一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中，通常需要先将输入的语音信号进行去噪处理，这样可使识别的正确率大大提高，通常采用基于LMS算法和RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法，该模糊滤波器是一种非线性滤波器，它在语音信号的特征域空间采用参数映射的方式来滤除噪声，并能够进行自适应结构调整和参数更新。实验结果表明，采用自适应模糊滤波器来滤除噪声比线性滤波器具有更好的效果。     

欧氏环中多个元素的最小公倍子

给出了在欧氏环中求多个元素的最小公倍子的一个矩阵方法，该方法可用来计算整数环Z中的最小公倍子和多项式环P[x]中的最小公倍式。     

提取正弦信号参数的非线性寻优最小二乘算法

提出一种非线性动态寻优的最小二乘算法(LMS)，以高效地估计正弦信号幅值、相位和直流偏置．利用随机逼近理论中的Kiefer-Wolfowitz定理，提高了非线性梯度法搜索LMS估计量极值的收敛速度．以整周期内采样均值为迭代初值，迭代步长的选择根据各参数的差异分别选取，并采用修正因子以加快迭代的收敛速度，设置最大步长防止算法溢出．仿真表明，在计算量相当的情况下，该算法参数估计精度明显优于传统LMS.     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。     

电力负荷预测线性相关方程的最佳权重加权最小二乘法

针对电力系统负荷预测的一元线性回归模型，提出了基于加权最小二乘法建立相关方程的最佳权重法，与传统的最小二乘回归法相比较，该方法综合考虑x及y方向误差确定相关方程，所求相关方程不会因坐标系的选取而改变，结果较为客观，可作为电力负荷预测的一种新的补充方法。     

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方（LMS）算法性能，提出了一种新的性能评估参数－误码率，为了提高LMS算法性能，提出了一种新的变步长归一化LMS自适应算法，该算法长在启动阶段主要由瞬时误差控制，以加速收敛，在收敛阶段主要由其历史值来决定，以获得低的误码率，而切换条件是基于短时均方误差值，与已有类似的变步长LMS算法相比，在几乎不增加算法复杂度的情况下，具有更快的跟踪速度，更低的比特误码率，特别是其控制参数在观测噪声强度发生变化时不需重新调整，计算机仿真效果支持了理论分析。     

过采样方法在系统辨识中的应用

为了对带噪输出的控制系统进行盲辨识，提出了一种利用过采样法辨识控制系统函数的方法，通过过采样控制系统的输出信号，将原单输入单输出系统转换成为一个新的与原系统具有相同输出极点的单输入多输出系统，再估计出这个新的单输入多输出系统的传递函数，最后得到原单输入单输出系统的模型参数，仿真结果表明，与常用的高阶矩法相比，该方法具有不受系统结构影响，不需要计算样本数据的高阶统计矩，使用的样本数据量少，便于计算机实现的优点。     

基于马尔可夫随机场的曲面光顺算法

利用最小均方（LMS）线性预测方法检测曲面型值点，对误差较大的坏点采用预测值进行修正，从而有效地避免了坏点对曲面光顺效果的影响。基于马尔可夫随机场（MRF）的局部特性，采用二阶邻域内数据点的线性组合代替原型值点，选择适当的加权系数，依次对各型值点进行修改，即可在保证曲面精度的前提下实现曲面光顺。计算结果证明，此算法结构简单，运算速度快，修改能力强，对不同形式的参数曲面都可以取得良好的光顺效果。     

输入有界线性离散系统可控区域的一种有效算法

针对输入有界的离散时间线性定常系统，利用凸多面体集合的几何特性，求解与有限步可控区域相联系的凸多面体集合的边界超平面法向量，进而得到有限步可控区域的精确表示，计算实践表明，与求解可控区域的传统方法相比，该方法具有更高的计算效率，且当有限步可控区域对应较多的步数时，该方法在计算效率上的优势更加显著．还结合最小时间控制问题和镇定问题，说明用该方法得到的有限步可控区域的精确描述，能够为解决约束系统的控制问题提供重要依据。     

负二项分布下参数的方差一致最小无偏估计及贝叶斯估计

本文利用充分完全统计量,给出了负二项分布下,总体均值μ和参数P的方差一致最小的无偏估计(UMVUE),特别当r=1时,给出了方差σ2的UMVUE,然后,再利用共轭先验分布给出参数P的贝叶斯估计,并在特殊情形下,对两种估计进行了比较。