一种用于阅读新闻出版物的图书驿站

专利主权项内容

1.一种用于阅读新闻出版物的图书驿站，其特征在于，包括：底座；亭体，其可旋转支撑在所述底座上，所述亭体内具有多个分隔板将所述亭体划分为多个借阅空间；借阅查询台，其可旋转支撑在所述底座上，包括借阅查询模块，用于通过关键词查询相关新闻出版物；电子阅读台，其设置在所述借阅查询台一侧，用于阅读电子版新闻出版物；纸质阅读台，其设置在所述底座上方，位于所述亭体中心，用于阅读纸质版新闻出版物；自动分类书架，其可拆卸设置在所述亭体内部，内部具有分类模块，用于分类放置纸质新闻出版物；中心处理器，其连接所述借阅查询模块和自动分类系统；还包括太阳能电池板，其设置在所述亭体顶部，用于所述亭体供电；所述借阅查询模块，包括：语音查询模块，其包括：麦克风和内置处理模块；文字匹配查询模块，其包括检索模块和微处理器；借阅身份识别模块，其包括身份识别模块和用户管理模块，其中所述身份识别模块用于识别读者的射频标签，所述用户管理模块与所述身份识别模块数据连接；所述语音查询模块内置语音识别滤波算法，包括：步骤一、通过麦克风采集带噪声的语音频谱信号作为输入信号；步骤二、计算语音频谱信号的时域误差信号，并进行初级滤噪得到初级频谱；步骤三、采用改进的卡尔曼滤波算法对初级频谱进行进一步滤噪得到频谱信号在某一时刻的最优估计值；步骤四、采用BP神经网络算法，用于获得频谱信号最优估计值与采集到的频谱信号之间的最优连接权值，根据最优连接权值获得语音分析信号，实现对音频信号信噪比和音频失真引入的检测误差进行实时校正；所述步骤三中改进的卡尔曼滤波算法，包括：步骤一、建立关于带噪语音的数学模型，x(n)＝Ax(n-1)+Gw(n)y(n)＝Hx(n)+v(n)式中，A为现行预测系数构成的状态转移矩阵；x(n)是n时刻的系统状态；表示为x(n)＝[x(n-p+1), x(n-p+2), …, x(n)]；H＝G＝[0, 0, 0, …, 1]；y(n)是n时刻的测量值，H是测量系统的参数，w(n)表示过程噪声；TT1×p步骤二、基于所述步骤一的数学模型，根据卡尔曼滤波算法得到滤波和预测方程，P(n|n)＝[I-K(n)H]P(n|n-1)式中，表示在n-1时刻对n时刻的预测值，/>是在n时刻结合此时的观测值y(n)对真实状态的估计，/>表示过程噪声的方差，/>表示测量噪声方差，K(n)为卡尔曼增益，P(n|n-1)表示预测误差协方差矩阵，P(n|n)表示估计误差协方差矩阵；所述步骤四中的BP神经网络算法包括以下步骤：步骤A、建立三层BP神经网络结构，规格化n时刻语音信号真实状态的估计值检测到的带噪声的语音频谱信号y(n)，音频信号的信噪比τ，谐波失真信号M；α确定输入层节点数为3个，输入层向量为y＝{y, y, y}，其中y为带噪声的语音频谱信号系数，y为音频信号的信噪比系数，y为时域误差信号系数；1k2k3k1k2k3k步骤B、确定隐含层输出向量为{f, f, f…f…f}，其中p为隐含层节点个数；123jp步骤C、确定输出层节点数为1个，输出层向量为{l′}，l′为语音信号真实状态的估计值；ikik步骤D、计算隐含层和输出层向量输出值，并计算隐含层和输出层训练误差，对连接权值进行修正；步骤E、当神经网络输出规格化系数l′与语音信号真实状态的估计值系数l之间的均方差e≤0.01时结束训练，其中，ikik所述输入层向量规格化公式为，
其中，y为测量参数M、τ、M；y和y分别为相应测量参数中的最大值和最小值；ikrαmaxmin其中，l为对应的语音信号真实状态的估计值系数，x和x分别为语音信号真实状态的最大值和最小值。ikmaxmin