为了提高压电微机电系统(MEMS)扬声器的声压级，该文提出了一种新型的扬声器振膜结构，该结构由4个相同的扇环驱动单元和中间圆形质量块组成，并在上表面覆有一层柔性材料，形成刚性-柔性耦合封闭振动膜。优化该结构中圆形质量块半径r2和相邻扇环的相邻边夹角θ等参数。结果表明，当θ=50°，r2=700 μm时，声压级最大。在保证振膜面积相同和谐振频率基本一致的情况下，与优化后的固支圆形多层振膜相比，该文所提出的新型结构声压级高5 dB。

提出了一种基于融合i-vector特征的长短时记忆(LSTM)循环神经网络模型,用于腹腔镜扶持器语音控制,在小训练样本下实现对特定医生语音中的短时、孤立词指令的识别。该模型以LSTM循环神经网络作为基础模型,以梅尔频率倒谱系数(MFCC)作为输入特征参数,将i-vector特征作为LSTM循环神经网络的深层输入信息,与神经网络中LSTM层后的深层特征信息进行拼接,达到参数融合的目的,实现对特定主刀医生语音指令的准确识别以及对非主刀医生语音指令的拒识别,为腹腔镜操作提供安全智能的语音识别方案。使用自建语音库进行实验,分别验证所提算法对训练库内语音的识别性能以及对训练库外语音的拒识别性能。实验结果表明:与动态时间规整算法(DTW)和混合高斯模型-隐马尔可夫模型(GMM-HMM)相比,所提模型在对训练库内特定人语音指令识别正确率高达99.6%的同时保持着错误接受率为0%,对训练库外语音的平均错误接受率为2.5%,满足腹腔镜扶持器控制的准确性和安全性要求。

为了在说话人识别任务中有效融合音视频特征,提出一种基于深度门的多模态长短期记忆(LSTM)网络。首先对每一类单独的特征建立一个多层LSTM模型,并通过深度门连接上下层的记忆存储单元,增强上下层的联系,提升该特征本身的分类性能。同时,通过在不同模型之间共享连接隐藏层输出与各个门单元的权重,学习每一层模型之间的联系。实验结果表明,该方法能有效融合音视频特征,提高说话人识别的准确率,并且对干扰具有一定的稳健性。

动态傅里叶变换轮廓术是将结构光投影和傅里叶变换理论相结合的三维面形测量技术,它只需一帧变形条纹就可以恢复物体的三维面形,且速度快、精度高、易于实现,被广泛应用于各领域的动态三维测量。利用动态傅里叶变换轮廓术对扬声器在给定激励源频率下的振动过程进行动态测量,得到扬声器纸盆不同频率振动的三维面形数据。结合扬声器发声的机理,通过对振动扬声器三维面形数据的处理和分析,得到扬声器纸盆局部任意时刻的形变量,分析了产生纸盆自身形变量可能的原因,探究了纸盆振动对扬声器性能的影响,为扬声器的设计和改进提供依据。

内流场和调制面积的准确测量是大功率调制气流声源实验研究中的关键问题,传统测量技术具有明显的局限性。采用光电检测方法以实现速度场和声源调制面积的非接触测量,通过粒子速度成像技术获取声源气路系统中的速度场,通过CCD系统实现对声源振动系统位移输出和调制面积变化的实时监控。实验结果与数值模型结果的比较验证了测试方法的可行性。速度场结果表明,典型工况下受限射流靠近内侧壁面,流动分离出现在外侧壁面附近,声源内部形成的剪切层位于主流与回流之间。音圈位移实测结果说明所选择的驱动参数可实现对喷口射流的满调制。

针对采用传统的在线聚类方法时后续判决错误率较高的缺点，提出了一种改进的基于决策树的在线说话人聚类算法。通过构建一个决策树，增加判决分支，对语音段进行判决聚类，从而有效降低前期错误判决对后续聚类的影响。为了进一步提高算法效率，缩短运算时间，还给出了一种决策树剪枝方法，减少了不合理的判决分支。通过对广播新闻语料进行的说话人聚类实验表明，相比传统的层次聚类算法，新算法的平均类纯度和说话人纯度分别提高了0.9%和1.1%，计算时间减少了57%。实验结果还表明，相比手工标注说话人信息，将该算法的聚类结果应用于说话人自适应可降低系统的误识率。

平板显示器件的周边相关技术正随着平板显示技术的发展而迅速地发展起来,如各种平板显示器专用的控制、驱动IC(集成电路),平板电源,平板音响,电磁兼容,触摸屏等技术及关键器件、材料正成为业内热点技术和产品.目前,国内的平板显示器(除低档液晶屏外)及其周边相关技术产品市场,基本上被国外的几家跨国公司所控制,国内开发生产的几乎为零.