基于方向幅值比的欠定盲源分离算法

为了提高欠定盲源分离问题中混合矩阵的估计精度,提出了基于时频域混合信号数据点的方向幅值比的欠定盲源分离算法.为了充分利用复混合信号数据点的相位信息,引入复信号的方向幅值比,通过复混合信号的方向幅值比的方差、均值、分布密度实现单源点的精确提取.将分布在直线方向上的单源点进行单位投影化处理,通过聚类分析获得混合矩阵的列元素之比,从而实现混合矩阵的估计.利用匹配追踪算法将源信号进行重构.经仿真验证,提出的算法相较于对比算法,可以获得更高精度的混合矩阵与分离信号.     

一种改进的FCM聚类算法的混合矩阵估计

在增强信号稀疏性的基础上,对模糊C均值(fuzzy C-means, FCM)聚类算法进行改进,达到提高混合矩阵估计精度的目的,更好地解决欠定盲源分离问题。主要针对稀疏成分分析理论"两步法"中的混合矩阵估计算法改进,提出一种基于隶属度划分优化的FCM聚类算法。通过改变目标函数中的隶属度划分方式,来影响数据的归类,从而决定了混合矩阵中元素的估计精度。最后,将改进的算法用于语音信号仿真实验,完成混合矩阵估计。实验结果表明,用改进的算法所获得的矩阵估计误差小且精度高,可使归一化均方误差减小1.3 dB,角度偏差最多可减小1°。     

一种基于衰减-时延聚类估计的欠定语音盲分离算法

针对衰减-时延混合模型,提出一种改进的欠定语音盲分离算法.第一步根据独立语音源在时频域上的稀疏性,用势函数法分别聚类估计衰减矩阵和时延矩阵,然后配对以确定各声源混合矩阵.第二步由估计的混合矩阵,采用改进最短路径法恢复出目标语音.为了减少计算量,设置门限对能量较小的时频点直接置零处理,在衰减矩阵和时延矩阵聚类估计时采用了分段聚类算法.仿真实验表明本文算法分离出的语音和源语音相似系数达0.96,0.97,0.93,信噪比达12.66dB,12.86dB,8.87dB,且有效减少了计算量,证明了该算法的可行性和有效性.     

基于信号时频域聚集性的欠定盲分离混合矩阵估计方法

为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应变换系数的比值分布衡量信号线性聚集程度;其次,采用优化初始中心的K-均值聚类算法估计混合矩阵.该算法降低了对信号稀疏性的要求,并且可以较高精度地估计出混合矩阵.仿真实验结果表明该方法具有可行性和有效性.      

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

一种高精度低复杂度的改进Root-MUSIC算法

针对目前多数低复杂度Root-MUSIC算法的精度损失问题，研究并提出了一种具备精度补偿能力的低复杂度Root-MUSIC算法.该算法依据有限快拍数得到的近似数据观测矩阵首行重构具有Toeplitz形态的自相关矩阵，使重构的自相关矩阵具备Hermitian性;对重构的自相关矩阵特征值分解后获得噪声子空间，并将噪声子空间翻转拆分，重构新的求根多项式，进而通过求根方法得到DOA估计值.本文算法通过Toeplitz矩阵重构及求根多项式降阶，不但有效提高了改进Root-MUSIC算法的DOA估计精度，同时改进算法的时间复杂度不高于前人算法;在不同的入射信源及采样快拍数下，本文算法表现出更强的鲁棒性和稳定性.     

采用信号相邻采样点联合估计的欠定盲源分离算法

两步策略是当前欠定盲信号分离的基本方法,混叠矩阵的估计是恢复源信号的先决条件。考虑在混合矩阵已经估计的前提下,通过矩阵子空间的方法估计源信号,并且利用信号相邻采样点的相关特性,联合判断任意时刻信号的归属,提高欠定盲源分离算法的抗噪能力。通过仿真实验显示了该算法的性能及实用性。     

一种改进的快速支持向量机分类算法研究

快速的支持向量机分类算法--FCSVM对支持向量集采用变换的方式,用支持向量集的子集代替全部支持向量进行分类计算,在保证不损失分类精度的前提下使得分类速度较传统SVM算法有较大提高. 为了获得最小的支持向量子集,同时避免支持向量的移动,对FCSVM算法进行了改进.采用二分法优化分类函数中的支持向量数,给出了变换矩阵存在的充要条件及构造方法,减少了计算量.实验结果表明,改进的快速分类算法较大幅度地减少了计算复杂度,提高了分类速度,尤其在训练集规模庞大、支持向量数量较多的情况下,效果更加明显.     

盲信号分离模型的混叠矩阵估计算法

针对传统盲信号分离方法通过估计分离矩阵实现盲信号分离难以同时适应适定、欠定和过定模型的问题,给出了一种新的方法,直接估计混叠矩阵实现盲分离.首先给出估计混叠矩阵的梯度学习公式,并分析了该梯度算法对适定模型的有效性,然后将它推广到过定混叠和欠定混叠模型,从而得到了一种适用于各种盲分离模型的混叠矩阵估计算法.仿真例子检验了所提出的算法在适定情形下与原有算法有类似的特性,而又可以同时适应过定和欠定模型.     

基于方向密度检测与霍夫变换的混合矩阵估计

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.      

PPS估计与乘积估计的比较

PPS放回抽样方案下对总体均值的估计与简单随机抽样方案下对总体的乘积估计是实际应用相当广泛的两种抽样方法。本文在规模指标与关心指标呈负相关的情形下比较了这两种估计的优劣。     

用于单比特稀疏偶极子阵列波达角估计的协方差矩阵估计方法

为了提高单比特稀疏偶极子阵列的波达角(DOA)估计精度,提出了一种协方差矩阵估计算法。利用偶极子阵列结构特征,将该阵列的接收信号重排为具有相同阵列排布的等效标量阵接收信号,其理想协方差矩阵具有托普利兹结构。利用该矩阵的托普利兹结构以及单比特采样信号与无量化接收信号的符号一致性,将等效标量阵接收信号协方差矩阵的估计问题转化为具有等式约束的非凸优化问题,并将此问题松弛为凸问题,求得该矩阵的估计值,进而使用子空间方法获得DOA的估计结果。实验结果表明：相较于单比特多重信号分类(OBMUSIC),在嵌套阵上,该文单比特稀疏协方差矩阵估计(OB-SCME)的估计精度最小均方误差(MSE)有平均2.2 dB的性能提升;在互质阵上,其估计精度MSE平均提升了8 dB;当信噪比为0且快拍数少于60时,其估计精度提升可达10 dB以上。     

Entanglement-free Heisenberg-limited phase estimation

Measurement underpins all quantitative science. A key example is the measurement of optical phase, used in length metrology and many other applications. Advances in precision measurement have consistently led to important scientific discoveries. At the fundamental level, measurement precision is limited by the number N of quantum resources (such as photons) that are used. Standard measurement schemes, using each resource independently, lead to a phase uncertainty that scales as 1/square root N-known as the standard quantum limit. However, it has long been conjectured that it should be possible to achieve a precision limited only by the Heisenberg uncertainty principle, dramatically improving the scaling to 1/N (ref. 3). It is commonly thought that achieving this improvement requires the use of exotic quantum entangled states, such as the NOON state. These states are extremely difficult to generate. Measurement schemes with counted photons or ions have been performed with N < or = 6 (refs 6-15), but few have surpassed the standard quantum limit and none have shown Heisenberg-limited scaling. Here we demonstrate experimentally a Heisenberg-limited phase estimation procedure. We replace entangled input states with multiple applications of the phase shift on unentangled single-photon states. We generalize Kitaev's phase estimation algorithm using adaptive measurement theory to achieve a standard deviation scaling at the Heisenberg limit. For the largest number of resources used (N = 378), we estimate an unknown phase with a variance more than 10 dB below the standard quantum limit; achieving this variance would require more than 4,000 resources using standard interferometry. Our results represent a drastic reduction in the complexity of achieving quantum-enhanced measurement precision.     

多跳频信号2D-DOA与极化参数的联合估计

为了利用跳频(FH)信号的空域特征参数进行网台分选,提出一种基于空间极化时频分布(SPTFD)的FH信号二维波达方向(2D-DOA)和极化参数联合估计算法.首先定义新的波达方向角并建立FH信号的极化敏感阵列快拍数据模型;然后采用组合时频分布抑制FH交叉项,设计阵元时频点选取策略,并据此构造各跳信号的SPTFD矩阵.在此基础上,根据旋转不变子空间思想估计俯仰角,利用秩损理论结合多项式求根估计方位角和极化参数,最终实现了2D-DOA与极化参数的联合估计.该方法可适用于欠定条件,且无须角度搜索和配对,估计精度高,仿真结果验证了算法的有效性.     

改进的OFDM带宽盲估计方法

针对正交频分复用信号通过快速傅里叶变换变换得到的频谱不够精确且计算量较大的问题,提出一种基于Welch法的带宽盲估计方法.首先用Welch法求得功率谱,再进行小波分解、重构,得到平滑的功率谱;然后提取出最大移动协方差的2个值所在的位置进而估计带宽;最后多次循环求统计平均,得到信号的精确带宽.实验仿真结果表明:在多径且低信噪比为0dB的条件下,该方法的正确估计率达99.1%,比传统方法的带宽估计精度更高,计算复杂度更低.     

空间连接的选择性估计

空间连接是空间数据库中非常重要和耗时的操作，而空间连接的选择性估计对于查询优化器能否选择一个较好的执行计划至关重要。本文介绍了3种空间连接的选择性估计方法，并对其进行了比较分析。     

基于灰度图像的曝光量估计方法

针对宽范围光照场景下成像系统存在的曝光不足或曝光过度的问题,以灰度图像的灰度直方图为基础,计算平均灰度,依据峰值灰度和灰度图像两侧是否存在零像素区域,估计图像曝光量效果是否恰当．研究了图像灰度直方图的灰度分布与曝光效果的关系,应用估计方法给出了曝光系列图像的实验结果．实验结果表明,此算法能够计算估计出图像的曝光效果,无需数据库支撑,复杂度低,易于实现．     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出了一种自动的年龄估计方法。通过年龄函数建立人脸特征和年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像,然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征,最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1a。