期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种低功耗抗差分功耗分析攻击的SM4算法实现
被引量:
4
1
作者
牛
砚
波
蒋安平
《微电子学与计算机》
CSCD
北大核心
2014年第9期28-32,38,共6页
128位的SM4算法是我国公布的第一个商用密码算法,主要应用于无线局域网.为了提高算法的抗差分功耗分析攻击能力,SM4算法采用了加法掩码的方法来抵抗一阶差分功耗分析攻击.通过功耗分析攻击实心眼可以发现,加法掩码后的SM4算法能够有效...
128位的SM4算法是我国公布的第一个商用密码算法,主要应用于无线局域网.为了提高算法的抗差分功耗分析攻击能力,SM4算法采用了加法掩码的方法来抵抗一阶差分功耗分析攻击.通过功耗分析攻击实心眼可以发现,加法掩码后的SM4算法能够有效地抵抗差分功耗分析攻击.为了实现一款面积小、功耗低SM4算法硬件电路,SM4S盒硬件电路采用了PPRM结构.在SMIC 0.18μm的工艺库下功耗仿真值为0.74mW@10MHz,PPRM结构的S盒与复合域方法实现的S盒相比功耗减少了70%.
展开更多
关键词
SM4算法
S盒
PPRM结构
加法掩码
下载PDF
职称材料
改进的支持向量预选取方法在语音识别中的应用(英文)
被引量:
1
2
作者
郝瑞
牛
砚
波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2015年第11期2714-2721,共8页
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征...
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征集;另一方面根据支持向量的几何分布含义并借鉴支持向量机的多类分类算法中一对一方法的思路提取原数据集的边界样本作为预选取支持向量进行训练和预测,并将该算法应用于嵌入式语音识别系统中,实验结果表明:该方法提高了语音识别系统的训练效率,降低了计算代价,同时保持了较高的识别率。
展开更多
关键词
支持向量
多类分类
核模糊C聚类
样本预选取算法
语音识别系统仿真
下载PDF
职称材料
面向语音识别的SVDD改进算法及仿真研究(英文)
被引量:
1
3
作者
郝瑞
刘晓峰
+1 位作者
牛
砚
波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2017年第5期1014-1020,1027,共8页
支持向量数据描述(SVDD)将多类样本数据每一类用各自的超球来界定,显著降低了二次规划计算复杂度,更易于解决多类分类问题,因此在语音识别研究领域越来越受到广泛关注,本文针对语音样本分类中特征向量重叠和更新等问题,对现有的SVDD多...
支持向量数据描述(SVDD)将多类样本数据每一类用各自的超球来界定,显著降低了二次规划计算复杂度,更易于解决多类分类问题,因此在语音识别研究领域越来越受到广泛关注,本文针对语音样本分类中特征向量重叠和更新等问题,对现有的SVDD多类分类算法进行了改进,一方面,根据样本所在空间位置,构造超球重叠域决策函数;另一方面,基于类增量学习,实现超球类支持向量的动态改变。仿真实验结果表明,本文所提方法明显缩短了建模时间并且具有更好的识别性能。
展开更多
关键词
支持向量数据描述
多类分类
决策函数
增量学习
语音识别系统仿真
下载PDF
职称材料
支持向量机语音识别算法在DM6446上的实现
被引量:
1
4
作者
牛
砚
波
张雪英
刘晓峰
《计算机工程与应用》
CSCD
2012年第20期67-69,86,共4页
针对语音识别系统对实时性和便携性的要求,提出一种基于MFCC/SVM在DM6446嵌入式系统开发平台上的实现方法,实现了一个面向非特定人的语音识别系统,将有向无环图多类分类支持向量机算法移植到该平台。并在该平台用DAG方法对非特定人孤立...
针对语音识别系统对实时性和便携性的要求,提出一种基于MFCC/SVM在DM6446嵌入式系统开发平台上的实现方法,实现了一个面向非特定人的语音识别系统,将有向无环图多类分类支持向量机算法移植到该平台。并在该平台用DAG方法对非特定人孤立词和连接词进行语音识别,比隐马尔可夫模型有明显优势。通过样本预选取算法对训练样本进行预选取处理,并且应用到嵌入式语音识别系统中,大大降低了训练时间和测试时间。
展开更多
关键词
支持向量机
DM6446
多类分类
语音识别
下载PDF
职称材料
一种基于环振的高精度时间测量芯片设计实现
被引量:
1
5
作者
蒋安平
牛
砚
波
+5 位作者
胡文瑞
胡贵才
吴晓静
刘立全
刘丽丽
何宇
《电子技术应用》
北大核心
2017年第1期64-67,71,共5页
高精度时间测量技术在空间探索、高能物理以及速度、流量、距离等多种测量领域有广泛用途,实现这种功能的电路被称为时间数字转换器(Time-to-Digital Converter,TDC)。分析了高精度时间测量的不同类型实现原理和技术,在此基础上介绍了...
高精度时间测量技术在空间探索、高能物理以及速度、流量、距离等多种测量领域有广泛用途,实现这种功能的电路被称为时间数字转换器(Time-to-Digital Converter,TDC)。分析了高精度时间测量的不同类型实现原理和技术,在此基础上介绍了一种基于环形振荡器(环振)的TDC芯片设计。该芯片采用0.18μm 1P5M CMOS工艺流片加工,测试结果表明其测量分辨率达到52 ps,可以用于流量、温度、距离等多种测量领域。
展开更多
关键词
时间测量
时间数字转换器(TDC)
抽头延迟线法
环形振荡器(环振)
下载PDF
职称材料
题名
一种低功耗抗差分功耗分析攻击的SM4算法实现
被引量:
4
1
作者
牛
砚
波
蒋安平
机构
北京微电子技术研究所
出处
《微电子学与计算机》
CSCD
北大核心
2014年第9期28-32,38,共6页
文摘
128位的SM4算法是我国公布的第一个商用密码算法,主要应用于无线局域网.为了提高算法的抗差分功耗分析攻击能力,SM4算法采用了加法掩码的方法来抵抗一阶差分功耗分析攻击.通过功耗分析攻击实心眼可以发现,加法掩码后的SM4算法能够有效地抵抗差分功耗分析攻击.为了实现一款面积小、功耗低SM4算法硬件电路,SM4S盒硬件电路采用了PPRM结构.在SMIC 0.18μm的工艺库下功耗仿真值为0.74mW@10MHz,PPRM结构的S盒与复合域方法实现的S盒相比功耗减少了70%.
关键词
SM4算法
S盒
PPRM结构
加法掩码
Keywords
SM4-cipher
S-box
PPRM architecture
additive masking
分类号
TN918.1 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
改进的支持向量预选取方法在语音识别中的应用(英文)
被引量:
1
2
作者
郝瑞
牛
砚
波
修磊
机构
山西财经大学信息管理学院
太原理工大学信息工程学院
山西财经大学统计学院
出处
《系统仿真学报》
CAS
CSCD
北大核心
2015年第11期2714-2721,共8页
基金
Shanxi Scholarship Council of China(2009-28)
Natural Science Foundation of Shanxi Province(2009011022-2)
文摘
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征集;另一方面根据支持向量的几何分布含义并借鉴支持向量机的多类分类算法中一对一方法的思路提取原数据集的边界样本作为预选取支持向量进行训练和预测,并将该算法应用于嵌入式语音识别系统中,实验结果表明:该方法提高了语音识别系统的训练效率,降低了计算代价,同时保持了较高的识别率。
关键词
支持向量
多类分类
核模糊C聚类
样本预选取算法
语音识别系统仿真
Keywords
support vector
multi-class classification
kernel fuzzy C-Means clustering
sample pre-extracting
speech recognition system simulation
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TN912.34 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
面向语音识别的SVDD改进算法及仿真研究(英文)
被引量:
1
3
作者
郝瑞
刘晓峰
牛
砚
波
修磊
机构
山西财经大学信息管理学院
太原理工大学
出处
《系统仿真学报》
CAS
CSCD
北大核心
2017年第5期1014-1020,1027,共8页
基金
National Natural Science Foundation of China(61072087)
Shanxi University of Finance&Economics School youth fund(QN2015014)
文摘
支持向量数据描述(SVDD)将多类样本数据每一类用各自的超球来界定,显著降低了二次规划计算复杂度,更易于解决多类分类问题,因此在语音识别研究领域越来越受到广泛关注,本文针对语音样本分类中特征向量重叠和更新等问题,对现有的SVDD多类分类算法进行了改进,一方面,根据样本所在空间位置,构造超球重叠域决策函数;另一方面,基于类增量学习,实现超球类支持向量的动态改变。仿真实验结果表明,本文所提方法明显缩短了建模时间并且具有更好的识别性能。
关键词
支持向量数据描述
多类分类
决策函数
增量学习
语音识别系统仿真
Keywords
support vector data description
multi-class classification
decision function
incrementallearning
speech recognition system simulation
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
支持向量机语音识别算法在DM6446上的实现
被引量:
1
4
作者
牛
砚
波
张雪英
刘晓峰
机构
太原理工大学信息工程学院
太原理工大学数学学院
出处
《计算机工程与应用》
CSCD
2012年第20期67-69,86,共4页
基金
国家自然科学基金(No.61072087)
文摘
针对语音识别系统对实时性和便携性的要求,提出一种基于MFCC/SVM在DM6446嵌入式系统开发平台上的实现方法,实现了一个面向非特定人的语音识别系统,将有向无环图多类分类支持向量机算法移植到该平台。并在该平台用DAG方法对非特定人孤立词和连接词进行语音识别,比隐马尔可夫模型有明显优势。通过样本预选取算法对训练样本进行预选取处理,并且应用到嵌入式语音识别系统中,大大降低了训练时间和测试时间。
关键词
支持向量机
DM6446
多类分类
语音识别
Keywords
Support Vector Machine (SVM)
DM6446
multiclass classification
speech recognition
分类号
TN912 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
一种基于环振的高精度时间测量芯片设计实现
被引量:
1
5
作者
蒋安平
牛
砚
波
胡文瑞
胡贵才
吴晓静
刘立全
刘丽丽
何宇
机构
北京微电子技术研究所
出处
《电子技术应用》
北大核心
2017年第1期64-67,71,共5页
文摘
高精度时间测量技术在空间探索、高能物理以及速度、流量、距离等多种测量领域有广泛用途,实现这种功能的电路被称为时间数字转换器(Time-to-Digital Converter,TDC)。分析了高精度时间测量的不同类型实现原理和技术,在此基础上介绍了一种基于环形振荡器(环振)的TDC芯片设计。该芯片采用0.18μm 1P5M CMOS工艺流片加工,测试结果表明其测量分辨率达到52 ps,可以用于流量、温度、距离等多种测量领域。
关键词
时间测量
时间数字转换器(TDC)
抽头延迟线法
环形振荡器(环振)
Keywords
time measurement
time-to-digital converter(TDC)
tapped delay line
ring oscillator(RO)
分类号
TN47 [电子电信—微电子学与固体电子学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种低功耗抗差分功耗分析攻击的SM4算法实现
牛
砚
波
蒋安平
《微电子学与计算机》
CSCD
北大核心
2014
4
下载PDF
职称材料
2
改进的支持向量预选取方法在语音识别中的应用(英文)
郝瑞
牛
砚
波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2015
1
下载PDF
职称材料
3
面向语音识别的SVDD改进算法及仿真研究(英文)
郝瑞
刘晓峰
牛
砚
波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2017
1
下载PDF
职称材料
4
支持向量机语音识别算法在DM6446上的实现
牛
砚
波
张雪英
刘晓峰
《计算机工程与应用》
CSCD
2012
1
下载PDF
职称材料
5
一种基于环振的高精度时间测量芯片设计实现
蒋安平
牛
砚
波
胡文瑞
胡贵才
吴晓静
刘立全
刘丽丽
何宇
《电子技术应用》
北大核心
2017
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部