语音合成音质的好坏，语音识别率的高低，都取决于对语音信号分析的准确度和精度。例如，利用线性预测分析来进行语音合成，其先决条件是要用线性预测方法分析语音库，如果线性预测分析获得的语音参数较好，则用此参数和成的语音音质就较好。例如，利用带通滤波器组法来进行语音识别，其先决条件是要弄清楚语音共振峰的幅值，个数，频率范围及其分布情况。
语音信号特征的分析可以分为时域，频域和倒谱域。
时域分析简单直观，清晰易懂，物理意义明确。
更多有效的分析是围绕频域进行的，因为语音中最重要的感知特性反应在其功率谱中，其相位变化只起着很小的作用。
常用频域分析有带通滤波器组，傅里叶变换法和线性预测分析法。频谱具有很明显的声学特性，利用频域分析获得的特征具有实际的物理意义，如共振峰参数，基音参数周期等。
倒谱域是对对数功率谱进行傅里叶反变换得到的，可以将声道特性和激励特性有效的分开，更好的揭示语音信号的本质特征。
可以将语音信号分析分为模型分析法和非模型分析法两种。模型分析法是指依据语音信号产生的数学模型，来分析和提取表征这些模型的特征参数；共振峰模型分析法和线性预测都术语这种方法。凡不进行模型化分析的其他方法都属于非模型分析法，包括上面提到的时域分析法，频域分析法及同态分析法。
贯穿语音信号分析全过程的是“短时分析技术”。短时间内特性基本保持不变，相对稳定，准稳态过程。10~30ms内保持相对平稳。
实际信号常有一些低能量的信号分量超过采样频率的一半，如浊音的频谱超过4khz的分量至少比峰值低40db，而清音，超过8khz，频率分量也没有显著下降，因此语音信号所占的频率范围可以达到10khz以上，但对语音清晰度的有明显影响部分的最高频率为5.7kHZ左右。
电话系统为8kHZ，而时间中，采样频率为8-10kHZ，而语音合成或者语音识别，获得更高的质量，采样频率一般为15——20kHZ。
在一般的识别系统中，采样率最高为16kHZ，当继续增加采样率是，识别率几乎没有增加。
量化： 有三种方式，零记忆量化，分组量化和序列量化。
假设语音信号在10~30ms内是平稳的，后面所有的分析都是在这个假设下进行的。
为了得到短时的语音信号，要对语音信号进行加窗的操作，窗函数平滑的在语音信号上滑动，将语音信号分成帧。分帧可以连续，也可以采用交叠分段，交叠部分称为帧移，一般为窗长的一般。
加窗时，不同窗口将影响到语音信号分析的结果
窗的长度对能否反映语音信号的幅度变化起决定性作用。如果N特别大，即等于几个基因周期量级，则窗函数等效于很窄的低通滤波器，此时信号短时信息将缓慢的变化，因而不能充分反映波形变化的细节。如果N特别小，即等于或小于一个基因周期的量级，则信号的能量将按照信号波形的细微状况而很快的启发，但如果N太小，滤波器的通带变宽，则不能获得平滑的短时信息，因此窗口的长度要选择合适。窗的衰减基本与窗的持续时间无关，因此当改变宽度N时，会使带宽发生变化。
窗口长度是相对于语音信号的汲引周期而言，通常认为一个语音帧内，应含有1~7个基音周期，然而不同人的基音周期变化范围很大，基音周期的持续时间会从高音的约20个采样点变化到低音调250个采样点，这意味着可能需要多个不同的N值，所以N的选择比较困难，通常在采样频率10kHZ的情况，N选择100~200量级（10~20ms)持续时间是比较合适的。
有声（V）无声（S）清音（U）判决。
能够实现这些判决的依据再于，不同性质的语音各种短时参数具有不同的概率密度函数，以及相邻的若干帧具有一致的语音特性，不会再S , U, V之间快速变化。
每个语音的输入起点和重点，利用短时平均幅度参数M和短时过零率可以做到这一点。
浊音情况下短时平均幅度参数的概率密度函数P(M|V)确定一个阈值参数M_H.根据M_H可以确定前后两个点A_1和A_2 后肯定是语音段，但精确起点，还要仔细查找。
为此，再设定一个较低的阈值参数M_L, 然后确定B_1 和 B_2， 从这两个点之后用短时过零率搜索。 清音的过零率高于无声段，但是能量低。
但是在研究结果中表明，利用短时平均过零率区分无声和清音在有些情况下不是很可靠，由于清音的强度会比无声段高一下，将门限提高一些对清音的影响不大，但在没有背景噪声的情况下，无声段将不会穿越这一提高的电平，因为可以正确区分清音和无声段。
因此采用这种过零率，具有抗干扰能力
滤波器可以是宽带带通滤波器，具有平摊的特性，粗略求语音的频谱，频率分辨率低，可以是窄带滤波器，频率分辨率较高。
现在一般都在用数字滤波器，其中如何将模拟滤波器数字化，涉及到零点极点的内容，需要参考DSP的内容。极点波峰，零点波谷。
为窗口函数。
两种方式来理解物理意义
在实际计算时，一般用离散傅里叶变换代替连续傅里叶变换，则需要对信号进行周期延拓。(非周期->连续谱，周期->离散谱)，这时候得到的是功率谱 。 如果窗长度为 , 那么 的长度为 , 如果对 以 进行周期拓展，则自相关就会出现混叠现象，即这个周期的循环相关函数在一个周期中的值就与线性相关 的值不同，这样得到的功率谱就是一组前采样，若想得到全部的 个值，可以补充L个零，扩展成2L的信号，并做离散傅里叶变换，这时的循环相关与现行相关是等价的。（ 后面这句话对我来说暂时是天书 ）
在对窗函数的分析中，我们知道对于任何一个窗函数都存在旁瓣效应，这时候有谐波效应。
语谱图的时间分辨率和频率分辨率是由所采用的窗函数决定的。假设时间固定，对信号乘以窗函数相当于在频域用窗函数的频率响应与信号频谱的卷积。如果窗函数的频率响应 的通带宽度为 ,那么语谱图中的频率分辨率的宽度即为 。即卷积的作用将使任何两个相隔间隔频率小于 的谱峰合并为一个单峰。对于窗函数而言，通带宽度与窗长成反比，如果希望频率分辨率高，则窗长应该尽量长一些。
对于时间分辨率，假设频率固定，相当于对时间序列 做低通滤波，输出信号的带宽就是 的带宽b，根据采样定理，只需要以 的采样率就可以反映出信号的所有频率成分，这时候所具有的时间分辨率的宽度为 . 因此如果希望时间分辨率高，则窗长应该短一些。因此时间分辨率和频率分辨率是相互矛盾的，这也是短时傅里叶变换本身固有的缺点。
点评：
1.26新增理解：
这类线性主要有短时傅里叶变换与Gabor变换和小波变换，其中STFT和Gabor变换是一种加窗的傅里叶变换，使用固定大小的时频网格，时频网格在时频变换只限于时间平移和频率平移，窗函数固定的，只适用于分析带宽固定的非平稳信号，实际应用中，希望对低频分析，频率分辨率高，高频时间分辨率高，要求窗函数宽度能随之频率变化而变化。小波分析的视频分析网格变化除了时间平移外，还有时间和频率轴比例尺度的改变。适用于分析具有固定比例带宽的非平稳信号。
这类时频由能量谱或功率谱演化而来，其特点是变换为二次的。双线性关系可以表示为 其中 为能量谱，而 表示取共轭操作。
点评： 好像没见过，先跳过。。。。。
在信号分析与信号处理中，信号的“时间中心”及“时间宽度”以及频率中心与频率宽度是非常重要的概念，分别说明信号在时域和频域中心位置在两个域的扩展情况。
信号再这两个物理量的测量上有一个重要的约束原则，就是著名的“不确定性原理”。它的意义是，信号波形在频率轴上的扩张和时间轴上的扩张不可能同时小于某一界限，即若函数 和 构成一堆傅里叶变换，则不可能同时是短宽度的,即 等号成立的充分必要条件是 为高斯函数，即 . 证明，用Cauchy-Schwarts不等式可得。
窗函数为高斯函数的短时傅里叶变换称为Gabor变换。
是大于0的固定常数。由于 , 因此 . 这表明，信号 的gabor 变换 是对任何 在时间 附近对 傅里叶变换的局部化（在说什么？？），达到了对 的精确分解。
Gabor变换是具有最小时频窗的短时傅里叶变换。但进一步研究发现，这两种变换都没有离散的正交基, 所以没有像离散傅里叶变换FFT那种快速算法。而且窗函数固定不变，不能随着所分析信号的成分是高频还是低频做相应的变化。所以这时候有小波变换，能够自动调节窗口长度。
小波理论采用多分辨率的分析的思想，非均匀地划分时频空间，为非平稳信号的分析提供了新途径。
定义： 小波是函数空间 中满足下述条件的一个函数或者信号 其中 表示全体非零实数， 为 的频域表示形式。 称为小波母函数。对于任意实数对，称如下形式的函数为右小波母函数生成的依赖于参数（a,b）的连续小波函数，称为小波，其中a必须为非零实数。 的作用是把基本小波 做伸缩， 的作用是确定对 分析的时间位置，也即是实践中心。 在 的附近存在明显的波动，而且波动范围的大小完全依赖于尺度因子 的变化。 时，一致， 时，范围比原来小波函数 范围大些，小波的波形变得矮宽，变化越来越缓慢，当 时， 在 附近波动范围药效，小波波形尖锐而消瘦。
给定平方可积的信号 ，即 , 则 的小波变换定义为 与傅里叶变换不同，小波变换是一个二元函数。另外，因为母函数 只在原点附近才会有明显偏离水平轴的移动，远离原点，迅速衰减为0.
假设小波函数 及傅里叶变换 都满足窗口函数的要求，他们的窗口中心和半径分别记为 和 和 和 , 可以证明对于任意任意参数对，连续小波变换和其傅里叶变换都满足窗口函数的要求，他们的窗口中心和宽度分别为
则时频窗是平面一个可变的矩形，面积为 . 这个面积只与小波的母函数 有关，与 无关，但形状随着a变换。
如果按照线性模型理论，语音信号是由激励信号和声道响应卷积产生。解卷就是将各卷积分量分开。解卷算法分为两大类，一类称为“参数解卷”，即线性预测分析，另一类算法称为“非参数解卷”，即同态解卷积，对语音信号进行同态分析后，将得到语音信号的倒谱参数，此时同态分析也称为 倒谱分析或者同态处理。
同态处理是一种较好的解卷积方法，它可以较好的将语音信号中的激励信号和声道响应分离，并且只需要用十几个倒谱系数就能相当好的描述语音信号的声道特性，因此占很重要的位置。
通常的加性信号可以用线性系统处理，满足线性叠加原理。然后很多信号是由乘性信号或者卷积信号组合的信号。这样的信号不能用线性系统处理，得用非线性系统处理。但是非线性系统分析起来困难，同态语音辛哈就是将非线性问题转换为线性问题处理。语音信号可以看做是声门激励信号与声道响应的卷积结果，所以下面仅讨论卷积同态信号的处理问题。
同态语音信号处理的一个通用的系统如图3-23所示，其符号 表示由卷积组合规则组合起来的空间，即该系统的输入和输出都是卷积性信号。同态系统的一个最主要理论结果是同态系统理论分解，分解的目的是用两个特征系统和一个线性系统来代替非线性的同态系统。分解的情形如下面所示。
分别对应声门激励信号（excitation 和 vocal tract），特征信号 是将卷积信号转化为加性信号，这时候进行Z变换，将卷积信号转化为乘积信号（疑问1），这时候得到的就是频谱,然后通过对数运算，变成加性信号，但是这个时候是对数频谱，使用不便。最后再变换回时域信号。 是在倒谱域对信号处理，常见处理方式是将语音声源信号与声道信号分离。 在倒谱域，总可以找到一个 ，当 时，声道滤波器的倒谱为0，当 时，激励的倒谱接近于0.
如果想再恢复语音信号，用d所示的逆特征系统运算即可。
MFCC (Mel Frequency cepstrum coefficient)，MFCC是将人耳的听觉感知特性和语音产生机制相结合，因此目前大多数语音识别系统广泛使用这种特征。
耳蜗的滤波作用是在对数频率尺度进行的，在1000Hz以下为线性，在1000Hz以上为对数，这就使得人耳对低频比高频更敏感 对频率轴不均匀划分是MFCC特征区别于前面普通倒谱特征的最重要的特点，变换到Mel域后，Mel带通滤波器组的中心频率是按照Mel刻度均匀排列的，实际应用中，MFCC计算过程如下
MFCC有效利用的听觉特性，因此改变了识别系统的性能，如果倒谱位数增加，对识别性能影响不大。但采用动态特征，误识率有20%的下降。
点评2019.01.30：第三四次囫囵吞枣的看完MFCC，即使知道了倒谱，但最后按个离散余弦变换还是比较不能联系上，反正感觉乱乱的吧，包括差分之类的，想被打回哪门语音信号处理课上回炉了，Mark一下，始终有一天会懂其中的深意的。
与机器进行语音交流，让机器明白你说什么，这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。 任务分类和应用 根据识别的对象不同，语音识别任务大体可分为3类，即孤立词识别（isolated word recognition)，关键词识别（或称关键词检出，keyword spotting)和连续语音识别。其中，孤立词识别 的任务是识别事先已知的孤立的词，如“开机”、“关机”等；连续语音识别的任务则是识别任意的连续语音，如一个句子或一段话；连续语音流中的关键词检测针对的是连续语音，但它并不识别全部文字，而只是检测已知的若干关键词在何处出现，如在一段话中检测“计算机”、“世界”这两个词。根据针对的发音人，可以把语音识别技术分为特定人语音识别和非特定人语音识别，前者只能识别一个或几个人的语音，而后者则可以被任何人使用。显然，非特定人语音识别系统更符合实际需要，但它要比针对特定人的识别困难得多。另外，根据语音设备和通道，可以分为桌面（PC）语音识别、电话语音识别和嵌入式设备（手机、PDA等）语音识别。不同的采集通道会使人的发音的声学特性发生变形，因此需要构造各自的识别系统。语音识别的应用领域非常广泛，常见的应用系统有：语音输入系统，相对于键盘输入方法，它更符合人的日常习惯，也更自然、更高效；语音控制系统，即用语音来控制设备的运行，相对于手动控制来说更加快捷、方便，可以用在诸如工业控制、语音拨号系统、智能家电、声控智能玩具等许多领域；智能对话查询系统，根据客户的语音进行操作，为用户提供自然、友好的数据库检索服务，例如家庭服务、宾馆服务、旅行社服务系统、订票系统、医疗服务、银行服务、股票查询服务等等。 前端前端处理是指在特征提取之前，先对原始语音进行处理，部分消除噪声和不同说话人带来的影响，使处理后的信号更能反映语音的本质特征。最常用的前端处理有端点检测和语音增强。端点检测是指在语音信号中将语音和非语音信号时段区分开来，准确地确定出语音信号的起始点。经过端点检测后，后续处理就可以只对语音信号进行，这对提高模型的精确度和识别正确率有重要作用。语音增强的主要任务就是消除环境噪声对语音的影响。目前通用的方法是采用维纳滤波，该方法在噪声较大的情况下效果好于其它滤波器。处理声学特征 声学特征的提取与选择是语音识别的一个重要环节。声学特征的提取既是一个信息大幅度压缩的过程，也是一个信号解卷过程，目的是使模式划分器能更好地划分。由于语音信号的时变特性，特征提取必须在一小段语音信号上进行，也即进行短时分析。这一段被认为是平稳的分析区间称之为帧，帧与帧之间的偏移通常取帧长的1/2或1/3。通常要对信号进行预加重以提升高频，对信号加窗以避免短时语音段边缘的影响。常用的一些声学特征* 线性预测系数LPC：线性预测分析从人的发声机理入手，通过对声道的短管级联模型的研究，认为系统的传递函数符合全极点数字滤波器的形式，从而n 时刻的信号可以用前若干时刻的信号的线性组合来估计。通过使实际语音的采样值和线性预测采样值之间达到均方差最小LMS，即可得到线性预测系数LPC。对 LPC的计算方法有自相关法（德宾Durbin法）、协方差法、格型法等等。计算上的快速有效保证了这一声学特征的广泛使用。与LPC这种预测参数模型类似的声学特征还有线谱对LSP、反射系数等等。* 倒谱系数CEP：利用同态处理方法，对语音信号求离散傅立叶变换DFT后取对数，再求反变换iDFT就可得到倒谱系数。对LPC倒谱（LPCCEP），在获得滤波器的线性预测系数后，可以用一个递推公式计算得出。实验表明，使用倒谱可以提高特征参数的稳定性。* Mel倒谱系数MFCC和感知线性预测PLP：不同于LPC等通过对人的发声机理的研究而得到的声学特征，Mel倒谱系数MFCC和感知线性预测 PLP是受人的听觉系统研究成果推动而导出的声学特征。对人的听觉机理的研究发现，当两个频率相近的音调同时发出时，人只能听到一个音调。临界带宽指的就是这样一种令人的主观感觉发生突变的带宽边界，当两个音调的频率差小于临界带宽时，人就会把两个音调听成一个，这称之为屏蔽效应。Mel刻度是对这一临界带宽的度量方法之一。MFCC的计算首先用FFT将时域信号转化成频域，之后对其对数能量谱用依照Mel刻度分布的三角滤波器组进行卷积，最后对各个滤波器的输出构成的向量进行离散余弦变换DCT，取前N个系数。PLP仍用德宾法去计算LPC参数，但在计算自相关参数时用的也是对听觉激励的对数能量谱进行DCT的方法。声学模型语音识别系统的模型通常由声学模型和语言模型两部分组成，分别对应于语音到音节概率的计算和音节到字概率的计算。本节和下一节分别介绍声学模型和语言模型方面的技术。HMM声学建模：马尔可夫模型的概念是一个离散时域有限状态自动机，隐马尔可夫模型HMM是指这一马尔可夫模型的内部状态外界不可见，外界只能看到各个时刻的输出值。对语音识别系统，输出值通常就是从各个帧计算而得的声学特征。用HMM刻画语音信号需作出两个假设，一是内部状态的转移只与上一状态有关，另一是输出值只与当前状态（或当前的状态转移）有关，这两个假设大大降低了模型的复杂度。HMM的打分、解码和训练相应的算法是前向算法、Viterbi算法和前向后向算法。语音识别中使用HMM通常是用从左向右单向、带自环、带跨越的拓扑结构来对识别基元建模，一个音素就是一个三至五状态的HMM，一个词就是构成词的多个音素的HMM串行起来构成的HMM，而连续语音识别的整个模型就是词和静音组合起来的HMM。上下文相关建模：协同发音，指的是一个音受前后相邻音的影响而发生变化，从发声机理上看就是人的发声器官在一个音转向另一个音时其特性只能渐变，从而使得后一个音的频谱与其他条件下的频谱产生差异。上下文相关建模方法在建模时考虑了这一影响，从而使模型能更准确地描述语音，只考虑前一音的影响的称为Bi- Phone，考虑前一音和后一音的影响的称为Tri-Phone。英语的上下文相关建模通常以音素为基元，由于有些音素对其后音素的影响是相似的，因而可以通过音素解码状态的聚类进行模型参数的共享。聚类的结果称为senone。决策树用来实现高效的triphone对senone的对应，通过回答一系列前后音所属类别（元/辅音、清/浊音等等）的问题，最终确定其HMM状态应使用哪个senone。分类回归树CART模型用以进行词到音素的发音标注。 语言模型语言模型主要分为规则模型和统计模型两种。统计语言模型是用概率统计的方法来揭示语言单位内在的统计规律，其中N-Gram简单有效，被广泛使用。N-Gram：该模型基于这样一种假设，第n个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计N个词同时出现的次数得到。常用的是二元的Bi-Gram和三元的Tri-Gram。语言模型的性能通常用交叉熵和复杂度（Perplexity）来衡量。交叉熵的意义是用该模型对文本识别的难度，或者从压缩的角度来看，每个词平均要用几个位来编码。复杂度的意义是用该模型表示这一文本平均的分支数，其倒数可视为每个词的平均概率。平滑是指对没观察到的N元组合赋予一个概率值，以保证词序列总能通过语言模型得到一个概率值。通常使用的平滑技术有图灵估计、删除插值平滑、Katz平滑和Kneser-Ney平滑。 搜索连续语音识别中的搜索，就是寻找一个词模型序列以描述输入语音信号，从而得到词解码序列。搜索所依据的是对公式中的声学模型打分和语言模型打分。在实际使用中，往往要依据经验给语言模型加上一个高权重，并设置一个长词惩罚分数。Viterbi：基于动态规划的Viterbi算法在每个时间点上的各个状态，计算解码状态序列对观察序列的后验概率，保留概率最大的路径，并在每个节点记录下相应的状态信息以便最后反向获取词解码序列。Viterbi算法在不丧失最优解的条件下，同时解决了连续语音识别中HMM模型状态序列与声学观察序列的非线性时间对准、词边界检测和词的识别，从而使这一算法成为语音识别搜索的基本策略。由于语音识别对当前时间点之后的情况无法预测，基于目标函数的启发式剪枝难以应用。由于Viterbi算法的时齐特性，同一时刻的各条路径对应于同样的观察序列，因而具有可比性，束Beam搜索在每一时刻只保留概率最大的前若干条路径，大幅度的剪枝提高了搜索的效率。这一时齐Viterbi- Beam算法是当前语音识别搜索中最有效的算法。 N-best搜索和多遍搜索：为在搜索中利用各种知识源，通常要进行多遍搜索，第一遍使用代价低的知识源，产生一个候选列表或词候选网格，在此基础上进行使用代价高的知识源的第二遍搜索得到最佳路径。此前介绍的知识源有声学模型、语言模型和音标词典，这些可以用于第一遍搜索。为实现更高级的语音识别或口语理解，往往要利用一些代价更高的知识源，如4阶或5阶的N-Gram、4阶或更高的上下文相关模型、词间相关模型、分段模型或语法分析，进行重新打分。最新的实时大词表连续语音识别系统许多都使用这种多遍搜索策略。N-best搜索产生一个候选列表，在每个节点要保留N条最好的路径，会使计算复杂度增加到N倍。简化的做法是只保留每个节点的若干词候选，但可能丢失次优候选。一个折衷办法是只考虑两个词长的路径，保留k条。词候选网格以一种更紧凑的方式给出多候选，对N-best搜索算法作相应改动后可以得到生成候选网格的算法。前向后向搜索算法是一个应用多遍搜索的例子。当应用简单知识源进行了前向的Viterbi搜索后，搜索过程中得到的前向概率恰恰可以用在后向搜索的目标函数的计算中，因而可以使用启发式的A算法进行后向搜索，经济地搜索出N条候选。 系统实现 语音识别系统选择识别基元的要求是，有准确的定义，能得到足够数据进行训练，具有一般性。英语通常采用上下文相关的音素建模，汉语的协同发音不如英语严重，可以采用音节建模。系统所需的训练数据大小与模型复杂度有关。模型设计得过于复杂以至于超出了所提供的训练数据的能力，会使得性能急剧下降。听写机：大词汇量、非特定人、连续语音识别系统通常称为听写机。其架构就是建立在前述声学模型和语言模型基础上的HMM拓扑结构。训练时对每个基元用前向后向算法获得模型参数，识别时，将基元串接成词，词间加上静音模型并引入语言模型作为词间转移概率，形成循环结构，用Viterbi算法进行解码。针对汉语易于分割的特点，先进行分割再对每一段进行解码，是用以提高效率的一个简化方法。对话系统：用于实现人机口语对话的系统称为对话系统。受目前技术所限，对话系统往往是面向一个狭窄领域、词汇量有限的系统，其题材有旅游查询、订票、数据库检索等等。其前端是一个语音识别器，识别产生的N-best候选或词候选网格，由语法分析器进行分析获取语义信息，再由对话管理器确定应答信息，由语音合成器输出。由于目前的系统往往词汇量有限，也可以用提取关键词的方法来获取语义信息。 自适应与强健性 语音识别系统的性能受许多因素的影响，包括不同的说话人、说话方式、环境噪音、传输信道等等。提高系统鲁棒性，是要提高系统克服这些因素影响的能力，使系统在不同的应用环境、条件下性能稳定；自适应的目的，是根据不同的影响来源，自动地、有针对性地对系统进行调整，在使用中逐步提高性能。以下对影响系统性能的不同因素分别介绍解决办法。解决办法按针对语音特征的方法（以下称特征方法）和模型调整的方法（以下称模型方法）分为两类。前者需要寻找更好的、高鲁棒性的特征参数，或是在现有的特征参数基础上，加入一些特定的处理方法。后者是利用少量的自适应语料来修正或变换原有的说话人无关（SI）模型，从而使其成为说话人自适应（SA）模型。说话人自适应的特征方法有说话人规一化和说话人子空间法，模型方法有贝叶斯方法、变换法和模型合并法。语音系统中的噪声，包括环境噪声和录音过程加入的电子噪声。提高系统鲁棒性的特征方法包括语音增强和寻找对噪声干扰不敏感的特征，模型方法有并行模型组合PMC方法和在训练中人为加入噪声。信道畸变包括录音时话筒的距离、使用不同灵敏度的话筒、不同增益的前置放大和不同的滤波器设计等等。特征方法有从倒谱矢量中减去其长时平均值和RASTA滤波，模型方法有倒谱平移。 微软语音识别引擎 微软在office和vista中都应用了自己开发的语音识别引擎，微软语音识别引擎的使用是完全免费的，所以产生了许多基于微软语音识别引擎开发的语音识别应用软件，例如《语音游戏大师》《语音控制专家》《芝麻开门》等等软件。 语音识别系统的性能指标 语音识别系统的性能指标主要有四项。①词汇表范围：这是指机器能识别的单词或词组的范围，如不作任何限制，则可认为词汇表范围是无限的。②说话人限制：是仅能识别指定发话者的语音，还是对任何发话人的语音都能识别。③训练要求：使用前要不要训练，即是否让机器先“听”一下给定的语音，以及训练次数的多少。④正确识别率：平均正确识别的百分数，它与前面三个指标有关。小结以上介绍了实现语音识别系统的各个方面的技术。这些技术在实际使用中达到了较好的效果，但如何克服影响语音的各种因素还需要更深入地分析。目前听写机系统还不能完全实用化以取代键盘的输入，但识别技术的成熟同时推动了更高层次的语音理解技术的研究。由于英语与汉语有着不同的特点，针对英语提出的技术在汉语中如何使用也是一个重要的研究课题，而四声等汉语本身特有的问题也有待解决。
在这些区段以160km/h及以下速度运行的列车，大都安装通用式机车信号加机务监控装置。对此，铁道部明确要求，新标准要涵盖这一情况，保证通用机车信号设备在200km/h区段能正常工作。这要求机车信号设备在信息接收方面要向上兼容。 ...
铁道信号自动化论文
铁道信号是一种控制列车运行间隔保证列车运行的一种技术手段，本文为铁道信号自动化论文，希望对大家有帮助！
摘要： 铁路信号设备的地位是组织指挥列车运行，保证行车安全，提高运输效率，传递信息，改善行车人员劳动条件的关键设施。信号继电器是铁路信号中所用各类继电器的统称。信号机和信号表示器构成信号显示，用来指示列车运行和调车作业的命令。轨道电路用来监督列车对轨道的占用和传递行车信息。
关键词： 铁路信号设备 信号继电器 动作原理
安全型继电器是铁路信号继电器的主要定型产品，采用24V直流系列的重弹力式直流电磁继电器，其基本结构是无极继电器。电磁原理使其吸合，依靠重力使其复原。信号机和信号表示器构成信号显示，在列车提速的情况下，迫切需要将机车信号主体化，其显示方式也逐步实现数字化。轨道电路有调整状态、分路状态和断轨状态三种最基本的工作状态，其基本参数有道岔电阻、钢轨阻抗等。信号设备大体上可以分为车站联锁设备、区间闭塞设备、机车信号和列车运行控制设备、调度监督和调度集中、驼峰调车、道口信号设备等，信号现代化的方向是数字化、网络化、智能化和综合化。
1 铁路信号继电器
（1）继电器的基本原理。由接点系统和电磁系统两大部分组成，电磁系统由线圈、固定的铁心、轭铁以及可动的衔铁。接点系统由动接点、静接点构成。（2）动作原理。当线圈中通入一定数值的电流后，由于电磁作用或感应方法产生电磁吸引力，吸引衔铁，由衔铁带动接点系统，改变其状态、从而反映输入电流的状况。可以说明继电器最基本的工作原理：可见，继电器具有开关特性，利用其接点的通、断电路，从而构成各种控制表示电路。（3）继电器的作用。能够以极小的电信号控制执行电路中相当大的对象，能够控制数个对象和数个回路，也能控制远距离的对象。有着良好的开关性能：闭合阻抗小、断开阻抗大，有故障→安全性能，能控制多回路、抗雷击性能强、无噪声、温度影响小等。在以继电技术构成的系统中，大量使用，在以电子元件和微机构成的系统中，作为接口部件，将系统主机与信号机、轨道电路、转辙机等执行部件结合起来。
2 安全型继电器
AX系列安全型继电器是直流24V系列的重弹力式直流电磁继电器，其典型结构为无极继电器，其它各型号都是由其派生而成。因此，决大部分零件都能通用。
2.1 插入式和非插入式
外观上是否有防尘罩，前者单独使用，后者匝内使用。
2.2 型号的表示法
采用汉字拼音字母和数字表示，字母表示继电器种类，数字表示线圈的阻值.
2.3 安全型继电器的结构和动作原理
（1）无极继电器：结构：电磁系统（线圈、铁心、轭铁、衔铁）接点系统（拉杆、动静接点组）；动作原理：电→磁→力→动作拉杆，F吸引力>F重力为吸起状态。F吸引力 3 铁路信号中的继电器的应用继电器构成的各种控制表示电路，统称继电电路。
（1）选择继电器的一般原则。继电器的类型、线圈电阻，应满足各种电路的基本要求。电路中串联使用继电器时，串联继电器的数量满足电压的要求。继电器接点通过的`电流不应小于电路的工作电流，必要时采用并联。继电器接点数量不够时（不能满足电路要求时），设置复示继电器反映主继电器工作状态。电路中串联继电器接点时，接点的接触电阻满足电路要求（不影响电路正常工作）。
（2）继电器的表述。继电器的名称符号根据主要用途和功能命名。如：按钮继电器为AJ，信号继电器为XJ等。对于同一功能和作用的继电器不止一个时，名称必须加以区别。如：XLAJ，SLAJ等。
（3）继电器的定位。
1）继电器的定位状态必须和设备的定位状态一致。如：信号机以关闭为定位状态；道岔以开通定位为定位状态，轨道电路以空闲为定位状态。
2）继电器的落下状态必须与设备的安全侧相一致，满足故障——安全原则。如：信号继电器落下——信号机的关闭，轨道继电器的落下——轨道电路被占用。在电路中，凡是以吸起为定位状态的继电器，其接点和线圈均以“↑”符号表示，凡是以落下为定位状态的继电器，其接点和线圈以“↓”表示。
3）继电器的符号，对于线圈必须注明其定位状态箭头和线圈端子号。对于其接点只须标出其接点组号，而不必详细标明动、前、后接点号。但必须标出箭头方向。
4 继电器线圈的使用的要求
必须满足继电器的工作安匝和释放安匝。串联：前后线圈串联；如：JWXC-1700。并联：前后线圈并联；如：JWXC-850/850。单线圈使用时，为了保证得到与两线圈串联使用同样的工作安匝，通过线圈的电流必须比串联时大一倍，所消耗功率也大一倍。此时，电源容量要大，线圈易发热。因此，继电器大都采用两线圈串联使用的方法。但当电路需要时，也采用分线圈使用的方法。两线圈并联使用时，所需电压比串联时低一半，一般使用在较低电压的电路中。
参考文献
[1]25HZ相敏轨道电路（第三版）.人民铁道出版社.
[2]陈广存.铁路信号概论.
[3]铁路信号基础设备.西南交通大学出版社，2008.
[4]铁路信号新技术概论（修订版）.中国铁道出版社.
相关论文：Vc++下如何利用Matlab工具箱进行数字信号处理摘要： 本文详述了在Vc环境下如何利用Matlab工具箱进行数字信号处理，全文以Matlab工具箱中功率谱密度分析函数为例，介绍了通过Matlab自带的引擎、Matlab自身的编译器以及利用MathTools公司的Matcom进行对工具箱函数的调用。 关键词：Matlab M-文件 引擎 编译器 Matcom Vc++Matlab的信号处理工具箱是信号算法文件的集合，它处理的基本对象是信号与系统，信号处理工具箱位于目录、Toolbox\Signal下，利用工具箱中的文件可以实现信号的变换、滤波、谱估计、滤波器设计等。在其它的环境如Vc下如果能调用Matlab工具箱中的文件，会大大地加快一些算法的实现，同时其可靠性也很高。利用Matlab引擎 Matlab引擎采用客户和服务器计算方式，在运用中，Vc的C语言或C++语言的程序作为前端客户机，它向Matlab引擎传递命令和数据信息，并从Matlab引擎接收数据信息，它提供了下列几个函数： engOpen, engGetArray, engPutArray, engEvaString, engOutputBuffer ,engClose与客户机进行交互。下面例程是在Vc下建一个基于对话框的应用程序，在对话框中设置一个Button控件OnMatlabEngine.,在对话框 .cpp文件中加入”engine.h” 和“math.h” 头文件，下面给出部分程序清单。Void CtestmatlabDlg::OnMatlabEngine(){Engine *ep;mxArray* T=NULL,*result=NULL,*mFs=NULL,*mnfft= NULL;double datax[1024];char buffer[1024];for(int j=0;j<1024;j++)//注：如通过采集卡采集数据可将采集的数据放在datax[]数组中,此循环就不需要{double samt=(double)(1.0/1024); datax[j]=sin(2.0*63.0*samt*3.1415926+1.15*3.1415926);}double *pPxx,*pFxx;if(!(ep=engOpen(" \0"))){//打开Matlab引擎，建立与本地Matlab的连接fprintf(stderr,"\n Can't start MATLAB engine\n");exit(-1);} double Fs[1]={1024};//因为Matlab所有参与运算的参数都是矩阵的形式，因而下列几行将参数转变double nfft[1]={1024};//成Matlab可接受的矩阵形式。T=mxCreateDoubleMatrix(1,1024,mxREAL);mnfft=mxCreateDoubleMatrix(1,1,mxREAL);mFs=mxCreateDoubleMatrix(1,1,mxREAL);mxSetName(T,"T");mxSetName(mnfft,"mnfft");mxSetName(mFs,"mFs");memcpy((char*)mxGetPr(T),(char*)datax, 1024*sizeof(double));memcpy((char*)mxGetPr(mnfft),(char*)nfft, sizeof(double));memcpy((char*)mxGetPr(mFs),(char*)Fs,1*sizeof(double));engPutArray(ep,T); //将转化的参数放入引擎中，此时可在Matlab command窗口下查看此参数engPutArray(ep,mnfft); engPutArray(ep,mFs);engEvalString(ep,"[pxx,fo]=psd(T,mnfft,mFs);"); //利用引擎执行工具箱中文件engOutputBuffer(ep,buffer,512); //如只想看显示图形，可将返回参数去掉，psd无返回参数缺省情况下会自动画图形result=engGetArray(ep,"pxx");//取出引擎中的数据放在所指的区域中供后续处理pPxx=mxGetPr(result); result=engGetArray(ep,"fo");pFxx=mxGetPr(result);engEvalString(ep,"plot(fo,10*log10(pxx));");//利用引擎画图engEvalString(ep,"title('功率谱分析');");engEvalString(ep,"xlabel('Hz');");engEvalString(ep,"ylable('db');");mxDestroyArray(T); //释放内存mxDestroyArray(mFs);mxDestroyArray(mnfft);mxDestroyArray(result);engEvalString(ep,"close;");engClose(ep);}上述程序在Vc下编译需要将 libeng.dll和libmx.dll两个动态库利用以下的命令：lib/def:<自己的Matlab的安装路径,下同>e:\ Matlab\extern\include\*.def /machine:ix86 /out:*.lib来生成程序所需的静态连接库libeng.lib和libmx.lib,将libeng.lib和libmx.lib所在的目录加入Vc++ project/link/object/library modules下即可。利用Matlab自身的编译器调用工具箱中的函数 Matlab的编译器可将Matlab的M文件转换为为C或C++的源代码以产生完全脱离Matlab运行环境的独立的运用程序，但Matlab本身的资料说明编译器如用来建立独立的运用程序，不能调用Matlab工具箱中的函数，这非常不利于搞一些特殊的算法。本人研究了一段时间发现，工具箱中的函数既然是M文件就一定可以用编译器来编译，以提供如Vc的调用函数，但是编译器只能编译一个独立的M文件，即这个 M文件不依赖于其他的M文件。如果M文件中又调用了其他的M文件，可将被调用的M文件拷贝到调用M文件的相应位置，作适当的改动就可以用于编译器编译。编译器不支持图形函数，所以M文件中如有图形函数需注释掉。当Matlab的编译器mcc加入适当的参数-e(mcc –e *.*)或-p(mcc –p *.*)就可生成将输入的M文件转换为适用于特定运用的C或C++源代码。这样如果要在Vc下编译通过,还需连入以下几个库libmmfile.dll, libmatlb.dll, libmcc.dll, libmat.dll. libmx.dll. mibut.dll 以及Matlab C MATH库，建议采用前述的方法将动态连接改为静态连接。对于C/C++编译环境的设置，在Matlab command窗口下运行mex –setup 然后依提示操作，而对于C/C++连接环境的设置，运行mbuild –setup依提示操作即可。下面给出利用编译器将Matlab工具箱中psd.m文件生成可供Vc调用的函数。将psd.m文件拷贝一份至Matlab\bin目录下，改写相应调用的M文件如nargchk.m, hanning.m等。为生成的代码简洁，对于采集数据处理输入参数很明了的情况下可作大量的删减，最终使psd.m成为一个不依赖于其他M文件的独立的M文件，注意千万注释掉作图代码，最终改成如下形式，限于篇幅给出关键的几步： function [Pxx,f]=psd(Fs,nfft,noverlap,x)window=o,5*(1-cos(2*pi*(1:nfft)’/(nffft+1)));//hanning 窗dflag=’none’;window=window(;)………………………………….以上只要稍懂Matlab语言和信号处理知识就可完成这项工作。假设上述代码重新存为testwin.m,在Matlab command 窗口下设置好环境参数运行mcc –e testwin,则可在Matlab\bin下生成testwin.c ,如运行mcc –p testwin 则生成testwin.cpp. Vc下建立一个基于对话框的文件，然后在对话框里加一个Button控件OnButtonPsd 将上述生成的.c文件的头文件加入到工程的.cpp中，且将#ifdef_cplusplus extern “c”{#end ifc代码声明加入Vc的包含文件和生成的.C的包含文件之间将#ifdef_cplusplus}#end if加入.cpp文件未尾为了简洁且便于处理将生成的c函数稍改动，给出部分代码如下： void CTestpsdwinDlg::OnButtonPsd(){mxArray* x_rhs_;//指向采集数据存放区Fs=23510;//数据采集的频率 nfft=1024;//1024点的fftdouble datax[1024]//采集的数据x_rhs_mxCreateDoubleMatrix(1,1024,mxReal);memcpy(mxGetPr(x_rhs_),datax,1024*sizeof(double));noverlap=512;……………….……………….mccCopy(&Pxx,&Spec);mccCopy(&f,&frevgg_vector);for(int j=0;j<(int)(nfft/2+1);j++){datap[j]=mccGetRealVectorElement(&Pxx, (j+1));//功率谱密度存于datap[]数组dataf[j]=mccGetRealVectorElement(&f, (j+1));//相应频率存于数组dataf[]中}mccFreeMatrix(&Pxx);……………….SendMessageBox(WM_PAINT,0,0);//利用Vc下的图形函数画图Return;}如上生成的程序可读性不太好，而生成的c++代码则可读性较好，但千万注意只能用 Matlab的MATH库，不可用c++的MATH库，否则编译会出错，限于篇幅在此不述。3）利用Matcom调用工具箱中的函数Matcom编译M文件，先将M文件按照与Matcom的cpp库的对应关系翻译为cpp源代码，然后用对应版本的c编译器将cpp文件编译成相应的exe或dll文件，所以第一次运行要指定c编译器的路径，否则无法编译，指定好的编译信息就写在Matcom\bin\matcom.ini文件中，不过这一步按装matcom时，它自动寻找编译器并将其写入matcom.ini文件中，matcom4.5版中使用TeeChart3.0 OCX控件，因而它支持图形操作。我们依然用上述的testwin.m文件，不要将图形函数注释掉，利用Mideva来生成可被Vc调用的信号处理程序。运行Mideva在主界面上直打开M文件，在菜单中选择compile to dll,输入testwin..在Matcom debug目录下可以找到这样的几个文件，testwin.c ,testwin.h,testwin.cpp,testwin.lib,testwin.dll,testwin.exp等。 将上述testwin.cpp和testwin.h加入工程中，project/add to project/files并且在相应的文件中加入”stdafx.h” 加连接库：Tools\option\directory\ ， 选include选项,加入e:\matcom45\lib (包含matcom.h) library选项，加入e:\matcom45\lib4) project\add to project\files 文件类型选项选（.lib）将e:\matcom45\lib\v4501.lib加入工程中编译运行。相应代码如下：void CtestmatcomDlg::OnpsdButton(){double datap[512],dataf[512];initM(MATCOM_VERSION);//初始化matcom库Mm Fs,nfft,noverlap;//创建矩阵Mm x=zeros(1,1024);Fs=1024;nfft=1024;noverlap=128;dMm(Pxx_o);dMm(f_o);//创建并命名矩阵datax[];//数据采集的数据存于此数组中for(int i=1;i<=1024;i++){x.r(1,i)=datax[i+1];//给x阵赋值}testwin(Fs,nfft,noverlap,x,i_o,Pxx,f_o);//matcom生成的函数for(i=0;i<513;i++){//取出功率谱密度分析结果dataf[i]=f_o.r(i+1,1);datap[i]=Pxx_o.r(i+1,1);}exitM();return;}可见利用Matcom进行M文件转换非常的容易，生成的代码可读性很好，以上的转换同时生成了可供Vc调用的动态连接库，其使用和一般的动态库一样使用。同时需指明Matcom不仅可转换独立的不依赖于其它M文件的M文件，同时可转换调用其它M文件的M文件嵌套。条件是这此M文件在同一个目录下面，如前所述的psd.m可直接用上述方法转换，生成了多个重载形式的psd函数结论： 利用Mtlab引擎调用工具箱中的函数可节省大量的系统资源，应用程序整体性能较好，但不可脱离Matlab 的环境运行。用Matlab编译器进行工具箱函数的调用，须转换相应的M文件使其成为独立的M文件，且不支持图形函数，转换的代码可读性不太好。用Matcom 进行转换非常方便，生成的代码可读性很好，支持图形函数，且代码执行的速度比不转换平均要快1.5倍以上。以上程序在Vc++ 6.0,Matlab5.2,Matcom4.5中调试通过,以上方法在工程实践中已得到很好的运用。仅供参考，请自借鉴希望对您有帮助
LabVIEW LabVIEW程序LabVIEW是一种程序开发环境，由美国国家仪器（NI）公司研制开发的，类似于C和BASIC开发环境，但是LabVIEW与其他计算机语言的显著区别是：其他计算机语言都是采用基于文本的语言产生代码，而LabVIEW使用的是图形化编辑语言G编写程序，产生的程序是框图的形式。目录简介虚拟仪器 （VI) 的概念LabVIEW 的概念特点版本信息简介 虚拟仪器 （VI) 的概念 LabVIEW 的概念特点 版本信息展开 编辑本段简介虚拟仪器 （VI) 的概念虚拟仪器[1]（virtual instrument）是基于计算机的仪器。计算机和仪器的密切结合是目前仪器发展的一个重要方向。粗略地说这种结合有两种方式，一种是将计算机装入仪器，其典型的例子就是所谓智能化的仪器。随着计算机功能的日益强大以及其体积的日趋缩小，这类仪器功能也越来越强大，目前已经出现含嵌入式系统的仪器。另一种方式是将仪器装入计算机。以通用的计算机硬件及操作系统为依托，实现各种仪器功能。虚拟仪器主要是指这种方式。上面的框图反映了常见的虚拟仪器方案。 虚拟仪器[1]实际上是一个按照仪器需求组织的数据采集系统。虚拟仪器[1]的研究中涉及的基础理论主要有计算机数据采集和数字信号处理。目前在这一领域内，使用较为广泛的计算机语言是美国NI 公司的 LabVIEW[2]。 虚拟仪器的起源可以追溯到20世纪70年代，那时计算机测控系统在国防、航天等领域已经有了相当的发展。PC机出现以后，仪器级的计算机化成为可能，甚至在 Microsof t公司的 Windows 诞生之前，NI公司已经在Macintosh计算机上推出了LabVIEW2.0 以前的版本。对虚拟仪器和 LabVIEW [2]长期、系统、有效的研究开发使得该公司成为业界公认的权威。目前LabVIEW 的最新版本为 LabVIEW2011，LabVIEW 2009 为多线程功能添加了更多特性，这种特性在 1998 年的版本 5 中被初次引入。使用 LabVIEW 软件，用户可以借助于它提供的软件环境，该环境由于其数据流编程特性、LabVIEW Real-Time 工具对嵌入式平台开发的多核支持，以及自上而下的为多核而设计的软件层次，是进行并行编程的首选。 普通的 PC 有一些不可避免的弱点。用它构建的虚拟仪器[1]或计算机测试系统性能不可能太高。目前作为计算机化仪器的一个重要发展方向是制定了VXI 标准，这是一种插卡式的仪器。每一种仪器是一个插卡，为了保证仪器的性能，又采用了较多的硬件，但这些卡式仪器本身都没有面板，其面板仍然用虚拟的方式在计算机屏幕上出现。这些卡插入标准的 VXI 机箱，再与计算机相连，就组成了一个测试系统。VXI 仪器价格昂贵，目前又推出了一种较为便宜的 PXI 标准仪器。LabVIEW 的概念与 C 和 BASIC 一样，LabVIEW[2]也是通用的编程系统，有一个完成任何编程任务的庞大函数库。LabVIEW[2]的函数库包括数据采集、GPIB、串口控制、数据分析、数据 LabVIEW标志显示及数据存储，等等。LabVIEW[2]也有传统的程序调试工具，如设置断点、以动画方式显示数据及其子程序（子VI）的结果、单步执行等等，便于程序的调试。 LabVIEW[2]（Laboratory Virtual Instrument Engineering Workbench）是一种用图标代替文本行创建应用程序的图形化编程语言。传统文本编程语言根据语句和指令的先后顺序决定程序执行顺序，而 LabVIEW [2]则采用数据流编程方式，程序框图中节点之间的数据流向决定了VI及函数的执行顺序。VI指虚拟仪器，是 LabVIEW [2]的程序模块。 LabVIEW [2]提供很多外观与传统仪器（如示波器、万用表）类似的控件，可用来方便地创建用户界面。用户界面在 LabVIEW [2]中被称为前面板。使用图标和连线，可以通过编程对前面板上的对象进行控制。这就是图形化源代码，又称G代码。LabVIEW [2]的图形化源代码在某种程度上类似于流程图，因此又被称作程序框图代码。编辑本段特点尽可能采用了通用的硬件，各种仪器的差异主要是软件。 可充分发挥计算机的能力，有强大的数据处理功能，可以创造出功能更强的仪器。 用户可以根据自己的需要定义和制造各种仪器。 未来 虚拟仪器研究的另一个问题是各种标准仪器的互连及与计算机的连接。目前使用较多的是IEEE488 或 GPIB协议。未来的仪器也应当是网络化的。[2] LabVIEW[2]（Laboratory Virtual instrument Engineering Workbench）是一种图形化的编程语言的开发环境，它广泛地被工业界、学术界和研究实验室所接受，视为一个标准的数据采集和仪器控制软件。LabVIEW [2]集成了与满足 GPIB、VXI、RS-232和 RS-485 协议的硬件及数据采集卡通讯的全部功能。它还内置了便于应用TCP/IP、ActiveX等软件标准的库函数。这是一个功能强大且灵活的软件。利用它可以方便地建立自己的虚拟仪器，其图形化的界面使得编程及使用过程都生动有趣。 图形化的程序语言，又称为 “G” 语言。使用这种语言编程时，基本上不写程序代码，取而代之的是流程图或框图。它尽可能利用了技术人员、科学家、工程师所熟悉的术语、图标和概念，因此，LabVIEW[2]是一个面向最终用户的工具。它可以增强你构建自己的科学和工程系统的能力，提供了实现仪器编程和数据采集系统的便捷途径。使用它进行原理研究、设计、测试并实现仪器系统时，可以大大提高工作效率。 利用 LabVIEW[2]，可产生独立运行的可执行文件，它是一个真正的32位/64位编译器。像许多重要的软件一样，LabVIEW[2]提供了Windows、UNIX、Linux、Macintosh的多种版本。 它主要的方便就是，一个硬件的情况下，可以通过改变软件，就可以实现不同的仪器仪表的功能，非常方便，是相当于软件即硬件！现在的图形化主要是上层的系统，国内现在已经开发出图形化的单片机编程系统（支持32位的嵌入式系统，并且可以扩展的），不断完善中(大家可以搜索 CPUVIEW 会有更详细信息；） LABVIEW的应用领域 LABVIEW有很多优点，尤其是在某些特殊领域其特点尤其突出。 测试测量：LABVIEW最初就是为测试测量而设计的，因而测试测量也就是现在LABVIEW最广泛的应用领域。经过多年的发展，LABVIEW在测试测量领域获得了广泛的承认。至今，大多数主流的测试仪器、数据采集设备都拥有专门的LabVIEW驱动程序，使用LabVIEW可以非常便捷的控制这些硬件设备。同时，用户也可以十分方便地找到各种适用于测试测量领域的LabVIEW工具包。这些工具包几乎覆盖了用户所需的所有功能，用户在这些工具包的基础上再开发程序就容易多了。有时甚至于只需简单地调用几个工具包中的函数，就可以组成一个完整的测试测量应用程序。 控制：控制与测试是两个相关度非常高的领域，从测试领域起家的LabVIEW自然而然地首先拓展至控制领域。LabVIEW拥有专门用于控制领域的模块----LabVIEWDSC。除此之外，工业控制领域常用的设备、数据线等通常也都带有相应的LabVIEW驱动程序。使用LabVIEW可以非常方便的编制各种控制程序。 仿真：LabVIEW包含了多种多样的数学运算函数，特别适合进行模拟、仿真、原型设计等工作。在设计机电设备之前，可以现在计算机上用LabVIEW搭建仿真原型，验证设计的合理性，找到潜在的问题。在高等教育领域，有时如果使用LabVIEW进行软件模拟，就可以达到同样的效果，使学生不致失去实践的机会。 儿童教育：由于图形外观漂亮且容易吸引儿童的注意力，同时图形比文本更容易被儿童接受和理解，所以LabVIEW非常受少年儿童的欢迎。对于没有任何计算机知识的儿童而言，可以把LabVIEW理解成是一种特殊的“积木”：把不同的原件搭在一起，就可以实现自己所需的功能。著名的可编程玩具“乐高积木”使用的就是LabVIEW编程语言。儿童经过短暂的指导就可以利用乐高积木提供的积木搭建成各种车辆模型、机器人等，再使用LabVIEW编写控制其运动和行为的程序。除了应用于玩具，LabVIEW还有专门用于中小学生教学使用的版本。 快快速开发：根据笔者参与的一些项目统计，完成一个功能类似的大型应用软件，熟练的LabVIEW程序员所需的开发时间，大概只是熟练的C程序员所需时间的1/5左右。所以，如果项目开发时间紧张，应该优先考虑使用LabVIEW，以缩短开发时间。 跨平台：如果同一个程序需要运行于多个硬件设备之上，也可以优先考虑使用LabVIEW。LabVIEW具有良好的平台一致性。LabVIEW的代码不需任何修改就可以运行在常见的三大台式机操作系统上：Windows、Mac OS 及 Linux。除此之外，LabVIEW还支持各种实时操作系统和嵌入式设备，比如常见的PDA、FPGA以及运行VxWorks和PharLap系统的RT设备。编辑本段版本信息简单回顾一下LabVIEW最近的发展历史（也仅限于我能够收集到的版本），从这里也可以间接的体会到LabVIEW的发展速度有多快。从LabVIEW的软件版本来看（我能收集到的），应该有LabVIEW 5系列、LabVIEW 6系列、LabVIEW 7系列和LabVIEW 8系列。发布年份可能有误，以NI为准。 LabVIEW 5.0 发布于：1998年 LabVIEW 5.1.1 发布于：2000年3月 LabVIEW 6.02 发布于：2001年2月 LabVIEW 6.1 发布于：2002年1月 LabVIEW 7.0 发布于：2003年5月 LabVIEW 7.1 发布于：2004年4月 LabVIEW 7.1.1 发布于：2004年11月 LabVIEW 8.0 发布于：2005年10月 LabVIEW 8.0.1 发布于：2006年2月 LabVIEW 8.20 发布于：2006年8月 LabVIEW 8.2.1 发布于：2007年3月 LabVIEW 8.2.1f4 发布于：2007年9月 LabVIEW 8.5 发布于：2007年8月 LabVIEW8.5.1 发布于：2008年4月 LabVIEW8.6 发布于：2008年8月 LabVIEW8.6.1 发布于：2009年2月 LabVIEW 2010 发布于：2010年8月 LabVIEW 2011 发布于：2011年8月 从NI的LabVIEW版本号，可以看出： 1、 系列号：5、6、7、8表示新的系列，软件结构或功能可能有重大改进（付费升级） 2、 版本号：5.x、6.x、7.x、8.x表示软件有新的内容或比较大的改进（付费升级） 3、 版本号：5.x.x、6.x.x、7.x.x、8.x.x表示软件较上个版本进行了修补（免费升级） 参考书籍 书 名：LabVIEW宝典 LabVIEW宝典作者：陈树学，刘萱 出 版 社：电子工业出版社 出版时间：2011-3-1 版次：1 页数：603 字数：973000 印刷时间：2011-3-1开 本： 16开 纸张：胶版纸印 印 次：1 I S B N：9787121129612
声卡的mic接口可以作为AI，扬声器接口可以作为AO。使普通电脑不用买专用的采集板卡也能实现简单的模拟量输入输出。明白了吗？输入输出用到的函数看图，波形信号处理的你应该知道在哪。
第一章 绪 论 §1-1 课题研究的背景 §1-2 信号与系统分析国内外研究现状 §1-3 Matlab概述§1-4 课题研究的目的及意义 §1-5 论文主要内容及结构 第二章 MATLAB在信号与系统分析中的应用 §2-1 信号与系统分析2-1-1 国内外关于该课题的研究现状及发展趋势 2-1-2 信号与系统分析方法分类 §2-2 Matlab在信号与系统分析中应用的简介§2-3 本章小结 第三章 Matlab在信号与系统分析中应用模型设计 §3-1 引言 §3-2 系统分析 §3-3 模型建立（是本章重点需要扩充） 第四章 （具体实例实现） §4-1 §4-2 §4-3 实验结果分析 §4-4 本章小结 第五章 结束语 参考文献 致 谢 最好找本MATLAB在信号与系统分析中的应用的书来看看。可以看看飞思科技产品研发中心出的一系列关于matlab应用的书，会对你有帮助的！祝顺利！
多媒体的应用很广泛，请链接
论英语听力教学的影响因素及提高途径论文
论文关键词：听力教学；影响因素；途径
论文摘要：听力是英语教学的重难点之一。为了提高英语听力教学的质量，应充分认识到影响学生听力理解的因素。在此基础上，根据学生的需要，在听力教学中辅以现代化的教学手段，并注重听力策略的训练，以此来有效地提高英语听力教学效果。
1. 引言
语言习得主要通过获得大量的可理解输入来实现，而听是获得可理解语言输入的最重要途径，因此学生听力能力的培养是外语中教学的重要目标之一。“以学习者为中心”的教学思想精髓在于“The learner should be seen as being at the center of the learning process.”。（Nunan, 1988: 2）这一思想强调学习者应被视作整个学习过程的中心，亦要求教师在教学过程中必须在充分了解学生的兴趣和要求的基础上，摸清他们的英语基础，弄清他们听力理解过程中的薄弱环节；然后结合教学大纲目标要求，利用现代化的教学手段，组织、开展内容丰富多彩、形式多样、语境逼真的听力教学活动。
2. 影响因素
束定芳和庄智象（1996）认为，影响听力理解的重要因素包括听力材料的特征、说话者特征、任务特征、学习者特征和过程特征。Kenneth（1976）认为听力理解由五个成分构成，并且后一个成分总是依赖前一个成分，即辨音、信息感知、听觉记忆、信息解码，运用所学语言使用或储存信息。在听力理解的这个过程中，语言因素、非语言因素和听者的心理因素对听力理解都会产生影响。
2.1 语言环境因素对听力理解的影响
话语与环境互相联系，语境（context）是语言的理解的关键。语境分为语言环境（linguistic context）和非语言环境（non-linguistic context）。语言环境指词、词组、句子等语言单位在使用过程中的篇章内语言环境。根据以上的教学理论，要提高学生的听力水平，教师首先须对学生的英语基础进行全面的了解，其中包括：语音基础、词汇基础、语法基础。在此基础上，针对性地备好每一次听力课，让学生能得到有针对性的听力训练。
2.1.1 语音基础对听力理解的影响
在听力训练过程中，一些学生常说：一些用词浅显、一看就懂的句子听起来感到陌生，难以理解其正确含义。究其原因：听力的语音中常有连读、音素爆破、重读、同化、弱化、脱落、增音、语调的抑扬顿挫等口语语音现象。如果学生对这些语音规律不熟练掌握，平时不常听到这些语音规律的实际应用，那么在听力理解的过程中他们就难以把听到的语音信号转化成自己可以理解、记忆的语义信息。
2.1.2 词汇是影响听力理解的'重要因素
学习词汇时，熟悉词汇的发音和语义，并在语音和语义方面形成一定的联想，则是听懂语音信息的关键。
在语音信息中，英语词汇中重音、次重音的迁移常会引起词义，词性的变化，如：hostility，sanitation，conduct；英语词汇的同形异义词、同音异义词也会给听力理解带来困难，如：right：右边/正确；right—write等。所以，在熟悉词的语音的基础上，要在语音和语义之间建立一种自然的联系，这种联系常常也包含语境在内。这样的联系对词义、语义的理解和记忆有着重要的作用，从而可以帮助学生克服听力中的一些小障碍。
由于掌握的词汇量小，学生对听到的词汇、句子不能很快理解也较常见。在华东师范大学出版的《听力入门》教材中，短文听力材料中生词被列入生词表中：这些词可作为课堂听力的预热（warming up）内容，也可作为学生课前的预习内容。有了这个环节，学生在听的过程中感到轻松，也容易保持学生对听力练习的兴趣，从而感到渐入佳境。
2.1.3 不同的语法形式对听力理解会有影响
这种影响主要表现在：学生对动词的不同时态、语态句式表达的含义理解不准确；对听力材料中的代词（尤其是指示代词、关系代词）的指代关系不理解；对不同句型如比较句、现实条件句、非现实条件句、形式肯（否）定而语意否（肯）定的句子不能迅速、准确地做出判断。
针对这种现象，听力训练时，可以给学生安排由易到难的不同文体的语言材料，如简短问答、新闻、二人对话、小短文等，使他们熟悉不同文体的篇章结构，熟悉不同时态、语态、句型等语法形式表达的不同含义，从而在听力过程中作出准确的判断和理解，最大可能地获取正确的信息。
2.2 非语言环境因素对听力理解的影响
非语言环境因素可分为情景语境（context of situation）和文化语境（context of culture）。情景语境指语言交际的话题、时间、地点、场合、参与者等相关背景信息。文化语境指语言发生的特定社会的文化、经济、政治、风俗、宗教等因素。（李淑琴，2001）除此之外，非语言环境因素还应包括学习者的心理因素，心理因素是影响学习者的听力理解的一个重要方面。
2.2.1 情景语境对听力理解的影响
情景教学法在听力教学中尤显重要。现在，日臻完善的多媒体电教室也为这种教学法的实施创造了良好的条件。
传统的听力教学方式：教师放录音，学生听录音、做选择题、回答一些问题；然后教师对答案；最后再复听一遍。这种方式只进行了语言（语音、词语、句子、篇章）信息的输入，而忽视了语言情景信息的输入。
在听力教学过程中更应重视语言情景信息的输入，这样，学生才能听得轻松、有趣，理解才完全、准确。在听力教学过程中，通过使用英语新闻广播录音、事件现场录像、电视系列短片、因特网、多媒体技术和设备为学生提供生动、形象、丰富、逼真的听力材料。这样，学生在听的过程中，录音材料中的事件、事件发生的场合、天气、事件参与的身份都会给学生留下深刻的印象。通过眼、耳，脑并用，学生的视觉、听觉都可以受到冲击，他们的兴趣和注意力会得以保持，听力理解效果因而得以提高。如在做《听力入门》第三册第117课Black Boy的听力训练时，如果学生可以看到这个故事发生的过程，那么他们对故事发生的时间、地点，故事中的人物、人物的表情、心情及动作会有深刻的印象。因而故事中的“loop the basket, running home in panic, made no comment, molest, broke into a wild run, overtook me, flung me to the pavement, yelled, pleaded, kicked, gave me a few slaps”等形象、生动的语言可以使学生对故事产生准确、深刻的理解。据调查，大多数学生对视听课的兴趣比对单一的听力课的兴趣浓，学生在视听课感觉轻松，对视听课的语音材料理解的更好。
2.2.2 文化语境对听力理解的影响
作为一门语言，英语有自己的历史、地理、政治、风俗等方面的文化背景及特点。这些特点同样也会影响学生对英语语音材料的理解。在听力理解的过程中，由于理解的时间有限，这种影响就更加明显。由于对英语国家的社会、文化背景缺乏了解，学生常常出现对所听的语音资料理解不准确、不全面。
2.2.3 心理状态对听力的影响
调查结果表明：同样的教学对象收听同一种听力材料，有时前后得出的结果大相径庭。有的学生的听力成绩总是起伏不定，不能保持在一个相对稳定的状态上；有的学生甚至抱怨说，一带上耳机心里就开始紧张，注意力集中不起来。凡此种种均与听者的心理因素有密切关系。在听的过程中，如果学生感觉轻松愉快，有兴趣，他们听的时候就会注意力集中，对听力材料的理解效果就好。相反，如果学生在听的过程中感到紧张焦虑，没兴趣，他们的注意力就容易分散。
3. 英语听力教学提高的途径
认清影响听力理解的因素对提高听力教学的质量具有非常重要的意义。通过以上对影响听力理解因素的分析，要提高听力教学效果，教师在重视英语语言信息输入的同时，还应重视听力训练过程中语境信息的输入。
首先，一套好的教材能激发学生的学习兴趣和动机，也是通向教学目标的必经之路。在听力材料的选择上，教师应注意材料的难度，根据学生的语言基础、学习阶段、不同需求，并着重根据语言习得的规律选择略高于学生水平的可理解性材料，进行有针对性的语言信息和非语言信息的输入。必要时教师可以适当介绍一些与听力材料相关的背景知识及相关词汇术语，使学生参与课堂教学活动时，对所学内容有更进一步的了解。
其次，根据种种影响因素，培养积极的听力策略也是必要的。目前，在听力教学过程中，语言信息的输入得到了大多数教师的重视，但非语言信息的输入还没有受到足够的重视。课堂上，在做好语言信息输入的同时，应给学生营造生动、有趣、逼真的听音环境。教师应根据学生的需要设计丰富多彩的听力活动，提高学生的学习兴趣和积极性，避免听力活动的单一性。
然后，还有必要加强对学生微技能的培养，即培养学生辨音、获取主要信息、预测和猜词的能力。1）在辨音方面，教师在最初让学生进行听单音、词组等练习，逐步上升到句子或篇章。在听的过程中，学生会对英语的语音、语调和语流产生感性认识；2）获取主要信息的能力是一种重要的听力技能，它要求学生对听到的意思进行选择、分析，从而抓住主要内容。在教学过程中，教师应培养学生分析冗余信息，选择主要信息的能力，并注意引导学生从整体上把握听力材料的大意；3）预测能力也是一种极为重要的微技能，要求学生通过语境对说话者即将说出的话及其含义作出预测。教师可以在听力训练之前通过提问与听力材料相关的问题或介绍背景知识，启发学生思维；也可以从语音语调上训练学生的预测能力；还可以引导学生从句法结构和词意的搭配关系等方式对下文做出预测；4）听力理解并非意味着听懂每一个单词，但有些词汇对听力理解起十分关键的作用，教师应鼓励学生根据听力材料所涉及的话题、语篇、背景知识等对生词作出适当的猜测。
最后，随着多媒体和网络技术的飞速发展及推广，在听力教学中，还可以利用多媒体语言学习系统进行教学活动，并通过配套设备及大屏幕投影，向学生播放录像、多媒体光盘节目，进行多媒体课件演示、投影胶片等；而丰富的信息资源，如VCD、英语经典影片、真实录音、网络信息等与多媒体及网络技术的结合，使英语听力课堂教学既生动又直观。同时，在课外，可以利用多媒体教室、校园网或电视给学生定期播放英文原声电影，英语国家社会文化题材的记录片，以及让学生自己在网上搜寻有用的视听网络资源，自学“走遍美国”等情节对话短剧等，这些都有助于非语言信息的输入，克服学生听力理解过程中的紧张情绪，培养良好的听音习惯，进一步提高学生在课堂教学活动中的效果。
因此，要提高听力教学效果，就必须以学生为中心，完善听力教学的信息输入，帮助学生培养积极的听力策略，把听力教学的课堂学习和课外训练有机地统一起来。
参考文献
Kenneth, C. Developing Second Language Skills: Theory to Practice[M]. Houghton: Houghton Mifflin Company, 1976.
Nunan, D. The Learner-Centred Curriculum[M]. Cambridge: Cambridge University Press, 1988.
束定芳、庄智象. 现代外语教学——理论、实践与方法[M]. 上海：上海外语教育出版社，1996.
张民伦等. 听力入门[M]. 上海：华东师范大学出版社，1993.
%在噪声环境下语音信号的增强%语音信号为读入的声音文件%噪声为正态随机噪声sound=wavread('c12345.wav');count1=length(sound);noise=0.05*randn(1,count1);fori=1:count1signal(i)=sound(i);endfori=1:count1y(i)=signal(i)+noise(i);end%在小波基'db3'下进行一维离散小波变换[coefs1,coefs2]=dwt(y,'db3');%[低频高频]count2=length(coefs1);count3=length(coefs2);energy1=sum((abs(coefs1)).^2);energy2=sum((abs(coefs2)).^2);energy3=energy1+energy2;fori=1:count2recoefs1(i)=coefs1(i)/energy3;endfori=1:count3recoefs2(i)=coefs2(i)/energy3;end%低频系数进行语音信号清浊音的判别zhen=160;count4=fix(count2/zhen);fori=1:count4n=160*(i-1)+1:160+160*(i-1);s=sound(n);w=hamming(160);sw=s.*w;a=aryule(sw,10);sw=filter(a,1,sw);sw=sw/sum(sw);r=xcorr(sw,'biased');corr=max(r);%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0ifcorr>=0.8output1(i)=0;elseifcorr<=0.1output1(i)=1;endendfori=1:count4n=160*(i-1)+1:160+160*(i-1);ifoutput1(i)==1switchabs(recoefs1(i))caseabs(recoefs1(i))<=0.002recoefs1(i)=0;caseabs(recoefs1(i))>0.002&abs(recoefs1(i))<=0.003recoefs1(i)=sgn(recoefs1(i))*(0.003*abs(recoefs1(i))-0.000003)/0.002;otherwiserecoefs1(i)=recoefs1(i);endelseifoutput1(i)==0recoefs1(i)=recoefs1(i);endend%对高频系数进行语音信号清浊音的判别count5=fix(count3/zhen);fori=1:count5n=160*(i-1)+1:160+160*(i-1);s=sound(n);w=hamming(160);sw=s.*w;a=aryule(sw,10);sw=filter(a,1,sw);sw=sw/sum(sw);r=xcorr(sw,'biased');corr=max(r);%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0ifcorr>=0.8output2(i)=0;elseifcorr<=0.1output2(i)=1;endendfori=1:count5n=160*(i-1)+1:160+160*(i-1);ifoutput2(i)==1switchabs(recoefs2(i))caseabs(recoefs2(i))<=0.002recoefs2(i)=0;caseabs(recoefs2(i))>0.002&abs(recoefs2(i))<=0.003recoefs2(i)=sgn(recoefs2(i))*(0.003*abs(recoefs2(i))-0.000003)/0.002;otherwiserecoefs2(i)=recoefs2(i);endelseifoutput2(i)==0recoefs2(i)=recoefs2(i);endend%在小波基'db3'下进行一维离散小波反变换output3=idwt(recoefs1,recoefs2,'db3');%对输出信号抽样点值进行归一化处理maxdata=max(output3);output4=output3/maxdata;%读出带噪语音信号，存为'101.wav'wavwrite(y,5500,16,'c101');%读出处理后语音信号，存为'102.wav'wavwrite(output4,5500,16,'c102');
%在噪声环境下语音信号的增强%语音信号为读入的声音文件%噪声为正态随机噪声sound=wavread('c12345.wav');count1=length(sound);noise=0.05*randn(1,count1);for i=1:count1signal(i)=sound(i);endfor i=1:count1y(i)=signal(i)+noise(i);end%在小波基'db3'下进行一维离散小波变换[coefs1,coefs2]=dwt(y,'db3'); %[低频 高频]count2=length(coefs1);count3=length(coefs2);energy1=sum((abs(coefs1)).^2);energy2=sum((abs(coefs2)).^2);energy3=energy1+energy2;for i=1:count2recoefs1(i)=coefs1(i)/energy3;endfor i=1:count3recoefs2(i)=coefs2(i)/energy3;end%低频系数进行语音信号清浊音的判别zhen=160;count4=fix(count2/zhen);for i=1:count4n=160*(i-1)+1:160+160*(i-1);s=sound(n);w=hamming(160);sw=s.*w;a=aryule(sw,10);sw=filter(a,1,sw);sw=sw/sum(sw);r=xcorr(sw,'biased');corr=max(r);%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0if corr>=0.8output1(i)=0;elseif corr<=0.1output1(i)=1;endendfor i=1:count4n=160*(i-1)+1:160+160*(i-1);if output1(i)==1switch abs(recoefs1(i))case abs(recoefs1(i))<=0.002recoefs1(i)=0;case abs(recoefs1(i))>0.002 & abs(recoefs1(i))<=0.003recoefs1(i)=sgn(recoefs1(i))*(0.003*abs(recoefs1(i))-0.000003)/0.002;otherwise recoefs1(i)=recoefs1(i);endelseif output1(i)==0recoefs1(i)=recoefs1(i);endend%对高频系数进行语音信号清浊音的判别count5=fix(count3/zhen);for i=1:count5n=160*(i-1)+1:160+160*(i-1);s=sound(n);w=hamming(160);sw=s.*w;a=aryule(sw,10);sw=filter(a,1,sw);sw=sw/sum(sw);r=xcorr(sw,'biased');corr=max(r);%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0if corr>=0.8output2(i)=0;elseif corr<=0.1output2(i)=1;endendfor i=1:count5n=160*(i-1)+1:160+160*(i-1);if output2(i)==1switch abs(recoefs2(i))case abs(recoefs2(i))<=0.002recoefs2(i)=0;case abs(recoefs2(i))>0.002 & abs(recoefs2(i))<=0.003recoefs2(i)=sgn(recoefs2(i))*(0.003*abs(recoefs2(i))-0.000003)/0.002;otherwise recoefs2(i)=recoefs2(i);endelseif output2(i)==0recoefs2(i)=recoefs2(i);endend%在小波基'db3'下进行一维离散小波反变换 output3=idwt(recoefs1, recoefs2,'db3');%对输出信号抽样点值进行归一化处理maxdata=max(output3);output4=output3/maxdata;%读出带噪语音信号，存为'101.wav'wavwrite(y,5500,16,'c101'); %读出处理后语音信号，存为'102.wav'wavwrite(output4,5500,16,'c102');
【简介】信息经济学是信息科学的一个分支学科，是一门研究信息的经济现象及其运动变化特征的科学，其主要研究内容包括：1．信息的经济作用。主要研究信息的经济属性及其在经济发展中的作用；信息产业在国民经济中的地位和功能；信息技术的发展完善对社会经济的影响；信息与社会生产的规模、结构形式、组织管理的关系；信息经济模式在经济结构中的应用过程和作用等。2．信息的成本和价值。主要研究信息价值的定性和定量描述；信息的价值和成本的关系；信息价值的表现形式；信息价值的计量标准和计算方法等。3．信息的经济效果。主要研究信息的使用价值量与劳动消耗量的比例；信息的经济效益计算和考核；信息工作在社会生产中的最佳投资和投资效果；影响信息经济效果的自然因素和社会因素；提高信息经济效果的途径和方法等。4．信息产业结构。主要研究信息产业结构及其发展规律和趋势；信息产业与部门经济结构、服务性行业结构、教育机构的关系；信息产业结构对就业结构的影响；国民经济结构变化的信息因素和非信息因素的分析等。5．信息系统。包括如何建立和发展完善的信息系统；信息系统的聚集与分散对信息系统价值的影响；从经济角度考察信息系统评价的标准和方法；信息系统的经济效益和社会效益及其相互关系；信息系统经济的管理；最优化信息系统的选择等。6．信息技术。用技术经济原理研究信息技术对提高信息经济效益的作用；比较各种信息技术的应用，提出采取新信息技术的最佳方案；了解信息技术发展的特点和规律等。7．信息经济理论。包括对信息经济学的对象、内容、性质、方法、作用、历史等基本问题的研究。【非对称信息环境与微观信息经济学】非对称信息指交易双方各自拥有他人所不知道的与交易有关的私人信息。在“囚徒困境”中，囚犯互相不知道同伴是什么样的选择，因而选择坦白交待；产品市场上著名的“柠檬市场”(次品市场),卖主比买主拥有更多的关于产品的信息；在劳动市场上，存在工资、激励及逆向选择问题，老板不了解众多下属中谁最具有能力做经理。也不了解上任的经理是否可以把全部精力投入工作，而下属则不了解老板的利润究竟是多少；还有腐败的滋生与惩治；虚假广告与假冒伪劣商品的治理等，都存在着信息不对称的问题。信息经济学把拥有私人信息的一方称为代理人。不了解这些信息的一方称为委托人。因此，一般不对称信息问题都可归结为“委托一代理”模型。在非对称信息环境中。“委托一代理”关系的成立条件是委托人对代理人的支付不低于后者参与这个契约的机会成本,同时又要实现自身利润最大化。在这种参与约束和激励相容约束的条件下，委托人的最优选择应该是什么?博弈论学者哈萨尼对此做了深入研究定义了贝叶斯-纳什均衡，以寻求最优的契约或制度安排，使代理人吐露实情。委托人还可通过一些信号，如价格、荣誉、广告等，获取信息。非对称信息环境是微观信息经济学重要的既定条件之一。微观经济学的完全竞争模型在现实中很难真正存在。对不完全信息状态下市场的研究逐渐发展为微观信息经济学。国内在20世纪90年代初逐渐开始介绍六七十年代西方微观信息经济学的成就，随着中国经济理论与实践发展的需要，引起了一定的重视在1996年诺贝尔经济学奖授予两位信息经济学的研究者之后，国内对于信息经济学的研究越来越重视，各类介绍、研究与应用的论文与著作逐渐多了起来。【宏观信息经济学】美国普林斯顿大学的马克卢普和斯坦福大学的的波特创立的宏观信息经济学，把信息产业视为在农业、工业、服务业的第四产业，以统计数字及数量分析来说明信息经济的发展，它是信息产业及信息经济发展的必然要求及必然结果。以乌家培为代表的信息经济学者认为宏观信息经济学的主要研究内容为：信息产业的产生与发展，以及在国民经济中的地位与作用：有关信息市场的问题，如信息商品的价值与价格计算，市场主体行为的考查及市场容量的扩展；信息商品的生产、交换、消费、分配规律以及对信息资源的有效配置问题的研究：国民经济的信息化问题以及如何用信息技术改造传统的工农业，还有以信息技术为主要研究对象的信息系统的研究等。总体来讲，宏观信息经济学既研究信息产业的经济运作，也研究社会宏观经济的信息化问题。【微观信息经济学与宏观信息经济学的结合】目前，在信息经济学的研究进程中，经济学界更多地关注微观信息经济学的发展动态。十分重视对微观信息经济学的介绍及对各种非对称信息条件下经济问题的研究。而对于宏观信息经济学的研究则较少涉足。尽管信息与商品有着不同商品的特点。信息产业作为一种新型的产业，也有其特殊的经济规律,但它受到信息学者的重视要远远超过经济学者。也正因为如此，信息经济学给信息学注入了生机与活力。在信息学界有一些极为活跃的信息经济学研究者，他们不但从事信息商品与信息产业的经济学研究。也逐渐进入微观信息经济学领域，并且试图将两者结合起来，纳入一个完整的体系。主要方法是从非对称信息条件下的契约理论人手，进而研究信息(各种信号)的搜寻，以及信息的成本及交易成本,逐步过渡到宏观信息经济学的领域。【信息经济学的应用研究】尽管微观信息经济学又被称为理论信息经济学，但它的应用研究并不简单地等同于宏观信息经济学。近两年来微观信息经济学的应用研究在当前中国经济改革与转型时期的制度安排及市场规范方面有着不町低估的作用，是信息经济学极具前景的研究领域。如前所述，微观信息经济学是研究在不确定、不对称信息条件下如何寻求一种契约和制度来安排规范当事者双方的经济行为，又称为不对称信息经济学或契约理论。在此前提下，任何经济行为的结果都是确定的和惟一的。因此，微观经济学的任务是最优化决策问题，即如何实现资源的最优配置和效率最大化。而且它在自身的发展中形成了许多有效的分析方法，这都使得微观信息经济学相对于传统经济学而言实用性更强，更能广泛和深入地研究和解决实际经济问题。【总结】从本质上说，西方信息经济学是非对称信息博弈论在经济学上的应用，是微观经济学的新发展。博弈论研究的问题是决策各方的行为发生相互影响时各自的决策以及这些决策所能达到的均衡，而信息经济学研究的问题则是决策各方的行为发生相互影响时存在着非对称信息。在这里，非对称信息指的是某些参与人拥有但另一些参与人不拥有的信息。信息经济学所讨论的信息即指这种影响双方利益的信息，而不是讲各种可能的信息。不对称信息按内容可以分两类。一类是双方知识的不对称，指一方不知道另一方诸如能力、身体健康状况等信息，这是外生的、先定的，不是双方当事人行为造成的。对于这类信息不对称，信息经济学称之为隐藏知识、隐藏信息。第二类不对称信息是指在签订合同时双方拥有的信息是对称的，但签订合同后，一方对另一方的行为无法管理、约束，这是内生的，取决于另一方的行为。对于这类信息不对称，信息经济学称之为隐藏行动。比如在签订合同后，雇员是努力工作还是偷懒，雇主不能自由控制。要解决这个问题，就要实行一种激励机制，使雇员采取正确的行动。比如用什么样的工资制度或福利制度,使雇员努力工作。在具体工作中，会在两种情况下遇到不对称信息的问题。按不对称信息发生的时间，在事前发生的信息不对称会引起逆向选择问题，而事后发生的信息不对称会引起道德风险问题。逆向选择和道德风险是信息经济学两大基本研究课题。比如，选择一个企业经理，如果事先董事会不清楚经理的能力，而经理自己清楚，会出现逆向选择问题；如果事先双方都知道经理的能力，但签约后不清楚经理的努力程度，则出现道德风险问题隐藏行动；或者事先都不知道经理的能力，但签约后经理发现了自己的能力，而董事会不清楚，则也是道德风险问题?隐藏信息，因为经理离任有可能带走客户。在非对称信息情况下，逆向选择和道德风险是随时可能发生的，西方信息经济学认为，减免的办法就是建立起激励机制和信号传递机制。
从时间的发展看，信息经济的提法先于知识经济。近几十年来，人们讲得较多的是信息社会，信息经济。在八十年代，信息革命是十分流行的词汇。在十年之后，人们又提出了知识经济，两者之间的区别是什么？为什么在信息经济之后又提出知识经济。怀疑者甚多，这其中包括以信息经济学研究而获得诺贝尔奖的阿罗。他认为，新增长理论中所说的知识其实是信息。其实知识与信息有着很大的区别。首先，知识和信息是对客观事实认识不同阶段的反映。可将数据、信息、知识看作是对客观事物感知的三个不同阶段。数据直接来自感应的仪器，反应了变量的测定值。信息是经过组织的有结构的数据，从而具有了意义。知识则进了一步，它能够预测，能够给出因果关系，并指导进一步要做什么。如果说数据是有关事物现象的记录，则信息是有序的数据，经过组织的数据， 知识是指构成事物之间联系的原理， 规律及诀窍等。其次，从与经济活动的关系看，知识是将投入转化为更高产出的关键，是控制变量。而信息是经济活动的重要投入。一切产生经济附加价值的活动是在信息的基础上，经过人脑的加工，知识的加工完成的。这也是邓小平同志所说的“科学技术是第一生产力”、 培根所说的“知识是力量”的重要依据。信息本身并不是生产力，因为它不能直接产生价值。它是作为经济活动中重要的投入，但它不是经济活动的控制变量。例如，当对一系列相同的加工部件进行测量时，原始数据就产生了。当将数据用点图描述出来时，它就给出了一个生产过程状况的信息。这些测量也许有一个趋势，也许在公差之外，也许没有趋势。所有这些都有是信息，不是知识。知识是通过观摩这些图，结合过去的知识得出结论：A 机器需要经过校正。这是指导行为的知识，它描绘出机器状态与加工产品状态之间的因果联系。因此，知识是指信息之间的因果联系、规律。是经过大脑加工后的产品。知识与信息有时是可以转化的。有些知识可以转化成可以传递的信息， 变成商品，但有些知识则难以转化成信息，如诀窍等。信息技术发展的实质是将许多知识转化成信息、商品。这使得大规模应用知识成为可能，使知识经济时代成为可能。 知识的价值表现为，知识越是在初期阶段，其经济价值越大，越是到成熟阶段，其经济价值越小。高技术是指处在初期阶段的技术，只有少数人掌握它，因此它能产生高附加值。而相当成熟的产业所拥有的知识都几乎是人人皆知的知识，从而其经济价值很小。第三，从产业的角度看，知识经济的主体知识产业要比信息经济的主体信息产业丰富得多。在六十年代，美国学者马可罗普最早提出了知识产业的概念， 并把知识产业分为五大类：研究开发，教育，信息设备，信息服务和通讯。显然，信息产业只是知识产业的一个方面。今天，人们在知识产业和信息社会的基础上提出了知识经济的概念，可将知识经济看作是信息社会的更高一级的阶段，因为知识对经济的影响已不局限在马可罗普所说的5 个产业，而是整个经济的所有产业。这包括传统产业的知识化，又包括新兴产业的涌现。教育产业是区分知识经济与信息经济另一个重要的分水岭。教育在传统的意义上讲是一个国家投入的部门。但随着知识经济成份在经济生活中重要性的增加，教育作为知识传播的重要渠道，作为培养人才的摇篮，可使受教育的人掌握更多的知识，创造更高的价值，从而，教育成为价值创造中的一个重要一环，教育将成为一个重要的产业。国内的许多高校从MBA教学中获得很高的经济效益便很好地说明：教育产业是知识经济中的重要组成部分。但教育产业在信息经济中是找不着位置的。高技术是当今发展最快的产业。在中国许多传统的国有企业中经营上陷入困境的时候，许多民营科技企业却呈现欣欣向荣的景象。其根本原因主要是民营科技企业大多是在新的高技术产业上发展起来的。而所谓高技术，主要是指知识密集，需要较大研究开发投入的产业，它们不一定是信息产业，虽然信息产业是其中的重要组成部分。它们可以是医药产业，生物产业，新材料产业等。服务业的发展中有许多是知识产业。在美国，以服务产业为主的第三产业已占GDP的70％。在这一产业中，有许多是以人和知识为基础的服务，如医疗保健，咨询业，金融服务业，旅游业等。这些服务中主要是以知识为基础的服务，虽然信息在其中起重要的作用。第四，从侧重的活动看，两者也有很大的不同。对学习的重视是知识经济的特色。在知识经济时代，人的价值主要体现在他拥有多少有商业价值的知识。而获取这些知识的主要途径是学习，从干中学，从用中学。国外最近出现的新词是学习经济便是对学习重要性的最好概括。又由于有商业价值的知识具有极强的时间性，这使得知识的更新速度不断加快，从而使得终身学习成为必要。人在学习过程中，当然要积累许多信息，但决定一个人的价值主要是他或她的知识。第五，知识经济把智力或人力资本看作是最重要的资源，犹如土地对地主，资本对资本家一样。知识和无形资产在经济中起着越来越重要的作用，这难以用信息经济来概括，却可以用知识经济加以很好的说明。在知识经济时代，人才，掌握高技术的人才是企业竞争成败的关键。就无形资产而言，它包括人力资本，研究开发能力，工作场所与运行体系，专用软件，客户数据库，品牌与信誉资本等。国外的许多公司的发展表明，公司的市场价值愈来愈取决于其智力资本的管理状况。这些资产是知识经济的重要体现，但却难以用信息经济来说明。因此，可将知识经济看作是这样一个等式：知识经济＝信息经济＋教育产业＋学习经济＋以人和知识为基础的服务业＋研究开发密集的产业＋智力资本。当然，知识经济与信息经济有很多的共同点。首先，知识经济与信息经济需要共同的基础。它们都是信息技术不断发展的结果。其次，知识经济与信息经济的发展都以网络化为基础。
1、信息的经济作用。主要研究信息的经济属性及其在经济发展中的作用；信息产业在国民经济中的地位和功能。
2、信息的成本和价值。主要研究信息价值的定性和定量描述；信息的价值和成本的关系；信息价值的表现形式。
3、信息的经济效果。主要研究信息的使用价值量与劳动消耗量的比例；信息的经济效益计算和考核。
扩展资料：
信息经济学把拥有私人信息的一方称为代理人。不了解这些信息的一方称为委托人。因此，一般不对称信息问题都可归结为“委托一代理”模型。
在非对称信息环境中。“委托一代理”关系的成立条件是委托人对代理人的支付不低于后者参与这个契约的机会成本。
非对称信息环境是微观信息经济学重要的既定条件之一。微观经济学的完全竞争模型在现实中很难真正存在。
参考资料来源：百度百科-信息经济学