一种自适应降噪算法的研究与实现

利用自适应算法的实时跟踪性能,提出一种适用于自适应降噪(ANC)系统的变步长自适应算法,并通过计算机仿真实验对该算法进行验证.结果表明,该算法能够较好地恢复出淹没在噪声中的信号.     

一种非均匀动态子带划分OFDM自适应调制算法

针对采用固定子带划分算法系统误码率较高,均匀动态子带划分算法需要多次迭代、算法复杂度较高的缺点,提出一种非均匀动态子带划分OFDM自适应调制算法。算法根据信道的频响关系,无需迭代即可完成动态的子带划分。采用随机选取方案定义子带等效信噪比和优先利用等效信噪比最大子带的比特调整方式,能有效减小比特调整的迭代次数,算法复杂度低。仿真结果表明,系统达到目标误比特率10-3时,该算法相比SBLA算法和4QAM调制方式分别能获得2dB,2.6dB信噪比增益。     

一种极化鲁棒自适应子空间检测算法

提出一种高斯杂波和噪声背景下的极化鲁棒自适应检测算法.因阵列校正误差、波束指向误差等因素引起的目标标称导向矢量与真实的不一致,可能会导致检测性能下降.通过在目标标称导向矢量子空间增加一些矢量,提出一种基于子空间的对模型失配鲁棒的检测算法.仿真结果表明,当目标导向矢量误差较大时,算法仍能取得较好的检测性能.      

一种基于子带分解的图像数字水印算法

提出了一种基于Walsh四子带分解的图像数字水印算法.通过实验表明,该算法生成的数字水印具有较好的鲁棒性,且易于实现.     

基于子带噪声的自适应小波阈值算法

该文提出了一种新的小波阈值的算法,它是在传统的Donoho阈值上的改进．传统的Donoho阈值没有考虑小波系数中不同的子带包含的噪声不同,均采用唯一的一个Donoho阈值对小波系数进行判别．这显然是不合适的．因此,作者提出了这种根据子带中的噪声自适应的调整小波阈值的算法,收到了比较满意的效果．     

一种带自适应飞行时间因子的粒子群算法

作为一种新型智能算法,粒子群算法具有概念简单、易于实现等特点,但也存在容易陷入局部最优的缺点。为了尽可能找到问题的最优解,提高粒子群算法的收敛速度,提出一种带自适应飞行时间因子的粒子群算法,在算法中引入种群多样性和种群进化度两个参数,并根据这两个参数对算法性能的影响,让飞行时间因子随着这两个参数自适应改变。通过对4个基准函数的测试表明,改进后的粒子群算法较其他几种粒子群算法在收敛速度和收敛精度上都有一定提高。     

基于GSPAP的子带自适应声反馈消除算法

声反馈抑制需求鲁棒、高效的自适应滤波器。该文提出一种基于Gauss-Seidel伪放射投影(Gauss-Seidel pseudo affine projection,GSPAP)的子带自适应声反馈消除算法。通过加权重叠相加滤波器组进行子带划分,子带上采用参考信号的自相关矩阵取代能量对滤波器的自适应步长进行归一化;在自相关矩阵的迭代公式中引入基于输入信号和参考信号能量最大值的自整定系数,增强算法鲁棒性;选用二阶GSPAP迭代法对自相关矩阵解算求逆,以平衡算法性能与复杂度。实验结果表明:在相同滤波器长度的条件下,该文方法获得11~22dB的稳态增益增量,比时域归一化最小均方误差(normalized least mean square,NLMS)方法提升20%~55%。     

一种基于语音分类的清晰度客观评价算法

为了能方便、快捷、可靠地对失真语音进行语音清晰度性能评价,提出了一种基于语音分类的加权巴克谱失真语音清晰度客观评价算法SC-WBSD.该算法提出在巴克域中对清音帧、浊音帧及过渡音帧巴克带谱失真进行加权来求失真语音的客观失真测度.通过分析 3类语音的巴克谱失真测度与DRT分的相关程度,提出一组以相关系数的幂次方为权重的有效SC-WBSD权重矢量.实验结果表明,SC-WBSD方法和DRT分的相关度达到了0.924 73,与巴克谱失真测度算法相比提高了4%.     

改进的动态子带划分的LPLC-OFDM自适应调制算法

针对低压电力线载波通信信道的频率选择性衰弱,提出一种改进的子带动态划分OFDM自适应调制算法。算法根据信道状态信息误差准则实现动态的子带划分,采用随机选取方案和非连续子带划分方式能自适应地为各子带中的所有子载波选择相同的调制方式。仿真结果表明,在保证传输质量的前提下,该算法复杂度低,能有效减少信令信息的传递,提高系统的频谱利用率。     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.     

一种流量自适应MAC算法

在无线传感器网络的一些实际应用中,其数据流量会随活动事件不同而产生变化。因此,根据数据流量的变化,分别采用时分多路复用和基于竞争两种不同的数据传输模式。该方法的主要设计目标是提高网络吞吐量,有效节约能源,延长网络生命周期。最后,采用NS2进行仿真测试,验证了设计思想的正确性及可行性。     

一种流量自适应MAC算法

在无线传感器网络的一些实际应用中,其数据流量会随活动事件不同而产生变化[1].因此,根据数据流量的变化,分别采用时分多路复用和基于竞争两种不同的数据传输模式.该方法的主要设计目标是提高网络吞吐量,有效节约能源,延长网络生命周期.最后,采用NS2进行仿真测试,验证了设计思想的正确性及可行性.     

一种自适应蚁群分类算法

将分类学习看作是一个找出最优分类规则的优化问题,提出一种自适应蚁群分类算法——AdaptiveL_AMP,以得到一组可理解的分类规则.在基于规则的分类方法中,规则评价函数的选取至关重要,本文提出的算法能够针对不同数据集自动选取与之相适应的规则评价函数以提高分类准确性.此外,为进一步提高算法的分类准确率,设计了一种局部搜索策略并将其融入到AdaptiveL_AMP算法中.最后对算法进行了分析,并在多个公用的真实数据集上与相关算法进行了比较,结果表明AdaptiveL_AMP算法能够更加有效地解决分类问题.     

一种改进自适应算法的收敛性

本文分析了改进自适应算法收敛条件，给出了算法收敛的新概念，从失调的表确表达式出发，解出了算法收敛的步长范围。     

一种自适应的漏桶算法

Berger所提的漏桶算法在多业务智能网环境中不具有自适应性,难操作.我们通过在SCP中引入速率调整参数,让SCP根据分配给各业务的处理能力、当前的负载及各业务的业务流情况来动态地调整SSP上各业务漏桶的令牌产生速率,提出了一种自适应的漏桶算法.分析和仿真的结果表明此算法具有效率高、公平性好、自适应性强的优点.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

一种改进的自适应卡尔曼滤波算法

针对多传感器数据融合时传统卡尔曼滤波算法极易引起滤波发散,降低滤波精度和系统实时性的问题,研究一种改进的自适应滤波算法对多传感器数据进行融合,得到更为准确的信息数据。该算法在简化的Sage-Husa滤波基础上引入滤波收敛性判据,抑制滤波发散并提高滤波精度和稳定性。同时结合强跟踪滤波思想调整增益矩阵,使滤波器具有强跟踪滤波的特性,提高改进的滤波算法对不确定系统模型的鲁棒性以及对突变状态的滤波处理能力。将改进算法与传统卡尔曼滤波算法进行仿真比较。仿真结果表明,在系统模型参数失配或实变噪声未知情况下,改进的自适应滤波算法有更好的鲁棒性,并且在系统状态突变时仍有较好的滤波效果,明显提高了滤波精度和实时性。     

一种基于带核随机子空间的聚类集成算法

随机子空间聚类集成通过属性随机采样产生属性子空间,并将子空间上的基聚类结果进行集成得到最终聚类结果.在这一过程中,子空间产生的随机性虽然为聚类集成提供了很大的差异度,但是无法保证基聚类结果的有效性,这是因为随机产生的子空间有可能只包含极少的重要属性.针对这一不足,提出了一种带核随机子空间生成策略:首先依据粗糙集理论中的互补互信息选出对于刻画数据集整体信息至关重要的属性子集,作为每个属性子空间的"核心",再从剩余属性集中随机选择一定数量的属性与核心属性共同构成聚类子空间.这种策略在兼顾子空间之间差异性的同时也提高了每个属性子空间对数据整体信息的刻画能力,从而得到更好的聚类集成结果.在大量UCI数据集上的实验证实了所提方法的合理性和有效性.     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。