基于预测神经元模型的语音线性预测系数求解新方法

采用预测神经元作为语音信号线性预测模型的一种实现形式,可将线性预测系数的求解问题转化为预测神经元的训练问题,并运用BP算法得到了[神经元权值（即线性预测系数）的递推计算公式,考虑到语音信号能量的不确定性,提出了运用相对预测误差能量作为判断的参数,并按清音和浊音中两种情况讨论了收敛判据,由于利用预测神经元的迭代训练算法,理论上可以最大限度地挖掘语音样本中的相关性,因而可得到非常精确的线性预测系数,计算结果表明,运用预测神经元方法所得到的线性预测系数,精度明显高于传统的杜宾算法和格型算法。     

基于一类GA-RBF神经网络的转炉炼钢静态模型控制

讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题.针对传统的控制方法控制效果差、精度不高,难以达到期望结果的问题,结合RBF神经网络的特点,提出用基于混合编码方式的混合遗传算法训练的RBF神经网络,同时优化网络的结构和参数,并利用RBF神经网络建立转炉炼钢静态模型.仿真结果表明,该模型具有在线调整和学习的功能,比传统模型具有更好的计算精度和适应能力,为提高转炉冶炼过程的控制精度给出了一个有效的方法.     

面向排课系统的遗传算法改进研究

为了解决实施学分制对排课所造成的困难,改进了排课系统中使用的遗传算法。基于遗传算法的原理以及在排课系统中的应用,指出了交叉和变异概率选择的盲目性,并提出了遗传算法中染色体编码设计和含动态调整参数的交叉变异概率选择的改进措施。采用仿真实验的方式验证了改进后的遗传算法,结果表明,改进算法减少了无效的染色体和交叉变异操作,提高了收敛速度和全局搜索能力,克服了遗传算法的早熟和局部收敛的问题。     

一种基于P2P技术的流媒体系统应用模型

传统的流媒体播放方式基于C／S集中式网络模式，对于高带宽、实时性和突发流量这三大困难很难找到有效的解决方案；P2P技术采用分布式网络模式，很好地解决了网络带宽瓶颈等问题；提出了一种新的基于P2P技术的流媒体系统架构应用模型，该应用模型融合了P2P技术和C／S技术的优点，可以在网络带宽效率、延时和可靠性三者之间进行权衡；分析了系统设计中的一些关键技术。     

MPEG-4并行零树编码电路设计

设计了一种并行的高效MPEG-4零树编码电路.零树编码由于多位平面串行处理的性质,对实时实现是一个较大的挑战.通过巧妙的预处理电路设计,通过简捷的比特或操作和比特非与操作,保证各位平面的独立编码.对于N个位平面的并行处理,编码速度提高N倍量级.另外,编码电路中全新的递归处理的去除,大系数跳过处理的简化以及按优先级顺序竞争输出,使整体电路的资源使用相对于单个编码电路的增加少于N倍.而且,可以完全保证MPEG-4零树编码方案的性能.本文电路在FPGA集成电路平台上进行了验证.     

一种高效的安全数据包过滤算法

基于网络编码技术,通过计算收到的数据包的线性相关性来判断其是否为非创新包,并检测它们是否为污染包,以阻止恶意节点的攻击行为,提出一个抗熵攻击和污染攻击的数据包过滤算法.分析和实验结果表明,给出的数据包过滤算法安全,并且能有效减少网络负载、提高传输效率.     

一种适于遥感图像的图像压缩算法

提出一种适于遥感图像的压缩算法,将小波分解后的系数按照零树的方法排列为树状集合,再将树状集合排列为集合树块,为提高数据压缩效率,将集合树块划分成若干比特平面,利用分辨率之间的相似性和相邻系数之间的相关性进行比特平面编码;树块之间独立进行编码,以提高系统抗误码能力．对算法进行了系统仿真,结果表明,本算法压缩效率优于SPIHT压缩算法,且编码算法更简单,系统硬件易实现．     

AVS-M整数变换算法分析及实现

AVS-M的目的是为迅速发展的无线网络、手机和PDA等移动设备提供音视频编解码的规范和标准.本文主要基于AVS-M,面向移动设备,需要为其提供高压缩比、低复杂度的视频编解码器.对AVS-M整数变换算法进行了分析,采用快速算法提高了解码速度.AVS-M软件具有高编码效率可以适应低网络带宽、低计算复杂度和低内存需求的手持移动设备,算法便于硬件实现.     

形状自适应的嵌入式小波图像编码算法

为实现任意形状区域编码,提出了一种形状自适应的嵌入式小波图像编码算法.该算法借鉴低存储器的零树编码(LMZC)方法引入系数重要性矩阵和子孙重要性矩阵以减少存储空间的使用,并引入最大幅值变量以避免对后代系数的重复扫描.编码过程中,当树结构的编码开销大于增益时,采用直接位平面编码.实验结果表明,该算法执行速度快、存储器需求低,在相同压缩比情况下,图像重构质量和峰值信噪比(PSNR)均优于LMZC与等级树集分割(SPIHT)算法.利用该算法对任意形状对象进行压缩编码可取得良好的压缩效果.