语速变化导致说话人识别系统性能显著下降。该文提出一种分数域语速归一化方法来降低语速变化对说话人识别系统的影响。由不同语速语音数据组成参考集（全局和局部），对每一个登入说话人估计其对参考集中每一类参考语音的分数分布，局部参考集通过按相对语速划分全局参考集而获得。基于该文录制的语速数据库在GMM-UBM（Gaussian mixture model-universal background model）框架下对测试语音进行分数归一化，并通过训练数据扩展有效解决了数据系数问题，最终等错误率相对下降33.33%。研究结果表明：全局和局部归一化方法都有效减少了语速变化对说话人识别系统的影响。

对维吾尔语而言，由于数据采集和标注存在各种困难，用于训练声学模型的语音数据不够充分。为此，该文研究了基于长短期记忆网络的跨语言声学模型建模方法，利用汉语庞大的训练数据训练深度神经网络声学模型，然后将网络的输出层权重去掉，用随机化的方式产生与维吾尔语输出层对应的权重值，采用反向传播的方式，利用维吾尔语语音数据更新所有权重来训练维吾尔语声学模型。实验结果表明：该方法使维吾尔语转写和听写识别错误率分别比基线系统相对降低了20%和30%。该方法利用汉语大数据来训练神经网络的隐藏层，使维吾尔语声学模型能在一个较好的初始权重网络上进行训练，增强了网络的鲁棒性。

传统语音情感识别主要基于单一情感数据库进行训练与测试。而实际情况中，训练语句和测试语句往往来源于不同的数据库，识别率较低。为此，该文提出一种基于子空间学习和特征选择融合的语音情感识别方法。通过采用回归方法来学习特征的子空间表示；同时，引入l_2，1-范数用于特征的选择和最大均值差异（maximum mean discrepancy，MMD）来减少不同情感数据库间的特征差异，进行联合优化求解从而提取较为鲁棒的情感特征表示。在EMO-DB和eNTERFACE这2个公开情感数据库上进行实验评价，结果表明：该方法在跨库条件下具有较好的性能，比其他经典的迁移学习方法更加鲁棒高效。

已有研究表明元音会影响声调感知。元音音色主要由共振峰决定，因此，该文在已有研究的基础上进一步考察不同共振峰分布下元音对声调感知的影响。合成1个从低元音到高元音的元音连续统，连续统中的每一个刺激承载3个不同的声调连续统进行感知听辨实验。实验结果表明： 1）随着元音连续统内刺激的共振峰分布逐步从低元音靠近高元音，该元音也越来越倾向感知成声调连续统中调值较低的声调；2）元音对声调感知的影响和声调有关，其在阳平-上声连续统的感知中影响更大；3）元音对声调感知的影响主要体现在范畴边界，而不是范畴宽度。

相对舌体大小是评估发音模式的一个指标，它能预测舌体在口腔内部的移动性。该文基于核磁共振图像（MRI）研究相对舌体大小与舌体运动的关系，结合cine-MRI和tagged-MRI得到合成数据，其中既有发音器官轮廓信息，又有发音器官上特定点的运动信息。基于合成数据分析相对舌体大小和舌体运动情况。相对舌体大小定义为舌体面积和舌体与声道面积和的比值。在舌体表面的口腔和咽腔两部分选取一些点来计算舌体运动速度。结果显示：相对舌体越小，舌体运动速度越快。

在对话语篇的分析研究中，对话行为与对话意图是很多研究者关注的焦点，具有重要的研究价值，为了能够更好地理解对话蕴含的机制，该文针对心理距离与对话行为分布做了探讨。针对已标注的对话语料内容，建立一个心理距离预测模型，同时通过研究对话行为的分布，分析得出具体差异。研究表明：在工作和爱情话题中，对话内容的心理距离得分较高，代表对话双方关系密切，问答对话有所增多，而天气话题和交通话题得分较低，对话双方关系疏远，阐述性质对话增多，并且在不同心理距离影响下，对话的反馈类型分布也有所区别。在经过对人工标注的实验数据统计分析之后，初步验证了该模型在对话者心理距离预测方面的可行性，为后续进行对话内容自动分析标注研究打下了良好的基础。

焦点和疑问语气是两种重要的交流功能，都可以通过韵律来编码。该文请8位藏语拉萨话母语人自然说出2个目标句，包括疑问和陈述2种语气以及4种焦点条件（中性、句首、句中和句末焦点），通过音高、时长参数的声学和统计分析，考察了拉萨话中焦点和疑问的韵律编码方式。结果表明：焦点在疑问句和陈述句中相同的编码方式是，焦点词音高升高、音域扩大且时长延长，而焦点前基本不变。不同的是，陈述句中焦点后有明显的音高下降和音域压缩，但疑问句中焦点后压缩不稳定。与相同焦点条件的陈述句相比，疑问语调整体有升高，焦点后的音高上升更稳定；但焦点词的音高在两种语气间没有明显区别。可见，焦点后音高更多的是为了实现疑问语气而升高，而不是为了突显焦点而压缩；焦点词的音高不具备区别语气的功能。

点击率（click-through rate，CTR）预测是互联网公司中重要的研究课题，预测结果与上下文、用户属性和广告属性息息相关，CTR的有效预测对提高广告公司的收入至关重要。该文在对传统逻辑回归（logistic regression，LR）模型的相关原理和参数优化算法介绍的基础上，抽离出用户特征和广告特征，将用户与广告之间特征的关联信息添加到Sigmoid函数中得到一种特征关联模型。与以往求解方法不同，该方法采用在线最优化算法FTRL（follow-the-regularized-leader）提高参数计算效率，采用混合正则化来防止训练过拟合。真实的广告数据集上的实验结果表明：该方法与传统的模型和方法相比具有更好的预测精度、效率、参数敏感性和可靠性。

针对Kalman粒子群算法在优化基于支持向量机的工业控制系统入侵检测模型时易陷入局部极小的问题，该文提出了一种改进的多新息Kalman粒子群算法。所提算法不仅考虑当前粒子信息的观测值，同时充分利用之前时刻的有用信息对粒子的状态进行估计，为粒子位置的更新提供足够的冲量，使得算法跳出局部极小，从而提高了算法的优化精度。将所提出的改进算法用于支持向量机工控入侵检测模型参数寻优，并使用工控入侵检测标准数据集进行仿真研究。仿真结果表明：与Kalman粒子群、粒子群以及遗传算法相比，该文所提出的算法——优化的支持向量机入侵检测模型在检测率、漏报率和误报率等指标上都有明显提升。

基于可信计算芯片的可信启动指从信任根开始，通过建立信任链并沿信任链逐步移交系统控制权的过程。然而，现有信任链是简单的单链结构，并不能满足用户需要。该文首先参考基于身份的层次式签名机制，提出支持多软硬件系统的多信任链方案。该方案支持树状的多启动模块预期或信任路径。其次，参考基于身份的模糊签名机制，提出了支持多种潜在信任状态的信任链方案，该方案支持存在多潜在状态的单信任路径。最后，对上述2种方案进行结合。通过对支持多软硬件系统的方案进行扩充，实现末端节点的密钥拆分，并对回退机制、TPM（trusted platform module）芯片存储等部分进行修改，最终实现了兼有前述2种新信任链的功能的第3种方案：既支持多启动模块预期，又支持多种潜在的信任状态，从而满足用户在动态决定启动模块的同时动态决定信任状态的需求。

为检测虚拟机内部的IO异常行为，及时发现已知和未知的虚拟机逃逸攻击，基于硬件辅助虚拟化技术，该文提出了一种基于虚拟机IO序列的异常检测方法，包括：提出了一种异步采集技术高效采集虚拟机IO序列；建立了虚拟机IO序列与虚拟机内部进程的映射关联关系，以细粒度描述虚拟机自身IO行为；提出了一种基于双层Hash表的虚拟机IO短序列生成算法，并采用Markov链模型检测异常虚拟机IO序列。在KVM（Kernel-based virtual machine）虚拟化环境下设计并实现原型系统VMDec（virtual machine detecting），通过实验评测了VMDec系统的功能和性能。实验结果表明：VMDec能有效检测出虚拟机内部基于IO的恶意攻击以及已知和未知的虚拟机逃逸攻击，且检测误报率和性能开销在可接受范围内。

为了探究碳纤维复合材料（CFRP）/铝合金（Al）叠层钻孔时不同冷却润滑方式对刀具磨损、钻削轴向力和钻孔质量的影响，进行了微量润滑和干式钻削条件下的钻孔实验。通过建立积屑瘤存在时CFRP钻削模型，揭示了影响轴向力诸因素的内在联系，解释了钻削CFRP层轴向力随加工孔数增加而逐渐变大的原因，分析了CFRP切屑分离原理和叠层制孔质量数据。结果表明：积屑瘤通过改变横刃实际工作长度、积屑瘤夹角、主切削刃摩擦角以及碳纤维实际剪切面上应力状态来影响CFRP钻削轴向力；积屑瘤存在时两种冷却润滑方式下CFRP总钻削轴向力的差异主要来源于横刃处的差异。采用干式钻削方式加工CFRP/Al叠层更易形成积屑瘤，连续加工时CFRP层高硬度的碳纤维挤压刀刃导致积屑瘤较软段不断生长脱落，是影响钻孔质量的重要原因；相比干式钻削，采用半程微量润滑方式加工CFRP/Al叠层能获得更好的钻孔质量。

双目视觉已在机器人视觉、三维测量等多个领域得到广泛应用。但是，随着研究的不断深入，双目视觉的局限性也逐渐突显出来。例如测量复杂形面的三维形貌精度低，计算速度慢等。基于此，该文提出一种基于双光敏位置探测器（position sensitive detector，PSD）的三维测量方法。利用2个PSD从不同的角度捕获、跟踪激光点的方式来还原工件的三维信息，省去了传统双目视觉中的特征点识别和匹配部分，极大简化了三维测量模型。由于传统的标定方法不再适用，该文提出2种标定方案，改进的Faugeras标定加LM（Levenberg-Marquardt）优化方法和BP（back propagation）神经网络方法。通过对比实验分析，改进的Faugeras标定加LM优化的方法能达到更高更稳定的三维测量精度。

为了改善电动汽车的动力性和经济性，越来越多的研究者选择在电动汽车上加装无动力中断变速器。该文关注无动力中断变速器的换挡过程的控制方法，以减少换挡过程中的冲击和滑摩功；展示了一种无动力中断变速器的结构，并建立电动汽车传动系统的模型；然后对模型进行离散化，针对特定的评价函数进行最优化分析，得到最优控制序列和轨迹。在此基础上，应用一种结合前馈控制和反馈控制的控制方法对变速器进行控制。仿真结果表明：该控制方法能够减少换挡过程的滑摩损失，降低换挡过程中车辆冲击度。

特种地面车辆防雷达侦察的隐身性能研究需关注车身表面不平整特征的影响。该文对具有表面缝隙和凹槽结构的简化车身侧部结构、具有表面突出特征（透明装甲结构、密封钢带结构）的简化车身侧部结构的雷达散射截面（RCS）面积分布特性进行了仿真分析，量化描述了表面局部非平整特征对结构整体的RCS面积分布特性的不利影响。与金属平板结构相比，具有表面缝隙或凹槽结构的简化车身侧部结构的RCS面积大于10 dBsm的入射方位数分别增加到2.2倍、2.8倍；表面有透明装甲或密封钢带凸特征的两种车身侧部结构的RCS面积大于10 dBsm的入射方位数分别增加到5.4倍、1.7倍。对表面有、无圆柱铝条的金属平板结构的实验测试结果验证了局部非平整特征对结构整体的RCS面积的增强效应，也验证了RCS面积分布特性计算分析方法的准确性。金属表面的非平整结构可显著增加RCS面积大于10 dBsm的入射方位数，而对结构整体的RCS面积最大值的影响较小。在隐身车身设计时，应减小车门缝隙、内凹与外凸类非平整结构的尺度、数量，尽可能保持车身外表面平整。

由于驾驶过程中的延迟和前视距离等因素，无人车无法准确跟踪规划轨迹。该文通过选择简化的自行车车辆模型，在纯跟踪模型的基础上对原有的算法进行优化，提出了一种基于动态延迟预测的自动驾驶控制方法。通过车辆运动学模型预测延迟后的车辆运动方向和位置信息，并根据行驶方向和轨迹方向之间的偏差值，获得最佳前视距离。MATLAB仿真结果表明，改进的算法可以以7 m/s的行驶速度跟踪规划轨迹，平均误差可以控制在0.3 m以内，跟踪性能优于传统的纯跟踪方法。

该文在行人检测技术方面介绍了基于卷积神经网络（CNN）模型的目标识别、检测技术与改进的区域卷积神经网络（R-CNN）、任务辅助卷积神经网络（TA-CNN）模型技术。在立体匹配技术方面简述了基于孪生网络的立体匹配的深度学习模型技术。在多传感器融合技术方面回顾了基于深度学习网络的视觉传感器、雷达传感器与摄像机传感器的多源数据融合技术。在汽车控制技术方面分析了基于卷积神经网络实现无人驾驶车辆端到端的横向与纵向控制技术。深度学习技术在自动驾驶领域的感知层、决策层与控制层的广泛运用，不断地提高感知、检测、决策与控制的准确率，并取得一定的成功，分析表明深度学习技术将加速自动驾驶技术的发展速度，为自动驾驶成为现实带来巨大的可能性。