基于信号子空间的麦克风阵语音增强算法

分析了信号子空间方法可以提高信噪比的原因,讨论了信号子空间方法在语音增强中的应用及信号子空间分解的常用方法.同时,将将单个麦克风信号子空间语音增强方法推广到多个麦克风的情况,并结合了波束形成算法.实验结果表明,基于信号子空间的麦克风阵语音增强算法消噪后语音的波形失真很小,信噪比提高多.     

基于子空间的次分量分析恒模盲多用户检测算法

为了有效的抑制多址干扰,本文提出了一种基于子空间的次分量分析恒模盲多用户检测算法.该方法是将子空间方法与次分量分析恒模算法相结合,有效的消除来自噪声子空间分量的影响.仿真结果表明,在相同的多址干扰情况下,本文建议方法的输出信干噪比比次分量分析恒模算法提高了11dB,比线性约束最小二乘恒模算法提高了17 dB;在不同的多...     

影响MUSIC算法因素的研究

<正>USIC(Multiple Signal Classification)算法作为一种重要的高分辨测向算法受到广泛的应用。影响MUSIC算法的因素很多,本文主要分析阵元数,阵元间距,快拍数和信噪比对MU-SIC算法的影响。MUSIC算法[1]作为一种经典的DOA高分辨测向算法,其主要方法是利用接收数据的协方差矩阵分离出噪声子空间和信号子空间,并依据信号方向向量与噪声子空间的正交性来在空间     

一种加权子空间分流拟合的图像全息修复算法

传统的子空间非纹理图像修复算法只考虑结构信息特征子空间,对小区域破损部分需要通过多维搜索,图像修复效果不好。提出一种基于加权子空间分流拟合的图像全息修复算法,采用阵列流型全息向量对两子空间进行相异性加权,同时考虑结构信息特征和纹理信息特征,并采用最大似然算法对图像区域像素元素实现分流拟合修复,拟合修复过程中避免了对小区域元素多维搜索,实现全息修复。仿真结果表明,采用该算法进行严重受损图像修复,修复效果较好,PSNR值和GPU加速效果都有明显提高,在处理处理破损图像中具有一定的优越性。     

基于子空间算法的MIMO-OFDM盲信道估计研究

统一了应用于SISO-OFDM系统子空间算法盲信道估计的识别条件并推广到MIMO-OFDM系统中,实现了基于噪声子空间算法的盲信道估计技术。该算法对信道的真实阶数不敏感,只需要MIMO信道阶数的上限,且可以获得信道的精确估计,并且能快速收敛。仿真结果验证了该算法的均方误差性能。     

基于均匀线阵的MUSIC算法信号预处理研究

MUSIC算法是一种高空间分辨力的子空间DOA估计方法,将其应用到基于麦克风阵列的声源定位可获得很好的性能。但是该算法在实际应用中会产生很大的运算量,因此不利于硬件实现。本文通过对阵列结构对称性的分析,通过预处理的方法来减少运算量,提高子空间算法的实时性,达到提高处理速度的目的。     

聚类分析算法CLIQUE的研究及改进

CLIQUE是一种基于密度和基于网格的混合聚类方法。在高维空间中,它能够有效地进行聚类,并且能够发现嵌套在高维数据空间子空间中的聚类。但是,CLIQUE算法存在着很多的局限性,主要有以下两点:首先是子空间的剪枝;其次是CLIQUE算法追求方法简单化。针对CLIQUE算法的局限性,采用基于约束条件的聚类技术、自适应网格技术和边界调整技术来对CLIQUE算法进行改进,提出了基于约束条件和自适应网格的CAG-CLIQUE算法。     

无需信源数目的声矢量阵相干源方位估计算法

针对相干源方位估计问题,本文在PVFS(Particle Velocity Field Smoothing)算法的基础上,提出一种新的算法。该算法通过对PVFS算法构造出的协方差矩阵进行特征值分解,利用得到的特征值及特征向量构造新的噪声子空间,然后运用子空间原理实现相干源的方位估计。该算法无需已知相干源的信源数目且不会损失阵列孔径,具有较好的相干源方位估计性能,计算机仿真结果验证了本文算法的有效性。     

网络伪装隐形文本特征检测及数据挖掘方法

基于特征分解原理,提出一种多维空间协方差矩阵数据挖掘算法,进行了最优化特征检测性能迭代和子空间文本数据特征检测算法的设计研究。提出采用K-L变换的特征压缩器设计进行高维特征向量的特征压缩,提高算法精度和减少计算量。在子空间中将文本数据空间分解为两个空间向量,采用两个空间向量的正交特性进行降噪去伪处理和特征量的检测和提取。仿真实验对高度伪装隐形文本入侵特征检测,采用了DARPA数据库作为实验数据为研究对象,实验表明新算法能有效检测出信号出现的两个峰值,检测效果明显,检测性能较高,具有良好的入侵文本特征数据挖掘性能。     

基于随机子空间法的风机模态参数识别

结构模态参数识别是结构健康监测领域研究中的重点,本文基于1.5MW风机振动响应数据,应用随机子空间方法(SSI)的UPC和PC算法分别进行了模态识别,结果表明:PC算法优于UPC算法,风机叶轮旋转与否对风机结构系统的一阶自振频率和一阶阻尼比有一定影响,验证了随机子空间法是风机结构模态分析的一种有效方法。     

改进的阵元域波束形成网络纠缠入侵检测算法

对传统的波束域波束形成进行改进,提出一种改进的阵元域波束形成算法检测网络纠缠入侵信号。把传统的波束域旋转矢量的变换到阵元域中改善阵元域自适应算法的性能,利用纠缠入侵信号的特征值大于噪声的特征值这一性能,采用空间协方差矩阵逆的高阶次幂来逼近信号子空间,将求得权矢量投影于改进的阵元域的特征信号子空间。将求得权矢量投影于改进的阵元域的特征信号子空间,实现对网络纠缠入侵信号的检测。仿真实验表明,提出的改进的阵元域波束形成信号检测算法具有较好的自适应检测性能,计算量和信号检测稳健性有明显改善,在网络入侵检测中具有较好的工程实用价值。     

广域子空间异常网络流量预测概率置信度优化

为了提高对网络异常流量监测模型的置信度和准确性,降低虚警概率,防止漏报。需要对异常网络流量预测概率置信度区间进行优化设计。提出一种基于预测流量数据主特征建模与广域子空间重构的异常网络流量预测算法,提高预测概率置信度。把主特征建模投影到广域子空间中,获取网络异常流量数量的对偶子梯度预测结果,其表现为一组尺度,分析网络预测流量的概率置信度的伸缩变化,选用极大似然法对网络流量的预测概率置信度进行特征建模,得到概率置信度区间。提高预测置信度和精度。实验结果表明,该算法能有效提高异常网络流量的预测精度,通过在广域子空间中特征建模,保证了预测的概率置信度,减少预测误差,性能优越。     

基于2DPCA和Fisher的嵌入式人脸识别系统的实现

使用人脸类Haar特征进行人脸检测,采用2DPCA与Fisher结合的降维算法得到人脸特征子空间,将经过PC机得到的样本特征子空间文件通过网络传输到嵌入式平台,结合最近邻算法识别人脸,实现了一种嵌入式人脸识别系统,较好地解决了嵌入式人脸识别系统由于图像处理数据巨大而造成处理效率低的难点。基于EELiod270嵌入式开发平台实现了该系统,结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

子空间法在动态源盲信号处理中的应用

通常的盲源分离算法都不具备对未知信号源个数估计的能力,而很多场合,源信号的个数是未知的甚至可能是动态变化的。子空间法的应用实现了源信号数目未知和动态变化的超定盲信号分离中源信号数目的在线跟踪估计。子空间法是将观测到的传感器信号划分为信号子空间和噪声子空间,这样做不仅能很大限度的降低噪声水平,还可以根据特征值大小来估计源信号数目。利用赤迟信息准则(AIC准则)和最小描述长度(MDL信息论准则)实现了动态源问题中阈值的在线调整。     

基于用户模式聚类的协同过滤个性化推荐方法

最近邻协同过滤常用的计算用户访问行为相似程度的距离函数仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来,用户评分数据稀疏等问题使其推荐质量下降。针对这些问题,提出一种基于用户模式聚类的协同过滤推荐算法,该算法采用基于用户模式相似的子空间聚类方法产生聚类,并且利用模式相似度改进协同过滤,从而对用户产生个性化推荐。实验结果表明,该方法改善了推荐系统的效率和精度。     

基于自适应支持检测信道估计算法

针对经典CS信道估计算法在低信噪比情况下对信道状态信息估计不够精准的问题,结合基于透镜的毫米波大规模MIMO可以显著减少所需RF链的数量。本文考虑了3D波束空间信道模型并提出了一种基于自适应支持检测信道估计方案。该方案的基本思想是将3D波束空间信道估计问题分解成几个子问题,每个子问题只处理稀疏信道分量。对于每个信道分量,利用3D波束空间信道的水平和垂直稀疏度,先以高精度自适应地检测其支持,然后消除这个信道分量的干扰影响,作为检测下一个子信道分量的支持。在所有信道分量支持检测之后,可以用LS低导频开销估计波束空间信道的非零元素。仿真结果验证了所提出的方案即使在低SNR情况下也比经典OMP算法和CoSaMP算法获得更优的系统性能。     

最优运动员身体特征的寻优筛选挖掘建模

研究最优运动员身体特征的寻优筛选挖掘方法。对最优运动员身体特征的寻优挖掘,可为运动员的选拔提供数据参考,而由于运动员的身体特征具有隐秘性,特征数据采集过程较为复杂,采用传统的方法进行筛选挖掘,得到的效果往往不够理想,且需要浪费大量的时间与人力。为此,提出基于人工免疫的组合优化子空间算法的最优运动员身体特征的寻优筛选挖掘方法。依据组合子空间的相关理论,获得子空间的最优鉴别向量,抽取不同运动员的个体特征形成特征集合,从而实现特征模型的构建,依据人工免疫算法,进行最优运动员身体特征的寻优搜索,直至输出最优值,完成最优运动员身体特征的寻优筛选挖掘。实验结果表明,采用改进算法进行最优运动员身体特征的挖掘,能够提高挖掘效率与准确性,具有显著的优势。     

一种改良的最大方差展开算法

本文受流形学习思想的启发,提出了一种改进的最大方差展开算法,该算法在最大方差展开算法（MVU,maximumvarianceunfolding）基础上引入了拉普拉斯特征映射（LE,Laplacian Eigenmap）的保持局部流形结构不变的特性,在保持局部几何结构的同时考虑类别信息将不同类的数据尽可能远地在子空间中进行映射,该算法兼具流形和监督特性。通过在多个人脸库中的实验表明,该算法具有一定的鲁棒性和较高的识别性能,达到了较高的提取分类信息和压缩特征空间维数的效果。     

基于松弛与投票的目标定位算法

基于点特征的目标定位应用中,由于噪声、复杂背景和重复结构,使得目标定位存在一定难度。利用多尺度特征点,提出了一种基于松弛与投票的目标定位算法,能够同时维持目标的局部信息和结构信息。该算法首先将特征点的描述子信息融入到松弛算法求取对应点,然后计算目标在场景中的位置、旋转角度和尺度变化,构成一个投票空间,最后将投票空间中最密集的点作为定位结果。该算法能够定位尺度、旋转、遮挡和视点变化的目标。真实图像的实验结果验证了该算法的有效性和鲁棒性。     

人脸识别的核方法研究

基于核方法的子空间分析方法在高维空间中有解决非线性问题的优势,在提出的LMDA和流形上的线性回归方法的基础上,把LMDA算法拓展到高维空间,提出了基于核的LMDA算法,同时,由表达定理出发,用核回归方法估计数据与流形上的局部坐标之间的变换矩阵,推出了流形上的非线性回归算法.