基因识别问题及其算法实现（下）

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

基因识别问题及其算法实现(下)

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

基于信号处理的基因识别模型

为了获得精确可靠的基因识别信息,根据所给DNA 序列进行数值化映射（基于 Voss映射和Z-curve映射）运用快速傅立叶变换（FFT ）以及离散小波变换算法计算DNA序列功率谱和信噪比;对于不同类型生物的基因预测采用靴带抽样算法推断基因预测的最佳阈值并以特异性、敏感性和精度3个性能指标来评估基因预测方法的性能,所建模型在基因识别中精度较高、运算快、效果好。     

不同DNA序列映射对频谱3-周期性的影响

DNA符号序列经过数值映射后其数字序列所具有的频谱3-周期性被认为是用来区分编码区和非编码区的一个重要特征。将常见映射分为4类,讨论了各类映射之间的关系;使用Parzen窗口密度估计法确定不同映射下的3-周期信噪比阈值,并利用在该阈值下的分类正确率指标对不同映射进行了评价;依据移动序列信噪比曲线给出敏感性、非震荡性2种指标,比较了不同映射在利用3-周期性进行基因编码区域识别上的优劣性。     

基于数理统计基因识别问题的研究

对于很长的DNA序列,在计算其功率谱或信噪比时,离散Fourier变换(DFT)的总体计算量仍然很大,会影响到所设计的基因识别算法的效率.Voss映射,Z-curve映射,探求功率谱与信噪比的某种快速计算方法运用计算机MATLAB软件用快速傅里叶变换方法来实现功率谱和信噪比的求解.     

DNA序列信号3-周期特性

在利用离散傅里叶变换(DFT)对数值化映射后的基因序列进行频谱分析中,DNA序列信号频谱3周期性被认为是用来区分编码区和非编码区的一个重要特征。给出推广后的频谱信噪比(SNR)定义,该定义具有更广的适用性并且适合快速计算;对不同种类生物基因的编码和非编码区域的信噪比进行计算和统计分析,在此基础上提出3种分类阈值确定方法;对影响信噪比和阈值确定的因素,以及基于3周期性的基因识别方法正确率的局限性等也做了较深入的统计分析     

基于信噪比和频谱特征改进的基因预测方法研究

指出了正确识别定位DNA序列中外显子区间是当前生物信息学最基础的问题之一.通过介绍DNA序列的3-周期性、信噪比等概念,引入了固定长度滑动窗口和移动信噪比曲线识别两种基因识别算法,在综合两种算法的复杂度和准确性优势的基础上,提出了基于信噪比特征的基因识别改进算法,并通过实验验证了该算法的有效性与准确性.     

原核基因识别中的一种负样本生成算法

在基因识别的两类算法中,判别算法通常需要正负两类样本来训练参数.在原核生物的基因组中,由于可充当负样本的基因间序列太少,如何产生负样本便成为原核基因识别中的一个问题.本文提供了一种基于"自相似映射"的负样本生成算法,与通常使用的随机生成算法不同,该算法不需要生成随机数.本文给出了两种负样本生成算法的比较,并初步讨论了自相似性对于DNA序列分析的意义.     

基于浊音语音谐波谱子带加权重建的抗噪声说话人识别

提出了一个基于浊音语音谐波谱重建的说话人识别算法.该算法根据浊音语音短时频谱的结构特征和基音信息,对浊音语音谐波结构频谱进行子带加权重建,以补偿由噪声引起的训练与测试条件的失配.算法基于重建浊音频谱提取感知线性预测倒谱系数,与基音相组合作为说话人的语音特征参数矢量,采用高斯混合模型对说话人进行建模.仿真实验的结果表明:所提出的浊音谱重建方法对多种类型含噪语音的噪声补偿均具良好效果,可以明显提高在噪声环境下的与文本无关的说话人识别的识别率,特别是显著提高低信噪比环境下的识别率,而不会明显降低纯净语音和高信噪比环境下的识别率.     

一种基于邻值比较的信噪分离方法

为更高效地监测射电天文台站电磁环境,需针对宽带频谱序列研究高精度信噪分离方法,为进一步的信号识别和统计提供算法支撑.依托实测频谱数据样本,提出一种基于邻值比较的信噪分离方法.首先,采用邻值比较算法,提取宽带频谱的背景噪声,并对提取背景噪声进行滤波处理,结合标准差理论,确定宽带频谱的信噪分离阈值,实现宽带频谱信号和噪声的分离.其次,采用此方法对实测数据样本进行处理,并与现有信噪分离方法进行对比.结果表明,该方法通用性较好,信噪分离准确度高,能够应用于射电天文台站的电磁环境实时监测.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

一种改进的六联体使用频率编码测度

在基因预测软件中常用的编码测度得到的序列编码潜力大小往往与序列的C G含量紧密相关,从而影响了对蛋白编码区的识别效果．研究发现六联体使用偏好与其自身C G含量存在一种近似线性的相关性,据此提出了一种改进的六联体使用偏好模型,通过综合考虑六联体使用频率与六联体的C G含量,可简便有效地减小序列编码潜力大小对序列C G含量的依赖性．测试表明,与分类建模策略相比,该方法所需的训练数据较少,而且具有更好的蛋白编码区识别效果,因此可用于基因预测软件中以提高蛋白编码区与基因结构的预测精度．     

双门限频谱感知中自适应烟花算法的应用研究

为了解决静态频谱分配仅将频谱分配给授权用户导致频谱资源紧缺的问题，对认知无线电中频谱感知部分进行优化。由于能量检测方法中选取固定门限值对不同信噪比信号检测误差较大，采用一种优化的双门限协作的感知方法。对于非授权用户接收信号时可能会受到干扰的情况，选取了联合频谱感知的方式。通过对爆炸半径进行自适应处理后的烟花算法来确定最小检测误差，利用其结果求得最优的门限值，得到最优的双门限值将接收到的能量区域分为3个区域，对于不能确定的区域将能量值发送到融合中心进行进一步判决，将所有判决结果用或(OR)准则融合得出频段是否有主用户占用。仿真结果表明了该方法与其他较新提出的双门限优化方法相比，具有一定优势。     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

用于地震面波分离的倾角中值滤波法

针对西部地区受近地表低降速带影响、反射地震资料中浅层面波干扰严重和野外采集资料信噪比低的情况,根据面波的特性,基于中值滤波法,提出一种用于地震面波分离的倾角中值滤波法。该方法利用面波的线性特征和反射波的非线性特征对面波分离,达到增强反射波的目的。理论模型和实际资料应用结果表明：该方法能够在叠前有效分离面波,提高资料的信噪比、分辨率,满足浅层高分辨资料处理的需求。     

模态参数识别中频响函数估计的最小二乘优化

模态参数识别的精度将会直接影响到机械结构系统动力特性分析的质量,而频响函数的估计精度对模态参数识别精度影响很大.工程中通常借助FFT采用功率谱平均估计频响函数.由于FFT过程中截断及舍入等误差的存在以及噪声的影响不能完全克服,采用此方法估计的频响函数来识别模态参数,其精度受到影响.因此,在分析频响函数的理论值与功率谱平均估计值的误差函数的基础上,应用最小二乘法对频响函数的估计进行优化.通过实测试验对该方法的有效性进行了验证.试验结果表明:采用优化后的频响函数识别的阻尼固有频率和阻尼比比没有优化直接峰值搜索得到的结果更接近真实的结果,该方法能够提高模态参数识别的精度.     

基于卷积神经网络的宽带合作频谱感知

利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络（convolutional neural network,CNN）的宽带合作频谱感知方案。宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知。仿真结果证明,与传统的基于能量检测技术和典型机器学习（machine learning,ML）分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能。