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。     

基于CSD量化的数字滤波器的设计

数字滤波器在数字信号处理中占有举足轻重的地位。针对当前滤波器资源消耗大的问题，仔细研究了基于CSD（Canonic Signed-Digit)量化的滤波器设计方法，并对以往的CDS量化过程进行了改进，提出了一种降低滤波器运算量的改进方法，给出了设计基于CSD量化的滤波器的参考意见。仿真结果表明：改进后的算法对滤波器频率特性有一定改善，系统硬件实现时的存储资源也有所减少。     

基于扩展Kalman滤波的声阵列定位数据融合算法

利用各阵元和目标相对于一中心阵元的几何关系建立目标运动方程，坐标变换方程和声阵列测量方程，并以此建立了声阵列目标定位模型。在此基础上提出了基于扩展Kalman滤波算法的目标定位数据融合算法。通过地面目标和空中目标的计算机仿真表明，本算法能够有效地克服由于智能雷布阵的随机性给智能雷定位数据估计带来的困难，对声阵列定位数据也能进行较好的融合，对提高定位精度有一定效果。     

感应测井信号处理及应用研究

综合论述了感应测井信号处理方面的成果 .重点涉及感应测井信号处理理论、信号处理中几何因子选择、滤波器最优化设计、实际非线性测量信号处理的实现 .总结了常用几何因子的应用局限性 ;提出了利用相关技术、软约束技术等方法解决最优化滤波器设计中的问题 ;采用真分辨率合成与分辨率匹配技术相结合的信号处理思想 ,极大地减小了井眼附近的影响 ;实现了非线性信号自适应处理算法 .研究成果分别在双感应测井、高分辨率感应测井、阵列感应成像测井和高分辨率阵列感应测井中得到了应用     

有限离散函数导数的几何和极限表现

通过引入最佳平均逼近直线 ,分别从几何直观和极限情形两个角度 ,研究了有限离散函数的导数概念的表现 .结果表明 ,在局部情况下 ,有限离散函数导数近似等于连续情形下的导数 .极限情况下 ,局部范围内一点处有限离散函数的导数就变成了常规情形下的导数 ,最小二乘线就变成了最佳平均逼近直线     

无差拍控制策略在有源电力滤波器中的应用

在有源电力滤波器的电流控制中采用无差拍控制策略,给出了无差拍控制的数学建模方法,并采用MATLAB/simulink进行了仿真研究,结果证明了此方法的可行性和有效性.图4,参6.     

对数域电流模式带通滤波器的频率限制

基于对数域积分器误差函数分析方法，分别导出了带通滤波器的中心频率、品质因数与积分器误差函数幅值和相位之间的关系式，得到了中心频率、品质因数与晶体管非理想参数RE、RB、有限电流增益β值和Early电压VA值的关系式。研究结果表明，寄生电阻RE和RB主要影响滤波器的中心频率，有限β值对中心频率和品质因数均有影响，有限VA对滤波器的影响相对较小。给出的电子补偿方法，可以显著地改善非理想对数域带通滤波器的性能。SPICE仿真分析验证了理论分析结果，所得结果可为对数域滤波器的精确设计和应用提供理论依据。     

基于COM技术的DirectShow视频采集的研究

介绍了DirectShow的体系结构，并介绍了COM技术在其中的应用，对基于COM技术的DirectShow视频采集进行了研究与实现。     

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。     

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。