最小输出熵盲反卷积方法中概率密度估计

针对多通道卷积混叠模型 ,给出了两种基于最小熵盲反卷积算法中概率估计的方法—基于Edgeworth展开非参数逼近方法和基于核函数的参数逼近法 ,概率估计方法和反卷积滤波器参数逼近的训练公式一起构成最小熵盲反卷积方法 .文中给出了计算机仿真实例     

浅析盲反卷积算法及其进展

在信号的传输过程中,由于时间延迟等存在,观测到的信号是源信号和通道的卷积,介绍了一些盲反卷积的基本算法,并对未来的盲反卷积算法发展方向进行了展望.     

基于改进的多通道卷积神经网络模型的图像分类方法

为了充分提取图像特征信息,同时减轻模型过拟合,提出了一种改进的多通道卷积神经网络模型。首先,利用三条卷积通道提取图像特征信息,各通道选择不同的卷积核大小,并利用小卷积核堆叠代替大卷积核的方法减少模型参数,再采用特征融合与批标准化技术对特征信息进行处理,最后输入到softmax分类器进行分类。将改进模型、单通道模型、多通道模型、传统图像分类模型用于对CIFAR-10数据集进行分类。实验结果表明,改进模型可以有效提取图像特征信息,减轻过拟合,进而提升模型的分类精度。     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.     

基于SAT-GCN的花样滑冰选手动作检测算法研究

针对花样滑冰运动人体运动轨迹复杂、动作类型多样、普通人肉眼难以区分且常规的行为识别方法识别准确率低的问题，提出了一种基于时空图卷积网络与多通道注意力机制融合方法 (SAT-GCN)的花样滑冰动作识别算法。该算法首先将视频提取成连续的单独帧，使用OpenPose算法提取人体骨骼关键点数据，降低背景噪声干扰；然后使用时空图卷积算法对骨骼关键点数据进行动作分类。算法对时空图卷积算法进行改进，加入了多通道时空注意力机制融合模块，使得模型更加关注重要的关键点、时间帧片段、特征；使用时序卷积网络(TCN)提取人体骨架关键点在时间序列上的特征；使用SoftMax对提取后的特征进行动作分类。在花样滑冰数据集FSD-10和公开的人类行为数据集Kinetics-Skeleton上进行训练和测试，与改进前的时空图卷积网络(ST-GCN)进行对比，本文所提算法的预测准确率在2个数据集上均有所提升，验证了多通道注意力机制融合方法在花样滑冰选手动作检测任务中的有效性。     

用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题,提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入,利用SSVEP信号的时空特性,首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积,对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时,该方法的平均离线信息传输率为94.17 b/min,平均识别准确率为93.3%,相比于无监督典型相关分析方法和有监督支持向量机分析方法,识别准确率分别提升了48.73%、41.21%。该方法具有较高的目标识别效率及鲁棒性,有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能。     

卷积混叠盲信号分离的一种线性化方法

卷积混叠的盲信号分离是盲源分离问题中的难点．针对独立同分布的非高斯信号的卷积混叠,提出了一种新的盲解卷积方法——“两步提取法”：第一步消除所有源信号的延迟分量,提取仅含有源信号的线性混叠分量,使其转化为线性混叠盲源分离问题,称之为“卷积线性化”;第二步对“卷积线性化”后的估计信号进行分离,最终分离出源信号．同时,利用统计和矩阵理论,证明了设计“卷积线性化”滤波器的方法．仿真试验结果显示了该方法的可行性．     

一种单通道的源数盲估计方法

针对单通道的源数盲估计技术,提出了一种基于经验模态分解和交叉验证技术相结合的源数估计方法,该方法首先通过经验模态分解技术将单通道的观测信号转换为虚拟的多通道观测信号,然后采用基于交叉验证技术来确定混合在单通道中的源信号个数．仿真实验结果表明：该方法能准确地估计出混合在单通道中服从超高斯分布、亚高斯和高斯分布的源信号个数．     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。     

使用候选框进行全卷积网络修正的目标分割算法

由于反卷积和上池化操作的存在,传统全卷积网络在解码阶段常常会丢失目标位置信息,降低图像的分割精度.针对这种情况,提出基于候选框网络对全卷积网络的输出进行缺陷位置微调的液晶面板缺陷分割算法.算法基于ResNet-101网络搭建全卷积主干网络,此构建2个分支,候选框生成网络和反卷积网络.在反卷积网络的输出层中使用多通道分类...     

加入动量项的改进盲分离算法

在盲信号分离算法的推导过程中,常采用最速下降法、自然梯度和牛顿法等对代价函数进行最小化,推导过程复杂．文中仿照在BP神经网络算法中加入动量项使算法得到改进这一方法,提出在互累积量迫零算法的推导中加入动量项．加入动量项的改进算法尽可能地保持了输出分量之间的独立,并在保持和原算法一样简单迭代的前提下,提高了收敛速度,且使训练避免陷入局部极小．仿真结果表明该算法的分离误差减小,能有效分离源信号．     

一种用于超高斯和亚高斯混合信号盲分离的新算法

揭示了ＩｎｆｏＭａｘ盲源分离算法也是以Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ散度为代价函数的,它之所以能有效地用于语音盲分离,是因为所选取的非线性函数的导数能够近似为源信号的概率密度函度（ＰＤＦ）。由此又提出一种广义非线性ＩｎｆｏＭａｘ算法,该算法在估计分主矩阵的同时也对非线性函数进行迭代估计。实验结果表明这一算法能有效地分离任何超高斯和亚高斯信号的混合信号,包括语音、图像信号或其它信号的混合。     

快速定点独立向量分析在语音信号盲分离中的应用

针对包括环境噪声的混叠语音信号分离困难问题,提出一种新的频域快速定点独立向量分析模型,对混叠语音信号进行盲分离.该模型中的每个源信号以向量形式混合,模型采用二次泰勒多项式把牛顿迭代算法直接应用于复变量对照函数,通过最优化使牛顿迭代规则更加简单和清晰.对实际采集的语音信号进行仿真,实验证明算法很好地分离了卷积盲源信号,新算法具有良好的收敛性和较高的准确性.     

基于阵列结构的盲分离算法

为了进一步改善阵列信号处理中盲源分离算法的分离性能,提出了一种新的基于阵列结构的盲分离算法.该算法的基本思想是利用已有的盲源分离算法(EASI和FastICA算法)估计混合矩阵,根据估计出来的混合矩阵和均匀线阵的特点来重构混合矩阵,对分离矩阵进行较正,达到改善算法分离性能的目的.仿真结果表明,该文提出的EASI-1算法的平均干信比比EASI算法低7.5 dB,FastICA-1算法的平均干信比比FastICA算法低4.3 dB.     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辩识与盲均衡算法。该算法在对系统参数进行估计的同时，用求逆滤波器的方法估计均衡器系数，并利用最大峰度准则不断调整系统参数的估计值，使其逼近实际值。由于采用了高阶累积量，算法对高斯噪声有较好的抑制能力。针对传统梯度搜索方法容易陷入局部收敛问题，又提出利用实数编码的遗传算法对准则函数进行最优化搜索。仿真实验表明，本算法具有快速收敛性能和高精确度等优点，能够大大提高均衡后的输出信噪比。     

具有时间结构的胎儿心电信号盲提取新算法

非侵入式胎儿心电信号提取是生物医学信号处理与分析中的一个非常重要的课题,相关算法很多,但均存在一定缺陷.结合信号的非高斯性和自相关性建立了优化问题的目标函数,并利用近似牛顿法推导出了一个新算法.与已有的梯度算法相比,由于不涉及迭代步长,非常容易实现信号的盲提取.仿真实验表明该算法能有效地提取清晰的胎儿心电信号,并且对于时间延迟的估计误差具有较高的鲁棒性.     

3G中一种改进的盲检测算法研究

研究了直扩—码分多址（DS-CDMA）系统中多址干扰（MAI）抑制技术的盲多用户检测算法,在加性高斯白噪声信道环境中,对该检测的最小均方（LMS）算法、递归最小二乘（RLS）算法及卡尔曼滤波算法的信干比及抗干扰性能通过计算机编程仿真进行了分析、研究,提出了一种改进型盲多用户检测LMS算法,并对其信干比及抗干扰性能用Matlabl语言进行了计算机编程仿真,仿真结果表明：改进型盲多用户检测LMS算法的信干比（SIR）稳态输出明显好于基本LMS算法。     

鲁棒的DCT域音频盲水印算法

选择合适的DCT系数嵌入水印,可以使鲁棒性和不可感知性达到很好的平衡。为了找到这个系数,利用人耳听觉的频率掩蔽效应分析了DCT系数的听觉容差,发现直流系数具有最大的听觉容差,非常适合嵌入水印。提出了一种新的通过改变DCT直流系数的音频盲水印算法。实验结果表明,嵌入水印后的音频文件具有良好的不可感知性,与其它DCT算法得到的水印文件比较具有更强的鲁棒性,能够抵抗噪声、低通滤波、重采样、回声和Mp3压缩等的攻击。     

基于遗传算法的盲源分离算法

针对现有盲源分离算法的性能依赖于对比函数选择的现象,提出了一种基于遗传算法的盲源分离算法,该算法直接从信号的样本序列中估计出信号的概率分布,解决了信号间互信息的求解问题.通过遗传算法最小化信号的互信息,实现了对线性混叠信号的分离.对模拟信号的分离结果表明,该算法可以成功地分离混叠信号,同时与快速独立分量分析算法相比,该算法的性能对源信号的概率密度性质没有依赖,因而对亚高斯和超高斯信号的混合信号表现出更加优异的分离能力.     

卷积盲信号分离的非线性PCA方法

为解决卷积混合盲信号分离时域方法收敛速度慢的问题,提出了卷积情况下的非线性主分量分析(PCA)准则,并分析其与高阶统计量准则之间的等价关系,推导了一种解决卷积盲信号分离问题的非线性PCA方法。作为一种递推最小二乘(RLS)类型的算法,所提方法与现有的自然梯度算法和高阶统计量算法相比具有收敛速度快、跟踪性能好的优点,计算机仿真实验验证了算法的有效性。