一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。     

一种加白化预滤波的回波抵消算法

研究了话音通信中的回波抵消问题，尤其是传统ＬＭＳ算法的收敛性问题。提出了一种加白化预滤波的块修正ＬＭＳ自适应抵消算法（ＷＢＬＭＳ）。计算机模拟结果表明，ＷＢＬＭＳ算法的收敛性明显优于传统的ＬＭＳ算法，增加的运算量也极少。     

高斯白噪声下LMS算法的改进

自适应（ＡＲ）模型是数字信号处理中广为应用的一种模型,它的系数可以通过ＬＭＳ算法求解。但当输入信号受到高斯白噪声干扰时,用ＬＭＳ算法求得的解误差很大,所以提出了改进的算法。通过理论分析,指出这种算法的有效性。     

基于LMS自应滤波的噪声抵消

研究并给出实现基于ＬＭＳ自适应滤波进行噪声抵消的方法,讨论了ＬＭＳ自适应滤波的一些基本概念,同时阐述从窄 带信号中滤除宽带干扰的基本原理,并提供了上述算法的计算机仿真结果。     

自适应噪声对消中的ELMS算法及其变步长算法

基于对ＬＭＳ算法的研究,提出一种适用于自适应噪声对消（ＡＮＣ）系统的ＥＬＭＳ算法结构,分析比较了ＥＬＭＳ算法与ＬＭＳ算法的统计性能,还提出了一种较为实用的变步长归一化ＭＶＳ－ＡＮＥＬＭＳ算法．大量的计算机模拟仿真论证了新算法的优越性．     

用于图像处理的自适应多级中值滤波器

研究了一种新的自适应多级中值滤波器（ＡＭＬＭ）在图像处理应用中的一些特性．研究表明：ＡＭＬＭ的细节保护能力介于单向多级中值滤波器（ＭＬＭ－）和双向多级中值滤波器（ＭＬＭ＋）之间,但滤噪能力总是优于ＭＬＭ－,而且大部分情况下优于ＭＬＭ＋．应用于实际噪声图像的滤波结果显示,ＡＭＬＭ优于ＭＬＭ＋及ＭＬＭ－．     

一种改进的MNVS自适应滤波算法

提出一种改进的归一化变步长自适应滤波算法（ＡＮＶＳ）,它对归一化变步最小均方误差自适应乍法（ＭＮＶＳ）作了进一步的改进,使之既具有愉收敛速度,又有快速跟踪能力,计算机仿真结果表明,该算法的性能明显优于ＭＮＶＳ算法,而其计算量与ＭＮＶＳ算法相当。     

基于PSO-ADMMF和WPE的发电机转子匝间短路故障诊断

针对常规的数学形态滤波器对定子电流信号滤波效果不理想,提出粒子群算法改进的数学形态滤波器。引用粒子群算法寻找最优的数学形态滤波器中开-闭和闭-开运算的权系数,建立自适应数学形态滤波器模型,对定子电流信号进行滤波处理。结合小波包理论和信息熵理论,提出小波包熵作为故障特征的故障诊断方法。仿真实验对比了PSO算法改进的自适应数学形态滤波器和常规数学形态滤波器的滤波效果,计算了滤波后的不同状态信号的小波包熵,并以此进行了转子匝间短路故障诊断,仿真验证表明本方法是有效的。     

电力有源自适应格型滤波器谐波电流检测方法

针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square, LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性.仿真和实验结果分析表明,自适应格型检测算法比常规检测方法有更好的实时性和精度,补偿后5、7次谐波电流含有率明显下降,电力有源滤波器APF投入后补偿效果良好.     

突发扩频信号解扩解调器设计与性能分析

在扩频通信系统中,利用ＳＡＷＴＤＬ－ＤＬ作为匹配滤波器可快速简便地完成ＤＳ信号的解扩,该文设计限一种针对突发ＤＳ信号的数字匹配滤波器民ＳＡＷＴＤＬ－ＤＬ相结合的解扩解调器,并对其性能 研究和分析。     

医疗质量的变权综合评价

给出了医疗质量评价中的变权综合方法，并通过具体实例说明了该方法的优越性。     

学生数学素质的变权综合评价法

本运用变权综合方法，对学生的数学素质进行了评价，并作了实例分析．     

层次分析法在模糊控制中的应用

介绍了层次分析法,并用它对模糊控制中模糊量的精确化的方法进行了评估,为控制专业的学生理解层次分析法提供了一个很好的实例。     

一种快速文本归类算法的设计与实现

为实现无维数约减技术而使分类算法可行且不浪费空间存储的超稀疏文档向量,同时保证分类精度和速度且两者相互独立的目标,提出使用类别特征信息数据库、类别特征权重向量模型、待归类文档压缩向量表示法和改进的Rocchio分类算法等技术实现文档的高速归类. 在相同的Reuters测试语料集上,与CRF算法和改进的kNN算法进行对比实验. 结果表明,在基本不牺牲精度的情况下,归类算法的分类速度明显高于对比算法.     

机器学习技术在胸癌诊断中的应用

为了提高胸癌诊断的识别精度,提出了应用机器学习方法建立胸癌诊断模型。其中描述细胞特征的参量作为模型的输入,细胞的类别对应模型的输出。选取三种机器学习方法作为建立模型的训练算法,分别为反向传播(Back Propagation,BP)神经网络、学习矢量量化网络(Learning Vector Quantity,LVQ)和支持向量机(Support Vector Machine,SVM)。仿真结果显示三种机器学习方法所见的诊断模型均具有较高的识别率(BP:97.28%,LVQ:98.06%,SVM:98.45%),可作为有效地识别方法用于其他医学诊断研究。     

判断矩阵一致性的一个充要条件

层次分析法在许多领域已广泛应用，然而，其判断矩阵的一致性检验尽管有许多方法，如最小二乘法、特征根法等，但都没有一个客观标准，本文证明了判断矩阵的一致性的一个充要条件，并在此充要条件的基础上，提出了一种直接进行排序权向量计算的方法，并得到了实例检验．     

模糊综合评价在回采工作面经济指标评价中的应用

应用模糊排序、模糊综合评价的方法，通过构造不同因素的隶属函数．对工作面经济指标综合评价进行了探讨，为考核回采工作面经济指标提出了一种方法。模糊综合评判，权重分配，隶属函数     

离散系统的自适应滤波

本文介绍了自适应滤波器及其最小均方（LMS）算法，通过计算机进行了仿真实验并对仿真结果进行了讨论。     

加权支持向量机在证券指数预测中的研究

支持向量机是基于统计学习理论的新一代学习机器．它使用结构风险最小化原则，给出了实际风险的上界，运用该技巧，较好地解决了学习问题．而神经网络则采用经验风险最小化原则，会出现过学习现象．根据证券指数等时间序列数据的特点即近期数据要比远期数据重要，重要数据点要求比较小的误差而提出了加权支持向量机算法，与径向基神经网络相比较，加权支持向量机在证券指数预测方面表现出了良好的泛化性能。     

层次分析中最小夹角法的性质研究

论证了层次分析中最小夹角法的一般性质，从而为该法的应用奠定了基础。