基于最小均方误差对数谱幅度估计的心音降噪算法

将基于最小均方误差对数谱幅度估计的语音增强算法用在心音降噪中,该方法基于统计模型方法将降噪归于统计框架中,通过对带噪心音信号进行最优幅度谱估计,最小化估计心音与干净心音的差异来去除噪声,恢复原始的信号。实验结果表明,本文算法有效改善了心音信号的时频特征,并在后续的心音分类算法中获得了更高的准确率。本文方法在心音降噪中表现优秀,对电子听诊器、心脏病自动检测技术的发展具有重要意义。

基于改进变步长最小均方算法的心电图信号去噪

针对定步长和现有变步长最小均方(LMS)自适应滤波算法对心电图(ECG)信号去噪效果较差的问题,提出一种基于分式函数改进的变步长LMS算法。首先利用分式函数构造出改进的变步长LMS算法的步长函数式,通过理论和仿真分析得到该算法参数的最佳取值,并在相同条件下与定步长和其他变步长LMS算法进行性能对比,验证了该算法具有更快的收敛速度、更低的稳态误差和更小的计算复杂度。然后将该算法与定步长和其他变步长LMS算法在相同条件下对含多种真实噪声的ECG信号进行去噪效果对比。实验结果表明,相比于其他算法,该算法能更好地去除ECG信号的噪声,且去噪后ECG信号的信噪比最大,均方误差最小,Pearson相关系数最接近于1。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差(LMS)自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口(McBSP)和串行外设接口(SPI)实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 d B,语音质量感知评价(PESQ)分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义.该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法.为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法.该方法能保证检测器收敛到最优MMSE解.此外,该文还设计了一种形式简单、快速收敛的迭代算法.对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能.

基于均方误差最小的图像错误隐藏内插算法

以图像像素间的强相关性为基础 ,本文以MPEG - 2的视频信号为例 ,对于以条为单位的信息丢失 ,提出了一种内插算法 ,并导出了内插像素的显式表达式 ,从而可以快速地执行实时处理。仿真实验表明应用该算法实现丢失像素的内插 ,效果是令人满意的。

基于最小均方误差的串扰消除多用户检测算法

在存在强多址干扰的直接序列扩频码分多址(DS-CDMA)系统中对传统串行干扰消除检测器的优点及缺陷进行分析,提出一种基于最小均方误差的串行干扰消除多用户检测算法。该算法能够对时变信道环境进行有效跟踪,避免判决误差扩散。仿真结果表明,在加性高斯白噪声环境中一个同步DS-CDMA系统中对于信号功率弱的用户,该算法相比传统串行干扰消除算法及迫零算法的检测性能有较大的改善,在消除原有检测算法检测精度不稳定的同时能提高算法的误码性能。

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。

毫米波MIMO系统中迭代最小均方误差混合波束成形算法

混合波束成形结构能有效解决毫米波MIMO系统中射频链路受限的问题,但要设计性能较优的混合波束成形算法仍然存在困难。为了实现更高的频谱利用率,提出了一种性能较优的迭代最小均方误差(Alt-MMSE)混合波束成形算法。该算法利用数字矩阵的正交特性,首先进行初始数字矩阵设计,然后通过最小化发送信号与接收信号的均方误差不断迭代更新数字矩阵,在每一次迭代过程中,通过更新后的数字矩阵得到模拟矩阵的相位信息。仿真结果表明,与OMP混合波束成形算法和基于矩阵分解的混合处理方案相比,该算法具有更优的性能且更接近于纯数字波束成形。

基于核的最小均方误差改进算法及其应用

传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。

基于均方误差最小的卡尔曼滤波实用算法

卡尔曼滤波在各种动态数据处理中应用广泛,为了使滤波结果更加接近实际情况,在经典卡尔曼滤波的基础上,提出均方误差作为评价标准的卡尔曼滤波实用算法。通过经典卡尔曼滤波和该算法对数据处理结果的分析,表明该算法的滤波结果更加有效。

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。

WCDMA系统中的差分最小均方误差多用户检测算法

宽带码分多址(Wideband code division multiple access,WCDMA)系统中现有的自适应多用户检测算法需要训练比特,不能适应快衰落信道。本文根据WCDMA系统中特有的二级扩频体制的特点,提出基于差分最小均方误差(Differential minimum mean square error,DMMSE)准则的自适应多用户检测算法。该算法根据相邻接收符号幅度变化的比率变化自适应调整横向滤波器的权系数,从而不需要通过训练比特开销跟踪信道状态信息的方式来抑制多址干扰。仿真结果表明,在存在多普勒频移的传播环境下,DMMSE算法的误码性能优于现有的自适应最小均方误差(Minimum mean square error,MMSE)算法。

一种基于最小均方误差原理的位同步捕捉算法

提出一种数字通信系统中基于最小均方误差原理的位同步捕捉算法,对算法的提出、原理以及性能进行了理论分析,同时在加性高斯白噪声信道下进行了大量的计算机仿真,给出了在某无线通信系统中的应用结果。此算法通用性强,实现位同步捕捉速度快,易于高速单片机及DSP实现,具有良好的抗噪性能。

基于最小均方误差准则的相关旋转预编码算法

针对传统相关旋转(CR)算法放大噪声的问题,利用拉格朗日函数最小化接收信号与发射信号间的误差,通过贝叶斯理论和信道统计特性计算不完美信道状态信息,设计了信道状态信息(CSI)完美和不完美两种情况下基于最小均方误差(MMSE)准则的CR预编码算法的系统方案。分析与仿真结果表明,与传统迫零(ZF)准则下的CR算法相比较:信道状态信息完美时设计方案在同一信噪比(SNR)下误码率性能提高2～3 dB;信道状态信息不完美时系统误码性能也有显著的提高。

基于最小均方误差的8PSK解调算法

在EDGE（Enhanced Data Rate for GSM Evolution）移动通信系统中，提出了一种基于最小均方误差的自适应8PSK均衡解调算法。利用基于最小均方误差的自适应滤波器，根据突发中已知的训练序列，可快速准确地估计出系统信道参数，然后通过判决反馈均衡消除多径信道对接收信号的干扰，从而保证系统的性能。仿真结果表明，在各种多径信道模型下，该算法均可快速收敛，利用系统的26个训练序列准确估计出系统信道参数，并实现均衡和解调；在信噪比为8-10dB时，通过标准规定的MCS-5信道编解码后，系统的误码率就已经小于10^-4，完全符合标准要求，是一种简单实用的算法，便于硬件实现。

一种新的排序最小均方误差串行干扰消除检测算法

针对分组空时块码(G-STBC)多发多收(MIMO)系统中的信号检测问题,提出了一种新的排序最小均方误差(MMSE)串行干扰消除(SIC)检测算法.新算法基于“G-STBC等效信道模型”,并采用一个新的低复杂度的排序标准——“等效检测后信干噪比(POST-SINR)”,可用于存在较多组的G-STBC系统中.通过仿真比较,验证了该算法有效挖掘G-STBC系统提供分集增益的能力,反映了算法采用IC和排序引入的性能优势,并证实了“等效POST-SINR”的有效性.

基于循环平稳周期的交织差分最小均方误差多用户检测算法

以抑制宽带码分多址(wide code division multiple access,WCDMA)系统在快变信道中的多址干扰为目标,提出基于循环平稳周期的交织差分最小均方误差(interleaving differentiaI minimum mean square error,IDMMSE)多用户检测算法.根据WCDMA系统特有的二级扩频结构,将差分最小均方误差(differential minimum mean square error,IDMMSE)算法的权系数优化准则改为基于循环平稳周期,而不是基于简单的扩频因子.该方法更准确地反映了多址干扰的变化规律,有利于抑制多址干扰.另外,引入交织技术能使信源不相邻的具有相同综合扩频序列的符号在实际信道中相邻传输,从而保证DMMSE算法所需的快变信道中相邻两个符号周期内信道变化很小的假设成立.仿真实验表明,IDMMSE算法能在一定程度上对抗多普勒频移,且误码性能优于现有自适应MMSE算法.

一种基于最小均方误差的无线局域网信道估计算法

在基于IEEE 802.11b标准的无线局域网中,提出了一种基于最小均方误差的自适应信道估计算法。通过已知码片的训练,可快速准确地估计出系统信道参数。仿真结果表明,在典型的JTC-OfficeA多径信道模型下,该算法可保证良好的系统误码率性能,在信噪比为8dB时,误码率就已经小于10^(-4);此外,算法的估计误差仅需20-30个码片的训练就快速收敛,从而大幅降低了算法复杂度,是一种简单实用的算法,便于硬件实现。

基于最小均方误差的改进型IRA译码算法研究

IRA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂。虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的。为了让译码算法在复杂度和译码性能之间取得较好的折衷,根据最小均方误差准则,提出一种改进型IRA译码算法。仿真结果表明,与BP译码算法相比,改进型IRA译码算法能够在降低算法复杂度的同时保持良好的译码性能,与最小和译码算法相比,改进型IRA译码算法的复杂度几乎不变,但译码性能得到了明显地提高。