加工中心加工精度与其整机结构特性和各轴控制特性密切相关。考虑进给轴间的动态激励响应，研究加工中心整机在特定频率范围内的各向动柔度，对辅助机床设计具有重要意义。该文结合有限元建模和相关实验方法，分析了某双驱进给平台的结构动柔度，重点研究其机械系统的轴间耦合问题。提出了一种用传递函数组等效机械结构特性的整机机电联合仿真建模方法，并以此研究了某卧式加工中心机电系统的轴间耦合问题。研究结果表明：当加工中心存在某些模态振型同时影响刀具或工件在多方向的变形时，其机械系统和机电系统的轴间耦合在整机动柔度研究和控制环参数选择时必须予以考虑。

为避免回转对称微结构光学模具加工中产生的毛刺、尖角缺损及表面划痕，提出一种基于超精密切削的B轴旋转加工工艺。通过实验研究加工路径、切削速度、B轴旋转速度及切深等影响微模具面形精度和表面质量的主要因素，优化切削轨迹规划与加工参数，开展了2种微结构模具的加工实验，得到尺寸精度小于1.4 μm、表面粗糙度小于14 nm的结构完整性较好、表面无划痕的模具。实验结果验证了回转对称微结构光学模具B轴旋转加工工艺的可行性。

数字化车间作为智能制造和智能工厂的核心基础单元，是智能制造领域的重点研究方向之一。标准化信息模型是打破信息孤岛、实现车间之间及其内部设备互联互通的基础。该文针对数字化车间的信息互联互通问题，给出了数字化车间信息模型的内涵、组成要素和建模要求，并对现有信息模型建模方法进行了梳理，通过对比研究明确各建模方法的特点，探讨智能制造背景下数字化车间信息模型的建模方法。针对信息模型的标准化问题，梳理标准化的途径及方法，建立信息模型建模指导流程，明确信息模型建模技术及标准化的发展方向。

迷走神经刺激（VNS）广泛应用于癫痫和抑郁等多种药物难治性疾病的治疗，实现VNS个性化调控对疗法的临床推广具有重要意义。该文提出了以术中复合动作电位（CAP）为评估依据的VNS疗法个性化参数选择方法。搭建了CAP信号采集平台，开展了中华小型猪的活体实验，在恒流刺激模式下分析了电流幅度、脉宽和频率等VNS刺激参数与迷走神经CAP信号的量化关系，明确了VNS疗法临床常用刺激参数的选择依据，进而提出了个性化治疗参数的选择标准及选择范围。实验结果表明：应以CAP信号中A类纤维和B类纤维的不同响应特性为依据，开展VNS治疗癫痫和抑郁的个性化参数调控。该方法为VNS疗效的提高以及闭环VNS疗法的发展奠定了基础。

针对准双曲面齿轮齿面加工误差的机床加工参数调整修正问题，建立了基于刀倾半展成法（HFT）的齿面方程，给出了齿面离散化方法和齿面加工误差的表达式。基于机床加工参数对齿面误差的灵敏度系数进行推导，给出了现有齿面误差修正方法的数学模型，并指出其不足。在此基础上提出了基于回归分析的齿面误差修正方法，通过加工参数的灵敏度系数向量与实测齿面误差向量的线性相关性分析来选择变量，在选取较少的加工参数作为调整变量的同时，减少了各参数所需的调整量。实际齿轮的误差修正试验证明了该方法的上述优点以及误差修正的有效性，可为其他齿面误差修正问题提供了一定的借鉴。

可穿戴设备和智能家居系统需要语音识别引擎占用极小的资源并具有较强的拒识能力。传统的语音识别算法无法满足小资源系统的这种需求。该文针对小资源下语音识别系统，在解码策略和拒识算法设计上均提出了改进方法。在解码策略上，通过修改垃圾音素的重入，使得集外语音的拒识率提高到64.8%，而内存占用只增加了8.5 kB。在拒识算法上，提出了离线计算背景概率和在线查表的方法，与基线系统相比，在集内识别率略有损失的情况下，集外拒识率达到93.8%，而内存占用和计算速度也得到了优化。

当机器人移动身体任何部位时，都会不可避免地产生自身噪声。这些自身噪声由身体关节或其他硬件设备如风扇等引起。由于自身噪声距离机器人麦克风较近，较目标声源更容易被获取。该文根据机器人自身噪声种类，提出了一种将谱减法、关节噪声模板减法、基于标注区域的倒谱均值减法以及多条件训练相结合的方法，从而估计和抑制自身噪声。一系列实验证明了所提出的方法可以有效地减少自身噪声影响，提高语音识别的鲁棒性。

通过对汉语普通话磁共振成像数据的分析，对舌尖的形状和运动进行调音建模。建立了汉语普通话磁共振成像调音数据库，包括9个单元音和75个辅音变体。提取了发音器官在正中矢状面上的形状边缘；对舌头的形状边缘进行主成分分析，发现舌尖和舌体分开建模更为简洁；针对舌尖调音动作，用舌尖前伸（TTP）和舌尖上翘（TTR）两个调音参数来控制舌尖形状和动作，建立了舌尖的调音模型。

学习汉语普通话的日语母语者普遍存在着难以分辨汉语前后鼻韵母的问题。为了揭示他们与汉语母语者前后鼻韵母知觉机制的异同，根据鼻韵母3段划分——元音、鼻化元音及鼻韵尾，利用拼接合成语音样本的方法，合成出包含不同成分的语音样本来研究两类人群的鼻韵母知觉分辨特点。实验结果表明：鼻化元音段对汉语母语被试判断鼻音类型起决定作用，对日语母语者却不是。缺少鼻化元音段时，元音段对中日被试感知鼻韵母的影响相似：元音段的声学差异越大，两类被试判断鼻韵母类型的准确率都越高。该研究结果不仅增进了对汉语鼻韵母知觉特点的认识，也有助于改进对日学生的鼻韵母语音教学。

该文使用音高映射方法，通过选择合适的标准语音，合成出音段、音色保持不变，而只是声调变为标准语音声调的教学语音用于声调训练，减少了语音信号中声调信息之外的复杂变化带来的信息冗余与干扰。以汉语双字调的合成语音为实验材料，对日本被试进行了声调训练实验。训练结果表明：合成语音方法在声调的感知和产出的相对进步率，以及泛化产出的效果上都优于标准语音方法，远好于没有训练的对照组，大部分实验结果差异在统计上具有显著性。实验结果佐证了语音学习时存在人脑的选择性注意机制，为将合成语音方法集成到计算机辅助汉语声调教学系统，提供了实验和理论依据。

该文主要研究汉语普通话不同文体朗读时的胸腹呼吸特性。实验同步录制了4位播音员朗读的语音和胸腹呼吸信号，选取近体诗、词、新闻和散文这4种文体语料90篇，使用自主编写的呼吸分析程序，提取了吸气相和呼气相的呼吸重置幅度、时长、斜率、面积等参数。实验结果表明：言语状态下的胸腹呼吸与自然呼吸不同；不同文体朗读时的胸腹呼吸特点不同，诗、词朗读中的各级呼吸重置分布更具规律性，新闻和散文朗读中胸腹呼吸重置可分为3级，对应出现在段首、复句首和分句首位置；朗读中主要以胸腹联合式呼吸为主，胸腹呼吸二者的作用不同。该研究对汉语韵律研究和言语产生具有重要意义，为言语产生的呼吸生理建模提供参考。

语音数据资源是语音识别研究的基础。当前国内只有为数不多的开放的语音数据库供研究者免费使用，特别是在维吾尔语等少数民族语音识别方面，数据资源更为贫乏。该文发布一个完全免费的维吾尔语连续语音数据库，该数据库包括约20 h的训练数据和1 h的测试数据，同时介绍了构建维吾尔语语音识别系统所需要的音素集、词表、文本数据等相关资源，以及用于构建基线系统的脚本。给出了该基线系统在纯净测试数据和噪声测试数据上的识别性能。该数据库为维吾尔语语音识别研究提供了可以借鉴的标准数据库。

维吾尔语是属于阿尔泰语系的黏着性语言，构词特点比较复杂，尤其是维吾尔语中的人名，由于来源差别巨大，识别难度很高，到目前为止，还未出现成熟的维吾尔语人名识别工具。大量维吾尔语文本中的人名统计发现，维吾尔族人名和汉族人名共占据了约83%，因此该文分别针对维吾尔语文本中出现的维吾尔族人名和汉族人名提出相应的识别方法。针对维吾尔族人名，提出基于字母的模糊匹配识别方法；针对汉族人名，借助机器翻译思想提出基于音字转换的识别方法。实验结果表明：所提方法识别维吾尔族人名F₁值能够达到91.84%，识别汉族人名F₁值能够达到95.86%。

该文在类别区分词特征选择方法的基础上，针对维吾尔文中的生气、高兴、难过、惊讶等句子的情感类别提出了类别区分词与情感词典相结合的方法，进行了句子情感分类研究。结合维吾尔语文本句子中的情感表达特点，利用类别区分词特征选择方法，提取了最有类别区分能力的特征词，并进行了情感分类。通过人工抽取方法收集了维吾尔文句子中能表达情感的关键词，并建立了一个基础情感词典。将该词典与类别区分词结合在一起作为特征，对维吾尔文句子的情感类型有效地进行了分类。实验结果表明类别区分词与情感词典相结合方法的分类效率优于只用类别区分词特征选择方法。

针对情感语音合成系统中情感的细腻刻画与自动预测问题，提出多视角情感描述模型，从认知评价、心理感受、生理反应和发音方式4个方面刻画言语情感的产生过程和衍化机制；引入能够支持分布式特征且具有堆叠结构的多层神经网络——深层堆叠网络构建从文本到情感描述的预测模型。实验结果表明在预测模型中引入不同情感成分和上下文信息作为特征有助于提升预测效果，验证了采用深层堆叠网络进行情感预测的有效性与多视角情感描述模型的合理性。

瓶颈组件服务的诊断是保障面向服务业务流程的云服务系统性能的关键环节。传统诊断方法是通过评估组件服务的最大运行时延来确定导致整个组合服务质量变差的组件服务，未考虑组件服务的重要性，影响判断的准确性。该文在分析了各个组件服务质量的基础上，综合评估组件服务质量和重要性，提出了一种基于组件服务质量和服务性能的云服务性能瓶颈诊断方法，用来确定云服务瓶颈组件服务。仿真实验的结果验证了该瓶颈诊断方法的有效性和准确性。

针对已有无线传感器网络隐私保护数据融合方法普遍存在节点计算量和通信量较大的问题，基于原有的分簇隐私数据融合方法（CPDA），提出一种低能耗的数据融合隐私保护方法（E-CPDA）。在每轮融合过程中由簇头随机选取协作节点，通过协作节点配合簇头进行数据的隐私保护融合，以有效降低节点的计算量和通信量。仿真结果表明：相比于CPDA方法，E-CPDA方法在保证数据隐私性的前提下，在计算量、通信量和融合精度上都有较大的提升。

车牌识别数据是一种具有数据量大、时空相关、位置可测等特征的车辆监测数据，基于此类数据的相似轨迹查询面临着诸多问题。该文给出一种基于“点伴随关系”的车辆相似轨迹定义，提出了一种多级任务并行的相似轨迹查询方法，并给出了基于MapReduce迭代计算模型的方法实现，可支持在海量车牌识别数据集中利用分布计算环境高效地完成相似轨迹查询。基于近千万条真实车牌识别数据的实验表明，相对于传统方法，该方法在保证相似轨迹查询结果准确的前提下具有更好的查询性能。