低信噪比下的变步长最小均方自适应算法及其在时延估计中的应用

为提高变步长最小均方(LMS)自适应算法在噪声干扰下的时变时延跟踪性能,提出改进的变步长LMS自适应算法.该算法对MVSS-LMS算法进行误差均值补偿,改步长因子固定范围约束为动态变化约束;使用HB加权突出自适应滤波器权系数峰值,采用滑动窗遗忘加权减小计算复杂度.自适应时延估计仿真实验和消声水池目标被动定位试验表明:相比于参数固定条件下的MVSS-LMS算法和SVS-LMS算法,改进算法能够获得更好的时变时延跟踪性能.     

两种OFDM多普勒估计算法在水声信道中的比较

为了消除多普勒频偏影响,通过水上实验对两种OFDM (Orthogonal Frequency-Division Multiplexing)水声通信多普勒估计算法进行对比。基于拷贝相关时延差估计的多普勒
估计算法结构简单、易于实现;基于空载波的算法较复杂,但精度较高。利用两种方法对相同的实验数据进行多普勒估计和补偿,并对其通信误码率进行对比。研究结果表明,在慢变的信道中两者的误码率基本相同,但在快变的信道中基于空载波的算法更稳定。     

基于改进PSO的高分子材料降解模型参数优化

为提高可降解高分子材料降解模型仿真的准确程度,结合高分子材料降解的实际原则和所要考虑的各种因素,建立了适合优化的参数优化模型,并将粒子群优化算法(PSO)用于模型的求解.针对标准粒子群算法存在的一些不足,提出了一种改进的粒子群优化算法来求解最优值,改进的算法引入了动态自适应惯性权重和异步时变学习因子.采用5个标准测试函数对改进的粒子群算法进行了测试,并将算法应用于参数优化模型的求解.测试与试验结果表明:新算法有效地避免了过早陷入局部最优,提高了收敛速度和收敛精度,并且采用优化所得参数显著地提高了高分子材料降解模型仿真的精准度,有利于揭示降解机理的科学意义和指导实际医用器件的设计与生产.     

水稻生产受气象因素影响的动态评估方法——回归积分法

采用多要素回归积分的差分式方法可实现水稻生产受气象因素影响的动态评估。以金堂县水稻生产和气象因素资料为例,建立了差分式回归积分法,讨论了评价方法的可行性,介绍了评估方法的操作步骤及应用范围。     

Poisson分布的参数函数无偏估计

讨论了在Poisson分布情况下参数函数的无偏估计,并给出相应的证明和实例.     

基于改进的小波阈值去噪和二级判断模型的说话人识别

针对目前说话人识别系统中噪声使得识别率严重下降的问题,在特征提取前用小波阈值去噪方法对带噪语音进行去噪处理.对于小波阈值函数以及阈值的选取进行研究,提出一种改进的阈值函数,小波阈值中的噪音方差估计采用基于实际噪音方差估计的谱熵法,将改进的小波阈值去噪结合一种二级判断模型提高噪声环境下的说话人识别率.在不同信噪比条件下进行试验,改进的小波阈值去噪法优于传统小波阈值去噪方法,改进后的阈值函数与二级判断模型相结合的识别率比原始语音DTW模型提高了7.9%,比原始语音GMM提高了4.6%,对于短时语音有较好的识别率.     

多维正态分布参数估计的损失函数和风险函数的Bayes估计

在N P（θ,Σ）和方差Σ已知情况下,给出了多维正态分布多维参数均值θ=（θ1,θ2,…,θΡ）估计的损失函数和风险函数的Bayes估计。     

盗伐、滥伐林木材积测算及定案研究

盗伐、滥伐林木材积数量是对案件定性、对行为人处罚的重要依据。目前材积测算的方法较多,相关法律法规对测算方法没有统一规定,导致同一案件出现多个测算结果。笔者采用案例研究、调查访问、模拟现场调查等方法,根据涉案林木的状态,分别对几种常用的测算方法的精度进行了比较研究,提出应根据不同案情确定材积测算方法;同一案情有多种测算方法时,应优先选用精度较高的方法,使测算结果具有唯一性,并经司法机关认可取得合法性。这样对盗伐、滥伐林木案件进行定案时可减少争议的出现,缩短办案时间,提高办理毁林案件的质量。     

应用探地雷达数据提取填土路基含水量的方法

目的为了从地质雷达测量数据中定量提取土路基的含水量。方法根据电磁理论和现代信号处理原理,提出了应用小波反射系数估计和层速度估计定量提取土体相对介电常数的方法,应用该方法对陕西本地的土壤介电常数和含水率进行了详细地研究并与实验测试数据相比较。结果小波反射系数估计法和层速度估计法是定量提取填土路基含水率非常有效且实用的方法。结论利用地质雷达结合土体的物理特性,可以实现公路填土路基土体含水量的无损定量检测。     

动态跟踪中背景补偿与目标运动估计

针对目标的观测位置信息中混入了背景运动的问题,提出一种特征点集与稀疏光流场相结合的背景补偿方法.通过Harris算子找出一组特征点,在相邻帧中通过计算每个特征点的局部最优匹配区域得到稀疏点集的光流向量.根据其光流方向概率分布,最终计算出背景的偏移量.通过背景补偿,得到目标的真实偏移量序列,带入Kalman滤波方程,对下一帧中目标的运动状态进行实时估计.实验表明,背景补偿后的预测精度在10个像素之内,每个均值迁移跟踪单元大约需要10ms,提高了跟踪的稳定性,有效减少了迭代次数.新的跟踪器能满足动态实时跟踪的要求.