最小误差准则与脉冲耦合神经网络的裂缝检测

表面裂缝检测能够有效判断混凝土桥梁出现的结构性危险。但裂缝特征的多样性、桥梁表面污点引起的图像噪声以及不均匀照明引起的灰度不均等给裂缝检测带来极大的困难。为能够在复杂背景下检测裂缝,分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks,PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的分割,根据最小误差准则判断PCNN迭代的终止条件,实现了PCNN的裂缝图像自动分割。由圆形度与扁度结合计算区域特征,去除分割后的各种干扰,实现表面裂缝的有效检测。通过敏感度和特异性计算绘制ROC(receiver operating charac-teristics)曲线,比较不同分割方法的曲线特性以评估算法,对实际裂缝图像的处理结果表明了该方法对裂缝图像检测的有效性。

扩频系统中最小误码率意义下的最优干扰抑制技术

通过论证最小化误码率 (MBER) ,最小均方误差 (MMSE)以及约束最小均值输出能量 (MMOE)之间的关系 ,将MBER准则下最优干扰抑制器的设计转化为后两种准则下最优干扰抑制器的设计 ,并分别导出两种自适应算法 :递推最小二乘 (RLS)和盲递推最小二乘 (BRLS) .前者抑制干扰效果好 ,但需要期望信号 ;后者无需期望信号 ,但抑制效果较差 .本文将两种算法合理配合 ,给出了动态环境下的干扰抑制方法 .

污染误差模型下的测量数据处理理论

本文首先研究了污染误差模型的各种具体的误差表示形式，然后研究了误差服从污染误差模型时的平差准则。指出，当误差服从污染误差模型时选择均方误差作为估计准则是合理的，并且符合传统的测量误差处理的观念。最后，推导了误差服从污染误差模型时，均方误差准则下的最佳估计。

基于超宽带系统的采煤机端头定位策略及定位技术研究

采煤机的精准定位是实现无人开采的关键,但是现阶段的采煤机定位技术定位精度较低,无法满足高精度定位的要求。为此,提出在综采工作面的两个端头位置分别设置导轨,使超宽带(Ultra-Wideband,UWB)基站群能沿着导轨整体移动,当采煤机运行到端头时,利用对应端头的UWB定位系统获得采煤机的位置坐标,完成一刀截割之后,UWB基站群沿着进刀方向迁移,为下一次端头定位做好准备,实现“一刀一迁移”的端头定位策略,为惯性导航提供端头校准的依据。考虑到井下实际环境中测量噪声较大,提出了基于最小均方误差准则(Minimum Mean Square Error Criterion,MMSEC)的收缩估计方法;以定位终端与基站群之间的距离构建观测方程,建立扩展卡尔曼滤波(Extended Kalman Filter,EKF)模型,进一步消除距离残差对定位精度的影响,提高UWB定位系统的位置估计精度;以基站群迁移装置和定位终端移动平台为基础,模拟采煤机的运动,研究所提基站群迁移策略和定位算法。试验结果表明,MMSEC收缩估计方法能够提高运动轨迹的定位精度,第4刀和第5刀的定位精度提升比较明显,平均定位误差由0.341 m,0.394 m减小为0.296 m,0.339 m,定位精度分别提升了13.1%和13.9%,经过EKF平滑处理后,第4刀和第5刀的平均定位精度进一步提升13.5%和10.6%;随着基站群迁移次数的增加,平均定位误差逐渐增大,x轴和z轴平均误差逐渐增加,y轴平均误差基本保持在0.2 m之内;MMSEC-EKF算法的前3刀的定位精度小于0.2 m,因此采煤机完成3次循环截割后,重新测量基站群的坐标,能够获得更好的定位效果;提出的端头“一刀一迁移”的定位策略及定位算法为井下定位技术提供理论参考,该方法有待井下环境的进一步试验验证。

基于改进最小分类误差准则算法的深度学习研究——以台风卫星云图为例

针对传统基于最小分类误差准则(MCE)建立的目标函数存在样本错分类时网络出现的梯度反向问题,引入最小分类误差准则,定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数,将FMCE作为修正函数,提出改进交叉熵目标函数CE-FMCE,使得网络在反向传播过程中提升标签类输出的概率。CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题,还弥补了交叉熵函数对非标签集梯度不作区分处理的不足。分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M3CE进行对比实验,实验结果表明CE-FMCE优于其他目标函数。

自适应加权FIR-Myriad混合滤波算法

针对FIR滤波器滤除脉冲噪声以及加权Myriad滤波器滤除高斯噪声的不足,提出基于FIR滤波器和加权WMy滤波器有效组合的一类新的非线性滤波器FIR-WMyH滤波器。利用神经网络中的反向传播算法,在均方误差准则下,推导了一个基于统计梯度的自适应算法。基于稳定α分布脉冲噪声模型下的仿真结果说明了该算法的良好的性能。

一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中 ,通常需要先将输入的语音信号进行去噪处理 ,这样可使识别的正确率大大提高 ,通常采用基于 LMS算法和 RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法 ,该模糊滤波器是一种非线性滤波器 ,它在语音信号的特征域空间采用参数映射的方式来滤除噪声 ,并能够进行自适应结构调整和参数更新。实验结果表明 。

基于最小误判准则的LED管芯数字图像分割

利用基于模式识别决策理论的最小误判准则,给出了求解最佳分割灰度门限的方法,并以磷化镓衬底LED管芯芯片为算例。利用UMA测度对最小误判准则、双峰准则、最大类间距准则等三种算法在分割质量上的差异进行了定量地分析和比较。实验结果表明,就此类图像而言,最小误判准则在计数的准确性和对原始图像质量的鲁棒性方面均优于其它两种方法。

基于MBER准则的变阶长自适应均衡器

提出了基于最小误比特率(MBER)准则的变阶长自适应均衡算法——FT-MBER算法。变阶长自适应均衡是未知多径信道均衡的重要技术,准确估计自适应均衡器最佳阶长能同时实现低复杂度和较好的均衡性能,而传统的最小均方误差(MMSE)算法稳态误比特率性能不理想。FT-MBER算法以最小化BER为代价函数,把不同阶长均衡器产生的误比特率之差作为因子调节伪分数阶长,当伪分数阶长变化大于阈值时更新阶长。仿真结果表明该算法比MMSE算法能更有效抑制码间干扰并能准确估计MBER准则下的均衡器最佳阶长。

基于最低误码率准则的奇次三阶Volterra均衡器用于干扰抑制

该文针对通信系统中的干扰抑制问题,提出一种基于最低误码率准则的Volterra均衡器。区别于以往研究中采用最小均方误差准则估计Volterra核,本文采用最低误码率准则。仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器已失效,而基于最低误码率准则的Volterra均衡器仍能表现出良好的性能,也大大优于最小均方误差准则的Volterra均衡器;并且在计算复杂度与误码率性能的权衡中,奇次三阶Volterra均衡器更有实用价值。

自然言语的韵律组织中的不确定性及其在语音合成中的应用

本文对自然言语的韵律组织中的不确定性及其对合成语音自然度的影响进行了初步探讨 ,并在此基础上 ,提出在韵律预测中用最小错误概率准则代替传统的最大生成概率准则 ,从而在预测结果中保留多种等价的韵律实现。本文还进一步提出一种将基于最小错误准则的韵律预测与单元选择结合的算法 ,首先根据最小错误准则在所有候选单元中筛选出最不可能造成韵律错误的样本 。

衰落信道下加权抵消的线性并行干扰消除多用户检测器

在衰落信道下,提出了具有加权抵消的线性并行干扰消除多用户检测器(weight-cancelled linear parallel interference canceller,WLPIC),不同于传统的线性并行干扰消除检测器(linear parallel interference canceller,LPIC)估计多址干扰的方法,WLPIC利用前一级软输出乘以一个相应的加权系数来恢复后一级期望用户信号中的多址干扰,并进行干扰抵消。基于最小均方误差准则,给出了加权系数的计算公式。对WLPIC进行了误码性能分析。理论分析和仿真结果表明,WLPIC能有效地克服远近效应,性能优于LPIC和匹配滤波检测器。

基于最大相关熵准则的网络流量预测

为提高网络流量预测的精度，针对网络流量的非线性特征提出了一种基于新的误差评价准则——最大相关熵准则（MCC）的网络流量预测方法。该方法使用MCC对Elman神经网络进行训练。该评价准则是基于新的相似度函数——广义相关熵（corrent．ropy）函数的概念建立的，此相似度函数以误差概率密度函数的Parzen窗估计和瑞利熵为基础。同时结合MCC和最小均方误差（MMSE）准则提出了一种混合的评价准则MCC-MMSE。针对网络流量的非线性、非高斯性、突变性等特性，分别以MCC、MCC-MMSE准则进行了Elman神经网络的训练，使用训练好的神经网络进行网络流量预测，仿真结果表明预测结果的精度优于以MMSE为准则的Elman神经网络的预测结果。

最小风险准则和遗传算法优化神经网络

提出了一种基于最小平均风险准则的遗传算法优化设计前向神经网络的方法,遗传算法的适应度函数并不采用传统的均方误差准则,而是由平均风险准则所决定。这种方法在计算神经网络输出与期望输出之间误差的同时,还要考虑神经网络对不同类型训练样本产生的这种误差所引起的不同的风险损失。这种方法优化得到的神经网络不仅可以准确地再现训练样本集合的期望输出,对训练样本集合外样本的正确预测能力也有明显的提高。

一种新的基于EEF准则的空间声源个数估计算法

针对指数嵌入族(Exponentially Embedded Families,EEF)准则在快拍数小于阵元数情况下无法估计声源个数的问题,本文提出一种新的空间声源个数估计算法.首先通过球麦克风阵列采集空间声场高阶信息,建立球阵列信号模型,将声源个数估计扩展到三维空间.继而将观测信号空间分解为信号子空间和噪声子空间,利用最小均方差(Minimum Mean-Squared Error,MMSE)方法估计观测信号空间及噪声子空间的协方差矩阵,确保矩阵估计的一致性和准确性.在此基础上改进似然比函数,同时引入新的自由度计算,使得算法在快拍数小于阵元数的情况下能有效估计声源个数.仿真结果表明,在进行空间声源个数估计时,相对于EEF准则,新的算法不仅适用于快拍数小于阵元数情况,同时提高了估计准确率.

秸秆焚烧定位系统中的DV-Hop算法的改进

焚烧秸秆会对大气产生严重污染,危害人体健康,及时准确获得焚烧秸秆的位置信息显得尤为重要。这对秸秆焚烧定位系统的定位精度要求很高。传统的DV-Hop算法定位误差很大,秸秆焚烧定位系统中采用一种基于最小均方误差准则的DV-Hop改进型算法,能够有效提高定位精度,其主要分为两个方面,一种是使用均方差的方法求解平均每跳距离,另一种是用传统方法算出平均每跳距离之后采用加权平均的方式求得加权平均每跳距离。在Matlab仿真测试中表明,在同样的参考节点环境中,改进后算法的定位精度比改进前的有大幅度提高。

多用户双向AF MIMO中继系统的联合预编码算法

近年,双向放大转发(amplify-and-forward,AF)多输入多输出(multiple input multiple output,MIMO)中继系统中的预编码设计吸引了越来越多研究学者的兴趣。然而,在实际MIMO中继通信系统中,针对双向传输下的系统,对多用户模型进行的研究较少。由此,针对多用户双向AF MIMO中继系统模型,提出了一种联合预编码算法。采用在所有节点功率限制下,以最小和均方误差(minimun sum mean square error,MSMSE)设计准则去求解联合信源、中继和信宿端多用户的非凸优化问题,将最初的非凸优化问题转化成多个子优化问题,并利用半正定规划设计、平方约束二次规划设计以及二阶锥规划设计求解子优化问题。之后通过交替迭代方法进一步求解每个子凸优化问题局部优化值,达到优化所有节点矩阵变量的目的。所提算法较现有的算法,不仅在优化问题方面考虑更全面、更实用,而且实验仿真结果验证,提出的算法在系统和均方误差(sum mean-square-error,SMSE)性能、和速率以及误码率(bit-error rate,BER)上有均有改善。

基于最小均分差(MMSE)准则的多窗口谱估计

给出了基于MMSE准则的最佳多窗口谱估计的求解方法,并通过一个仿真实例进行分析验证。

基于渐近优化检测器的数字水印最佳检测阈值的确定

数字水印系统中检测阈值的大小会影响到检测器的检测效果。渐近优化检测器是一种采用Rao检验方式的盲水印检测算法,但其检测阈值是完全凭经验人为设定的,为了使渐近优化检测器阈值的确定客观与精确,利用最小差错概率准则对检测阈值进行了理论分析,并具体给出了一个水印检测系统错误率达到最小的最佳检测阈值的计算公式。实验结果表明,该方法能使水印检测系统的错误率在理论上达到最小,同时检测阈值的大小具有自适应性和客观性。

基于中心误差熵准则的非高斯系统滤波器设计

针对现存的最小熵滤波理论由于熵具有平移不变性,基于最小熵准则的滤波方法只能保证估计误差的随机性尽可能小,而不能保证其收敛到零的问题,基于中心误差熵准则研究了一类线性非高斯系统的滤波器设计问题。首先在最小熵准则的框架下采用非参数估计理论和梯度下降法给出了滤波增益矩阵的设计方法,并对滤波误差系统的均方稳定性进行了分析。接着针对最小熵准则的不足,提出了新的中心误差熵准则,它是由信息势和互熵的加权求和构成的,最大化信息势以实现估计误差随机性的全局最小化,最大化互熵可以将误差概率密度函数的峰值固定到零,从而实现滤波误差尽可能小。最后采用数值算例分别针对最小熵滤波和最大中心误差熵滤波进行仿真,结果表明基于中心误差熵准则的滤波算法具有更好的性能。