基于增量优化传递的正电子发射断层图像重建

将增量优化传递算法用于正电子发射断层图像重建中,得到一种新的最大后验概率图像重建算法,实验结果表明,相对于滤波反投影和最大似然期望值最大化算法,有序子集可分离的抛物面型替代函数算法和发射增量优化传递算法得到的图像归一化均方误差较小,且边界得到一定的保持.在迭代的初期,有序子集可分离的抛物面型替代函数算法收敛较快,误差小;当迭代到一定的次数时,发射增量优化传递算法误差小,且能够有效收敛,对发射扫描断层图像重建产生重要的影响.     

质心迭代图像跟踪算法

针对均值漂移跟踪算法对图像进行核函数加权处理的不合理性,且在图像跟踪中存在偏差的问题,提出了一种基于最大后验概率指标的质心迭代跟踪算法.首先分析了最大后验概率指标的计算特性,并指出该指标可以计算出每个像素对相似度的贡献值.以此为基础,提出了一种非参数非核的质心迭代图像跟踪算法,即将每个像素的相似度贡献作为密度,候选区域的相似度作为区域质量,通过计算初始候选区域的质心并经反复迭代,从而获得目标位置.理论分析和实验表明,所提算法无需核函数,迭代计算无需指数运算,降低了计算复杂度,同时利用了最大后验概率指标对背景的抑制作用,可大大提高跟踪的准确性.     

一种基于信道软译码的差错隐藏算法

为满足恶劣无线环境下低速率语音通信需要,针对混合激励线性预测(MELP)提出了一种基于信道软译码的差错隐藏算法.利用软译码所得对数似然概率比估计比特错误概率,提出了利用比特错误概率和信源残留冗余,基于最大后验概率(MAP)估计合成端语音清浊音模式.对不同的清浊音模式,选择不同的参数重构方案,浊音帧时,利用对数似然概率比基于最小均方误差(MMSE)准则进行参数重构;清音帧时,硬判决对数似然概率比,由硬判决结果通过映射直接重构参数,在信道编码为递归系统卷积码和并行级联卷积码情况下,采用PESQ测试了提出的差错隐藏算法误码条件下合成语音质量.测试结果表明,与近年来提出的针对MELP的差错隐藏算法相比,该算法具有更好的性能.     

自适应估计模糊参数的最大后验概率超分辨率复原算法

为降低最大后验概率(MAP)超分辨率图像复原算法中模糊参数调整的复杂度,减少迭代运算量,提出了一种超分辨率复原新算法.先抽取一幅低分辨率图像作为参考图像,用其余低分辨率图像估计参考图像,通过训练模糊参数使估计的均方误差最小,自适应地估计最佳模糊参数.然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性,将训练结果直接用于超分辨率复原.复原时先利用最佳模糊参数将全部的低分辨率图像信息融合到高分辨率初始图像中,改进了复原运算的处理流程.相对于其他MAP复原算法,新算法不需要人工调整模糊参数,并且只需3次迭代即可获得稳定解,大大减少了迭代运算量.对真实图像序列的实验结果表明,新算法更好地保持了图像细节,复原图像的纹理更清晰.     

非定常对流扩散问题间断有限元方法的后验误差估计

后验误差估计是自适应算法的基础.为了设计有效的自适应算法,必须恰当估计数值解的误差界,自适应算法依此来实现网格的局部调整,提高计算效率,改善计算精度.运用对偶论证,给出了非定常对流扩散问题间断有限元(DG)方法的后验误差分析.由有限元的正交性、分部积分和相关逼近性质,严格推导出误差泛函的上界.     

基于最大后验概率的逆半调改进方法

针对Bayesian算法以误差分散核为先验、时空复杂度高的缺点,提出一种逆半调改进算法.首先根据误差分散半调图的噪声特性设计去噪预处理器,然后以预处理图像为初始值,依据最大后验概率准则,采用基于矩阵运算的迭代方法估计逆半调图像.所构造的逆半调算法与Bayesian算法相比,逆半调图像平滑且边缘清晰,时空复杂度大大降低.仿真结果表明:N×N维图像的空间复杂度由8N2降至81N,运行时间降为原来的15%左右;采用Floyd-Steinberg半调图,该算法的峰值信噪比(PSNR)与小波算法相当,采用Jar-vis半调图,PSNR值较小波算法提高了0.3~3 dB.     

一种改进的变步长前后向追踪重建算法

压缩感知中前后向追踪（forward-backward pursuit,FBP）算法能有效缩短重建时间,但一旦迭代过程中前向、后向步长确定,将导致计算时间增长,影响重构效率,因此,提出一种改进的FBP算法,称为变步长前后向追踪算法（variable step size forward-backward pursuit,VSSFBP）.该算法引入判决阈值和等比因子,考虑到估计的稀疏度远小于真实稀疏度,选择较大迭代步长,减少迭代次数,缩短运行时间;同时考虑到当估计的稀疏度达到一定值时,减小迭代步长,减慢逼近的速度,提高信号重构精度.仿真结果表明：VSSFBP算法在保证重构效果的同时,明显缩短了重构时间.当图像压缩比为0.45时,信噪比提高了1 dB,峰值信噪比提高了0.8 dB,重构时间降低为原来FBP算法的42.04%.与同类算法相比,在保持较高的峰值信噪比和信噪比的条件下, VSSFBP算法消耗的时间大大缩短,重构速度更快,重构信号更精确.     

鉴别性最大后验概率线性回归说话人自适应研究

为增强自适应后的声学模型的鉴别能力,提出了一种基于最大互信息(MMI)的鉴别性最大后验概率线性回归(MMI-DMAPLR)说话人自适应方法. 将最大互信息准则和最大后验概率(MAP)准则相结合,设计了一个新的目标函数来估计基于线性变换的自适应方法中的变换参数,在最大后验概率估计中加入了鉴别性. 大词汇量连续语音识别的实验结果表明,新方法在增强声学模型与测试数据的匹配性的同时,可以有效提高声学模型的鉴别能力,在少量自适应数据的情况下,其性能比最大后验概率线性回归(MAPLR)相对提高4.8%.      

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

多输入多输出无线系统的迭代可配置树型搜索检测

提出了一种复杂度低的,应用于多输入多输出(MIMO)系统迭代接收机中的迭代可配置树型搜索(IRTS)检测方法.不同于最优的最大后验概率检测器对所有可能的发送符号向量进行完全搜索,该算法仅处理对检测器的软输出有较大贡献的符号向量.IRTS算法首先基于最小均方误差(MMSE)准则估计发送符号的可靠度;然后依据此可靠度对发送符号和信道矩阵进行排列来构造可配置的树型结构;并以该树型结构进行宽度优先搜索.在准静态信道条件下的仿真结果表明,即使在相对较小的搜索序列数目的情况下,IRTS算法也具有优越的性能.     

降低 OFDM 系统峰均功率比的改进算法

为降低正交频分复用(OFDM: Orthogonal Frequency Division Multiplexing)信号的峰均功率比(PAPＲ: Peak Average Power Ｒatio)过高对系统产生的危害,提出将最小二乘估计方法(LS: Least Square Estimation)融合到凸 集映射的星座图扩展技术中(ACE-POCS: Active Constellation Extension-Projected Onto Convex Sets),得到了一种 新算法(LS-ACE-POCS: Least Square Estimation of Active Constellation Extension-Projected Onto Convex Sets)。该算 法采用最小二乘估计算出一个最优因子,并将最优因子与消峰信号相乘,产生新的消峰信号,从而经过 1 次迭 代便可与传统 ACE-POCS 算法 10 次迭代相媲美。由 Matlab 仿真结果可知,在相同的仿真环境下,该算法经过 一次迭代比传统算法第 10 次迭代的 PAPＲ 低 0． 223 dB,并且其误码率性能稍微优异于传统算法,同时大大降 低了系统的复杂度。     

钻井液流变参数的非线性最小二乘估计算法

钻井液流变模式的参数估计问题大多使用线性回归方法求解,然而,线性回归方法改变了测量误差的统计特征,使得所得到的流变参数估计不具有无偏性和方差最小等特点.针对3种非线性流变方程(幂律模式、赫巴模式和卡森模式)的特点,分别提出了非线性最小二乘估计的新算法.该算法不需要人工给定迭代初始值,迭代过程稳定收敛到最小点,不会陷入极小点陷阱,存储需求小,收敛速度很快,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎最小的优良统计特征.大量的实际钻井液算例表明,新方法具有比线性回归方法更小的拟合方差,拟合残差统计特性优于线性回归方法.     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS（最小均方误差）自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。     

一种快速时变信道下的单载波频域均衡算法

借鉴多载波系统中的迭代和判决反馈干扰消除算法,提出一种适用于快速时变信道的单载波频域均衡算法.通过线性均衡得到信号的初始估计,从接收信号中迭代消除由于快速衰落所引起的符号间干扰,基于最小均方误差准则进行频域均衡,并将信道时变所造成的符号间干扰视为等效噪声.仿真结果表明,所提出的算法能够有效降低快速时变信道下的误码平层.     

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting &matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

基于相关子空间本征音分析的MAP快速自适应

本征音自适应是一种快速自适应算法 ,它根据对说话人矢量全空间的本征分析指导参数更新。该文提出一种基于子空间分析的本征音自适应算法 ,并且不同于一般本征音自适应采用最大似然准则的做法 ,该算法用最大后验准则以更好地估计参数。实验证明 ,在仅有 1句自适应数据的情况下它即能取得 6 .4 5 %的相对误识率下降 ,自适应速度远快于传统的最大后验方法 ,也不存在最大似然线性回归方法在极少数据量情况下反而造成系统识别性能下降的现象。结果表明该方法并不明显依赖相关子空间的划分数量 ,是一种稳健的自适应方法     

求多项式全部零点的异步并行算法

基于用圆盘算术求多项式全部零点的并行Halley迭代法虽然避免了颇为费事的圆盘开方运算，能同时求得多项式全部零点的带误差估计的近似值，并且具有很高的收敛速度，但它是同步并行算法。这里用圆盘算术构造了一种求多项式全部零点的异步并行算法，并在与Halley迭代法类似的条件下建立了它的收敛性定理。该算法不仅保持了Halley迭代法的优点，而且具有更好的并行性。     

基于全变分正则最大后验估计的高光谱图像亚像元快速定位方法

针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分（TV）的最大后验估计（MAP）光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法（FISTA）和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下降方法相一致的定位精度,但将迭代速度提高了10倍以上,具有更高的运算效率.      

基于纠错码的ADSL信道信噪比估计算法

通过卷积编码的信息来估计信道信噪比 ,以利于ADSL网络的自适应传输 ,由于算法简单实用 ,且可以在传输过程中实时地更新信道信息 ,故非常适合于实际运用 .文中的仿真结果表明 ,该基于循环纠错码的信道信噪比估计算法在实际系统中具有很好的性能 .     

基于智能算法的燃料电池汽车道路坡度估计

道路坡度是燃料电池混合动力汽车(FCHV)能量管理策略中的重要参数,但精确的道路坡度很难实时获取。因此,提出了一种基于智能算法(长短期神经网络,LSTM)的道路坡度估计方法。通过分析汽车行驶动力模型,选择了合适的行驶参数作为网络输入。同时,比较了该算法与多层感知器(MLP)算法的估计结果,也比较了不同文献中各算法估计结果的归一化均方根误差值(NRMSE)。实车实验结果表明:该方法能在不使用额外传感器的情况下,较准确地估计实时道路坡度,估计结果的RMSE值(均方根误差值)和NRMSE值仅为0.65°和4.6%。