【34页】毕业论文_局域网QQ管理系统.doc源文档全文在线看
1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
本人取最具代表性的和进行了些研究,作为我开发聊天系统的准备。
腾讯无疑是国内即时通讯市场的霸主,自从年进入即时通讯领域并迅速占市场之后,其在国内用户数量始终高居榜首,即使近几年面对微软的强大攻势,腾讯的时常占有率依然稳步增长。
腾讯的成功与其对的不断创新和完善是分不开的。
参考了许多网络上的资料,查阅各种书籍以及自己通过观察腾讯运行时的各种细节。
可以确定腾讯是以多服务器提供服务服务器总控客户端客户端之间直连通信的。
并且在两个客户端之间不能建立直连的情况下,才由服务器进行中转通信。
其模型如图图腾讯服务器客户端模型与腾讯不同,微软的只使用了作为传输层通信协议,所有客户端与服务器进行连接,然后通过与服务器的连接进行中转通信。
其模型如图图服务器客户端模型腾讯使用的模型中,服务器主要处理客户端各种状态的控制,可以极大减轻服务器的处理压力,但其内部协议和实现复杂度都较高。
而所有数据都要经过服务器,服务器压力可想而知难怪平时很少见到使用进行语音视频聊天的。
综合腾讯和微软的特点,我打算在我的系统中尝试建立其类似腾讯的服务器客户端模型,但以单服务器提供服务。
语言的发展历史的发展历史,可以追朔到年。
当时公司为了发展消费类电子产品进行了个名为的项目计划。
这个计划的负责任是。
起初他用具有面向对象特征的语言编写嵌入式软件,可以放在面包机或,个人数字主力等小型电子消费这杯里,以使设备变得更为聪明,更具备人工只能。
但后来发现并不适合这类任务因为常会使系统失效。
尤其在内存管理方面,采用直接地址访问方式。
需要程序员记录并管理内存资源。
这造成程序员编程的极大负担,并可能产生多个。
面包机上的程序可能使面包机烧坏甚至爆炸。
为了解决此类问题,决定开发种新的语言,并取名为。
它采用了大部分与类似的语法对可能具备危险性的功能加以改进,例如将内存管理改为由语言自己进行管理,以减少程序员的负担及可能发生的。
是种可移置的语言,它是种平台的语言,能够在各种芯片上执行,可以降低设备的研发成本。
的特点是种简单安全容易适用面向对象可移置高性能多线程的语言。
简单性语言简单高校,基本系统编译器和解释器所占空间不足由于最初是为了对家用电器进行集成控制而设计的,因而具备简单命了的特征。
面向对象面向对象技术是现代工业的次革新,提高了软件的模块化程度和重复适用率,缩短了软件开发时间,减低了卡发成本。
在之前虽然已经有面向对象的程序设计语言问问世,但有些如并不是完全的面向对象,而是面向过程和面向对象的混合体。
则是完全面向对象的程序设计语言。
安全性是可以用在网路及分布环境下的网路程序设计语言。
在网路环境下,语言的安全性变得更为重要。
提供了许多安全机制来保证其适用上的安全性。
平台平台指程序不受操作平台的限制,可以应用在各种平台上。
源程序经过编译后生成字节码文件,而字节码与具体的计算机无关。
只要计算机安装了能解释执行字节码的虚拟机,就可以执行字节码文件,从而实现的平台性。
多线程具备内建的多线程功能,可以将个程序的不同程序段设置为不同的线程,使各线程并发执行,提高系统的运行效率。
网络功能能从全球网络资源获取所需信息,如数据文件影响文件声音文件等,并对所得信息进行处理,所以说是种网络语言。
执行效率的字节码需要经过虚拟机解释成机器码才能执行,所以速度上较慢。
但是随着技术的进步,使得其执行速度直逼与。
与语言取得成功的领域之就是网络其他语言数页代码条语句传输起始点与结束点,图中的红线就是程序标记的语音信号始末点,可以看出,杂音基本被排除,效果是非常明显的。
同时,从以上三个图的对比可以看出,不同发音者的发音波形及特性有较明显区别。
原始波形中,发音者的波形在横轴两端不对称,而发音者的波形在横轴两端比较对称能量波形中,两者的区别更加明显发音者的能量高峰在语音后部,发音者的能量高峰在语音前部过零率波形中也可以明显看出两个人的区别。
端点检测下的短时能量分析只是语音识别的第步,但是通过该步骤已经可以粗略的区别出不同发音者,并且可以进步分析发音者语音信号的特点。
由此证明了端点检测在语音识别中是非常重要的。
实验结果及讨论本实验的运行环境中输出结果如下列图所示图说话者的两组语音匹配结果及距离匹配矩阵图说话者的两组语音匹配结果及距离矩阵从输出记过看,识别具有了定程度的正确度。
为了进步验证结果,看下匹配距离矩阵的数据如下图所示距离矩阵的对角线上是正确匹配模板的对应分数,可见对角线上的个数值中有都是在本行中最小的,由此验证了识别结果的正确性。
图说话者的两组语音匹配结果及距离匹配矩阵图说话者和的语音匹配结果及距离匹配矩阵图说话者和的匹配矩阵的三维曲面图图说话者和的匹配矩阵的的三维柱状图图说话者和的匹配矩阵的灰度视图结果显示说话者的自匹配识别率为,说话者的自匹配识别率也为,而和之间的识别率为。
图,图,图中的匹配矩阵元为每个语音信号和参考模板中所有共个语音信号的匹配距离,可以看出,在正确识别情况下,矩阵对角线上的矩阵元是本行中最小的同个语音信号和自己匹配距离最小,在匹配失败的情况下,对角线上的矩阵元也是次最小的。
这结果说明了的可靠性和稳定性。
图,图,图以不同方式直观的显示了矩阵元的大小关系。
轴表示说话者的语音信号编号,轴表示说话者的语音信号编号,轴表示矩阵元的大小。
三维曲面图中的蓝色部分,灰度图中的全黑色部分为数值较小区域,可以看书,这个区域基本是在对角线上的。
灰度图中的红色连线便显示了黑色方块分布在对角线上及附近。
自匹配的识别准确率达到,而不同发音者之间的识别率有明显下降,为。
这也是显示出算法在非特定人语音识别中不如特定人语音识别准确。
文献指出,使用算法的特定人孤立字语音识别率能高达近,而我们始终无法达到这效果。
有几方面的原因录音设备和程序偏简单。
个非常良好和精确的模板库是高效率语音识别系统的基础。
我们使用简易麦克风和自带录音程序可能无法建立个完备的模板库。
算法自身的缺陷。
自身算法只适用于孤立字语音识别,而且是简单字。
因此识别机理上更加先进的和方法能够满足更高的要求。
对算法进行改进比如端点检测已经提高了该算法的识别率。
算法仅限于孤立字的语音识别,而连续语音的识别目前来说还比较难以达到高的识别率,这也是今后语音识别课题研究发展的方向。
实验结论课题最终在平台的基础上基本实现了个别个体的特定语音识别,基本上达到了预定的目的。
基于模型的语音识别简单的说就是通过的程序段,将待识别的语音信号与数据库中的模板进行相似度对比,将相似度最高者最为识别结果输出,同时的识别效率取决于参考模板的清晰度以及广泛度,如果能够建立个范围庞大而且清晰的特定人语音库,将能够大大提高语音识别的效率。
我们的试验由于时间以及外部设备的关系,难以组建个非常精确的参考样本,因此识别的效率略微偏低,不过已经足够说明识别算法在特定人孤立字语音识别中的巨大作用。
本文对于算法提出了几条在实际操作中切实可行的改进建议,并对参数编程和的应用进行了探讨。
在程序中,由于受数据库的局限,并没有实现对于语音的模糊识别,但个别个体的特定语音识别也具有广泛的用途。
参考文献,之语音处理与合成工具箱影印版,清华大学出版社黄文梅,熊桂林,杨勇,信号分析与处理语言及应用,国防科技大学出版社杨行峻,迟惠生,语音数字信号处理,电子工业出版社张焱,张杰,黄志同,语音识别中动态时间规整和隐马尔可夫统模型数据采集与处理年期何强,何英,扩展编程,清华大学出版社,谢锦辉,隐模型及其在语音处理中的应用,华中理工大学出版社,致谢感谢本论文的导师俞熹老师。
让人耳目新的是他的治学风格,让我们明白了科研并不是老师手把手带学生,而是引导学生发现问题,然后大量收集资料,潜心钻研。
而且,每当我有些棘手的问题时,也能在他那里得到非常及时的帮助。
感谢我们组的黄博同学,这篇论文的每个实验细节和每个数据,都离不开你和我共同的辛勤劳动,非常愉快的合作和沟通。
还要感谢级的谷雨同学帮助我们对迅速入门。
感谢我的室友。
四年了,仿佛就在昨天。
四年里,我们没有红过脸,没有吵过嘴,没有发生上大学前所担心的任何不开心的事情。
只是今后大家就难得再聚在起吃顿饭了吧,没关系,各奔前程,大家珍重。
但愿远赴的常帅平安,留守复旦的陈罗德加油,还有小闫工作顺利。
我们在起的日子,我会记辈子的。
还要感谢物理的辅导员朱莹,您是复旦最优秀的辅导员,感谢物理系系主任金晓峰教授对我们物理的支持和帮助,最后尤其要感谢物理的每个人。
要毕业了,我们不说再见。
感谢我的爸爸妈妈,焉得谖草,言树之背,养育之恩,无以回报,你们永远健康快乐是我最大的心愿。
在论文即将完成之际,我的心情无
