测试成绩分析[J].山西师大体育学院学报:研究生论文专刊,2006(S1):108-109.
[2] 孙庆伟,陈欧,马宏敏.当前我国高校体育教学面临的新问题及其发展对策[J].实践与探索,2010(2):259-260.
[3] 李侠功,王海飞.对我国高校体育教学现状的思考[J].内江科技,2010(1):66.
[4] 曲科宇.高校体育教学对学生心理健康的关注[J].民营科技,2010(1):61.
关键词:凌阳单片机,电视机,语音识别,声控选台
1 、引言
随着科技的发展和社会文化事业的进步,电视机可供观众选择的频道数目日益增多。但是传统的电视遥控方法需要观众记忆每个电视台对应的频道序号,否则就无法快捷地将频道切换到所需位置。这显然给用户带来了很大的不方便。本文利用凌阳科技有限公司专门为语音处理而设计研制出的16位单片机SPCE061A设计了一个彩电智能声控选台系统。该系统无需对电视机做任何改动。在保留原有遥控功能的基础上,实现语音控制选台,较好地解决了记忆频道这个难题。
2 、系统总体方案设计
系统总体方案如图1所示。
图1 系统总体方案
3、各功能模块设计
3.1 语音命令提取单元
语音命令提取单元(如图2所示)在电视话音和其它噪音背景下,完成提取出操作者语音命令功能,其示意图如图3所示。
图2 语音命令提取单元
MIC选用驻极体送话器, 它具有结构简单、重量、体积小、频率响应宽、保真度好等优点,但灵敏度低, 必须再加放大器才行。由于输出阻抗可高达 10
数量级,所以必须进行阻抗变换后才能与放大配合使用。放大器采用差分放大电路,一个驻极体话器面对送话者, 其输出接放大器正向输入端;另个驻极体送话器背对送话者,其输出接放大器负向入端。由于两个送话器相对于电视机和其它噪声源位置基本一样远,可以近似认为通过二者输入的干是一样的。但考虑到送话器具有方向性,前者送入的操作者语音命令远远大于后者,适当选择各电阻值可以抵消掉各种干扰。论文参考网。
3.2 语音命令识别单元
语音命令识别单元采用凌阳公司的SPCE061A单片机,这是一种语音识别系统级芯片,实际上是一个DSP+MCU,并将A/D、D/A、RAM、ROM以及预放、功放等电路集成在一个芯片上的系统,拥有强大的语音数据处理能力并具有良好的接口功能。
语音识别控制系统结构图3所示
图3 语音识别控制系统结构图
3.3 语音识别算法
消费类电子产品中的语音识别主要为孤立词识别,它有两种实现方案:一种是基于隐含马尔科夫统计模型(HMM)框架的非特定人识别;另一种是基于动态规划(DP)原理的特定人识别。它们在应用上各有优缺点。DP特定人识别的优点是方法简单,对硬件资源要求较低;此外,这一方法中的训练过程也很简单,不需预先采集过多的样本,不仅降低了前期成本,而且可以根据用户习惯,由用户任意定义控制项目的具体命令语句,因而适合大多数家电遥控器的应用。
3.3.1 端点检测方法
影响孤立词识别性能的一个重要因素是端点检测准确性。在10个英语数字的识别测试中,60毫秒的端点误差就使识别率下降2%。对于面向消费类应用的语音识别芯片系统,各种干扰因素更加复杂,使精确检测端点问题更加困难。为此,李虎生等在参考文献5中提出了称为FRED(Frame-based Real-time EndpointDetection)算法的两级端点检测方案,提高端点检测的精度。第一级对输入语音信号,根据其能量和过零率的变化,进行一次简单的实时端点检测,以便去掉静音得到输入语音的时域范围,并且在此基础上进行频谱特征提取工作。第二级根据输入语音频谱的FFT分析结果,分别计算出高频、中频和低频段的能量分布特性,用来判别轻辅音、浊辅音和元音;在确定了元音、浊音段后,再向前后两端扩展搜索包含语音端点的帧。FRED端点检测算法根据语音的本质特征进行端点检测,可以更好地适应环境的干扰和变化,提高端点检测的精度。
3.3.2 模板匹配算法
DTW是典型的DP特定人算法, 为了克服自然语速的差异,用动态时间规整方法将模板特征序列和语音特征序列进行匹配,比较两者之间的失真,得出识别判决的依据。
为了提高DTW识别算法的识别性能和模板的稳健性,采用了双模板策略,第一次输入的训练词条存储为第一个模板,第二次输入的相同训练词条存储为第二个模板,希望每个词条通过两个较稳健的模板来保持较高的识别性能。
综上所述,本语音识别系统采用了改进端点检测性能的FRED算法,12阶Mel频标倒谱参数(MFCC)作为特征参数,使用双模板训练识别策略。通过一系列测试,证明该系统对特定人的识别达到了很好的识别效果。
3.4 控制面板
为了能输入字段号, 以便建立语音样本,SPCE061A单片机扩展了一个行列矩阵式非编码键盘。键盘共有12个按键, 其中十个定义为:0~9 数字键,一个定义为:语音样本建立键(TRN),一个定义为:语音样本清除键(CLR )。由于控制面板只在建立语音样本时使用,为防止误操作,应将这12个按键用塑料外壳封闭起来。论文参考网。
3.5 操作指示电路
采用两片数码管和译码驱动电路CC4558组成操作指示电路。在本系统中,操作指示电路的作用是:建立语音命令样本时,用于显示存入的字段号;语音命令识别时用于显示识别结果及芯片识别结果的处理报告。
3.6 逻辑控制电路
整个逻辑控制电路如图4 所示。SPCE061A单片机通过并行接口输出识别结果,经过逻辑控制电路进行必要的译码后,用来控制后面的红外发射装置。
图4 逻辑控制电路如图4
3.7 遥控发射电路
红外遥控发射器主要由三大部分组成:一是键盘矩阵,二是发射专用集成电路,三是放大驱动和红外线发射部分。该电路与电视机的特定型号有关,可以根据电视机品牌选用适当的专用红外发射电路。论文参考网。需要说明的是:由于不同品牌电视机的红外发射、接收电路各不相同,因此它只对兼容电视有效。
4、结束语
该系统不对彩电做任何改动。在保留原有遥控功能的基础上,实现语音控制选台,主要功能有:
开关电视:电视接通电源处于待命状态,操作者发出“开机”命令,则打开电视机;操作者发出“关机”命令,则关掉电视机。
选台功能:操作者想看某某电视台的节目,只要发出“某某台”的命令,电视机就自动跳转到该台。
识别主人功能:为防止误操作,该系统只对事先录入命令样本的操作者语音敏感,其他人发出的命令包括电视伴音均无效。
其它功能:具有电视音量、画面亮度调节等适合语音控制的功能。
由于采用了高性价比的SPCE061A这种语音识别系统级芯片,并设计了科学的算法,本系统可靠性高,价格低廉,使用方便,具有较好的市场前景。
参考文献
[1] 赵力.语音信号处理[M] .北京: 机械工业出版社,2003
[2] 李晶皎.嵌入式语音技术及凌阳l6位单片机应用[M].北京:北京航空航天大学出版社,2003
[3] 李虎生等. 高性能汉语数码语音识别算法[J] .北京:清华大学学报( 自然科学版),2000;40:( 1)
[4] 孙景琪. 遥控彩色电视机集成电路及应用[M].北京:人民邮电出版社,1995
[5] 胡延平等. 电视机智能声控选台系统设计与实现[J] .通讯与电视,2001( 1)
[6] 周季华等. 语音识别在家电遥控器中的应用 [J] .计算机应用,2002( 8)