我们研究了从舌头的超声图像和嘴唇的视频图像中进行多说话人语音识别。我们在模态语音的图像数据上训练我们的系统,并在两种说话模式的匹配测试集上进行评估:无声语音和模态语音。我们观察到,从图像数据中进行的无声语音识别表现不如模态语音识别,这可能是因为训练和测试之间的说话模式不匹配。我们使用解决领域不匹配的技术来提高无声语音识别性能,例如 fMLLR 和无监督模型自适应。我们还从话语持续时间和发音空间大小方面分析了无声语音和模态语音的特性。为了估计发音空间,我们计算从超声舌头图像中提取的舌头样条的凸包。总体而言,我们观察到无声语音的持续时间比模态语音的持续时间长,并且无声语音比模态语音覆盖的发音空间小。尽管这两个特性在各种说话模式下都具有统计显著性,但它们与语音识别的单词错误率并不直接相关。索引词:无声语音界面、无声语音、超声舌成像、视频唇成像、发音语音识别
目的:使用超声成像扫描仪进行原位药物输送可以大大简化治疗并提高其特异性。我们的目标是使用具有毫米分辨率的临床超声扫描仪在体内输送大量封装的药物。本研究描述了荧光素在超声诱导复合液滴中的封装以及它在大鼠肝脏预定区域中的靶向释放。方法:使用微流体系统将荧光素水溶液封装在 4 μ m 单分散液滴中的全氟碳液体中。然后将药物注射到 12 只大鼠的股静脉内。在探索性超声成像后,超声医师在肝脏中定义五个区域,并在同一设备上启动释放序列。在对肝脏样本进行切片以进行病理学检查之前,在荧光宏观检查和术中荧光相机下体内观察肝脏表面。结果:液滴转换后,超声技师选定区域的对比度增加 25 dB。这些高回声区域与肝脏表面的明亮荧光点共定位。液滴内容物的输送需要最低峰值负压 2.6 MPa,这符合成像脉冲的规定。组织和细胞结构不受释放序列的影响。结论:由于复合液滴可以携带各种治疗剂和成像剂,因此它们可以将这些药剂专门输送到任何可接触超声的器官中。© 2012 美国医学物理学家协会。[ http://dx.doi.org/10.1118/1.4736822 ]
在某种程度上,汽车的速度/巡航控制可以比作超声波处理器。速度/巡航控制旨在确保您的车辆保持恒定的行驶速率或速度。随着地形的变化,车辆保持恒定速度的功率要求也会发生变化。如果您已设置巡航控制并开始上坡,则发动机必须产生更多功率(RPM 或每分钟转数)才能保持恒定速度。巡航控制可以感知这些要求并自动调整发动机提供的功率以补偿不断变化的条件。因此,在这个例子中,瓦数可以被认为是发动机的 RPM,振幅是保持的恒定速度。
在某种程度上,汽车的速度/巡航控制可以比作超声波处理器。速度/巡航控制旨在确保您的车辆保持恒定的行驶速率或速度。随着地形的变化,车辆保持恒定速度的功率要求也会发生变化。如果您已设置巡航控制并开始上坡,则发动机必须产生更多功率(RPM 或每分钟转数)才能保持恒定速度。巡航控制可以感知这些要求并自动调整发动机提供的功率以补偿不断变化的条件。因此,在这个例子中,瓦数可以被认为是发动机的 RPM,振幅是保持的恒定速度。
摘要 — 自动驾驶汽车依靠传感器测量路况并做出驾驶决策,其安全性在很大程度上取决于这些传感器的可靠性。在所有障碍物检测传感器中,超声波传感器的市场份额最大,预计将越来越多地安装在汽车上。此类传感器通过发射超声波并分析其反射来发现障碍物。通过利用传感器的内置漏洞,我们设计了针对超声波传感器的随机欺骗、自适应欺骗和干扰攻击,并设法欺骗车辆在应该继续行驶时停止,并让它在应该停止时无法停止。我们对独立传感器和移动车辆进行了攻击验证,包括带有“自动驾驶”系统的特斯拉 Model S。结果表明,攻击不仅会导致传感器失明和故障,还会导致自动驾驶汽车失明和故障,从而导致碰撞。为了增强超声波传感器和自动驾驶汽车的安全性,我们提出了两种防御策略,基于单传感器的物理移位认证(在物理层面验证信号)和多传感器一致性检查(使用多个传感器在系统层面验证信号)。我们对真实传感器的实验和 MATLAB 仿真揭示了这两种方案的有效性。
在某种程度上,汽车上的速度/巡航控制可以比作超声波处理器。速度/巡航控制旨在确保您的车辆保持恒定的行驶速度。随着地形的变化,车辆保持恒定速度的功率要求也会发生变化。如果您已设置巡航控制并开始上坡,则发动机必须产生更多功率(RPM 或每分钟转数)才能保持恒定速度。巡航控制可以感知这些要求并自动调整发动机提供的功率以补偿不断变化的条件。因此,在此示例中,瓦数可以被视为发动机 RPM,振幅可以被视为保持的恒定速度。