基于高斯矩的NoisyICA研究

独立分量分析(ICA)作为有效的盲源分离技术(BSS)是信号处理领域的热点。实际信号或多或少的都含有噪声,如果信噪比低于某值将得不到良好的分离效果。该文定义不同参量的高斯函数的期望为随机向量的高斯矩,证明随机向量的高斯矩可作为无偏估计的单值对照函数应用于带高斯噪声的ICA模型。由此利用最大化基于高斯矩的对照函数,得到FastICA改进算法—noisyICA。

基于峰度的ICA算法

独立分量分析(ICA)是一种通过最大化多维观察向量元素的统计独立性寻找一个线性变换的统计方法,其作为有效的盲源分离技术是信号处理领域的热点。提出了一种基于峰度的快速ICA算法,此算法常用于盲信号分离和特征抽取。先从峰度的定义入手说明峰度作为代价函数的可行性,并详细介绍如何将神经网络学习规则转换成固定点准则,从而使得算法简单,且不依赖任何人为定义的参数。选取3个非高斯独立向量作为信号源进行Matlab仿真,分离效果良好。

基于高斯矩的噪声独立分量分析

独立分量分析(ICA)作为有效的盲源分离技术(BSS)是信号处理领域的热点。但是许多ICA算法都是建立在无噪模型基础上实现盲源分离的,忽略了噪声对分离信号的影响。而实际信号或多或少的都含有噪声,如果信噪比低于某值将得不到良好的分离效果。该文定义不同参量的高斯函数的期望为随机向量的高斯矩,证明随机向量的高斯矩可作为无偏估计的单值对照函数应用于带高斯噪声的noisyICA模型。由此利用最大化基于高斯矩的对照函数,得到FastICA改进算法—noisyICA,并通过模拟实验证明了算法的可行性和健壮性。

一种前馈结构的卷积混合盲分离算法

1998年,Torkkola提出了反馈分离结构的信息最大化算法,该算法对应于稳定的IIR滤波器,只能用于最小相位混合。而真实的环境往往包括非最小相位传输系统。本文在分析反馈分离算法的基础上,提出了一种在频域上用前馈结构的信息最大化算法,该算法对应于非因果FIR滤波器,为非最小相位系统的盲分离问题提供了一个解决方案。最后,我们将演示用这种方法分离实际环境下的两个自然信号。

源信号数目大于观察信号数目情况下的盲源分离

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS)是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目,然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况,传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况,在传统的独立分量分析技术的基础上,给出了一个新的学习算法,并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源,成功实现了源信号数目大于观察信号数目情况下的盲源分离。

一种基于信息最大化的时延混合盲分离算法

Bell和Sejnowski提出了一种基于信息最大化的方法能够分离瞬时混合信号,一般称之为传统的信息最大化方法.本文对传统的信息最大化方法进行了扩展,使之能够适用于更普遍存在的时延混合情况,并给出了一个能够处理时延混合信号的网络结构.通过最大化网络传输的信息量,本文推导出了网络中的时延和权的自适应方程.

SDN中基于分布式决策的控制器负载均衡机制

针对SDN多控制器负载均衡过程中,控制器选取僵化和交换机迁移冲突问题,提出了一种基于分布式决策的控制器负载均衡机制,分为三个阶段进行实施:首先通过周期性收集网络信息,结合控制器负载状况构建分布式迁移决策域;然后在域中依据选取概率确定迁移交换机,综合权衡数据收集、交换机迁移和状态同步三种代价选择目标控制器;最后建立迁移时钟模型,完成交换机迁移和控制器角色转换.仿真结果表明,与现有的负载均衡机制相比,降低了网络的通信开销,流建立时间平均缩短0. 14s,控制器资源利用率提高了21. 7%.

国外未来网络技术研究进展分析

互联网作为现代社会的基础设施,当前僵化的体系结构阻碍了它的创新和演进。未来网络体系和关键技术研究成为当前的研究热点。文章分析未来网络的主要需求和研究共识,从出发点、主要思路、关键技术、典型体系等方面,对开放可编程、基于网络虚拟化、基于内容寻址、面向服务、支持移动性等国外未来网络体系和关键技术研究进行了分析。

软件定义网络中的服务聚合部署方法

软件定义网络支持管理员实施快速灵活的流量工程和Qo S优化配置。通过流量工程将类型相同的服务部署到相同的网络设备上可以扩大Qo S优化的覆盖面,并降低优化开销。本文提出一种基于节点适应度和服务路径长度的评价体系,并基于该评价体系提出一种服务聚合部署方法。实验表明,该方法可以有效提高SDN中服务的聚合程度。