基于间接拉普拉斯模型因子估计的语音增强算法

对DCT域基于拉普拉斯统计模型的语音增强,分析了模型因子的估计误差及其对于算法整体增强性能的影响,并根据广义高斯分布模型及其形态参数的概念与性质,提出了一种新的拉普拉斯模型因子估计方法,该方法结构简单,它利用拉普拉斯模型条件下语音分量方差与模型因子的对应关系,间接地获取模型因子的估计,算法不仅有效地消除了噪声分量对于估计精度的影响,而且可以快速地跟踪语音分量的变化。仿真结果表明,基于该模型因子估计方法的语音增强算法在多种噪声背景下具有更出色的语音增强效果。

鞍点问题迭代解法收敛因子估计

分析 Bank(1990年 )的论文中的求解鞍点问题的迭代解法 ,得到一个改进的收敛因子估计 .

基于PTS相位因子估计的PAPR抑制优化算法

介绍了几种基于PTS的改进算法,并且在其中一种称为相位因子估计算法的基础上提出了一种新算法,新算法在原方法中引入了预选向量法和快速判断法,以求降低算法的复杂度。通过仿真证明,优化算法与原算法相比复杂度降低了1/2左右,PAPR损失小于0.5dB,表明该优化算法非常适合在子向量数V值较大(一般大于8)的OFDM系统中使用。

一种抑制OFDM峰均比的相位因子估计优化算法

在研究基于PTS的相位因子估计算法的基础上,提出了优选部分向量法,以求降低算法的复杂度。仿真结果表明,用这种方法降低了系统的计算复杂度,并且其性能和改进前的方法可以非常接近。

新型拉普拉斯模型因子估计语音增强算法

针对拉普拉斯先验模型下的语音增强问题,给出了一种模型因子估计算法,它利用语音分量方差与模型因子的对应关系来获取模型因子的估计;在语音分量方差的估计过程中,通过利用带噪语音分量与先前帧语音方差计算当前帧语音分量方差,提出一种新的语音分量方差估计算法。通过结合这两种新算法获得的拉普拉斯模型因子估计能够有效消除噪声分量能量对估计精度的影响,且提高系统的语音增强性能。多种噪声背景下的仿真结果表明,基于该模型因子估计方案的方法的语音增强算法具有更好的增强效果。

基于多尺度前馈融合结构的重采样因子估计算法

【目的】重采样是掩盖图像篡改痕迹的重要手段,为了更加精确地实现对重采样缩放参数的检测,验证图像信息的真实性,本文提出一种基于多尺度前馈融合结构的重采样因子估计算法。【方法】在预处理层中,首先使用两个线性高通滤波器得到重采样图像的残差特征,抑制图像内容带来的影响,放大区域内像素之间的关联性,其次利用4个低阶高通滤波器在不同方向上强化像素的梯度特征,该算法的主体结构为卷积神经网络,在网络的不同层级处提取出多尺度重采样分类痕迹,结合注意力机制,形成多尺度残差融合模块(Multiscale Residual Fusion Module, MRFM),补偿卷积过程中重采样信息的丢失,标定特征信息传递过程中的有效性,同时去除信息冗余,加速网络收敛。【结果】实验表明,本文所提算法的网络增益由预处理层和多尺度残差融合模块共同决定,准确性明显高于对比的其他算法,尤其在强噪声的干扰下,本文所提算法具有明显的优势。

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

改进双因子抗差贝叶斯估计在区域配网状态估计中的性能分析

考虑分布式电源随机接入区域配电网络,以及高精度量测配置等约束带来的配电网状态估计困难,该文基于贝叶斯理论进行研究,并在考虑分布式电源接入和量测设备间的不确定度的情况下,提出一种双因子抗差贝叶斯估计方法,从理论上分析不同分布式电源接入以及量测配置对配电网状态估计产生的影响。同时,通过在IEEE-33、改进的10kV配电网算例,验证所提算法收敛速度较快、估计精度较为理想,证明所提方法的有效性和实用性,为高渗透率风光储能发电设备接入配电网提供了理论参考和运行状态监测的适用方法。

基于拟合的莱斯因子估计算法

针对现有的莱斯因子矩估计算法适用性低和复杂度大的问题,提出一种基于拟合的改进矩估计算法,以提高莱斯因子的估计效率。改进的算法首先将矩估计模型进行有理函数近似,然后对近似式求逆,得到两个关于莱斯因子的闭合式。仿真结果表明,改进后的算法在样本为50000和1000时,估计效率提高至少2.5倍;在保证估计精度的情况下,拥有更小的时间复杂度,可用在终端资源有限的无线通信场景中。

双因子抗差贝叶斯估计及其在GIS数据采集质量控制中的应用

在对GIS扫描数字化过程中,所采集的数据里经常含有系统误差和异常误差。在纠正这些误差的过程中,应同时考虑控制点坐标和数字化坐标的先验协因数。文中以数字化的系统误差拟合模型为例,提出双因子抗差贝叶斯估计误差拟合方法,并分别就控制点含有粗差、数字化点含有粗差和两者均含有粗差3种情况建立相应的模型,实例验证了其抗差效果。

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。

因子得分的岭估计及其相对效率

文章对正交因子分析模型中Bartlett因子得分估计的不足做了改进,损失其无偏性,减小估计的均方误差.并给出了改进后的估计与原估计的相对效率的上界。

基于Stacking算法的烟支空头率影响因子及其效应挖掘研究

为推动烟草行业由“信息化”向“智能化”迈进,深入挖掘烟草行业大数据价值,反哺工艺质量控制。文章选取烟支缺陷中最核心的项目空头作为研究对象,运用Stacking集成机器学习算法识别出烟支空头率的重要影响因子为VE段流化槽压力、筛风风机转速、VE段比例系数、吸丝带与前后道修整器后侧之间的距离。数值试验结果显示:SE段的工艺参数对烟支空头率的影响高于VE段,且SE段与VE段参数之间存在显著交互。为降低空头率,通过提取决策树最优决策路径输出重要影响因子的参数设定组合建议值为:VE段的流化槽压力终值设定在-2.5~-2.0hPa,针辊比例系数设定在115%~120%,筛分风机风速不高于1350r/min;SE段修整器/吸丝带的距离-前道修整器后设定为0~1mm,修整器/吸丝带的距离-后道修整器后设定为0.5~1mm或者1~2mm。基于数据科学模型探究烟支空头率影响因素,不仅可以降低试验前期探索成本、规避科学试验片面性,而且为提高烟支质量控制稳定性、降低烟支剔除率和生产消耗提供有效依据。

基于BFGS算法的地层品质因子反演方法

目前,油气勘探已经从简单构造勘探转向岩性勘探,今后勘探的主要地质目标之一是地层--岩性油气藏,Q值在地层--岩性油气勘探中有重要作用。为较好地估计地层的Q值,本文提出了基于BFGS算法和广义S变换的Q值估计方法。通过广义S变换得到不同旅行时刻的振幅谱,构造一个最优化问题,引入BFGS算法估计出地震品质因子。该方法可以在整个频带范围内计算振幅谱的互相关系数,避免了频带范围选择的问题,而且收敛速度更快。模拟算例和实际资料处理结果均表明,该方法可以有效快速地估计品质因子,并具有较好的抗噪性。

基于FFT和DTFT的指数衰减复正弦信号参数估计算法

针对加性高斯白噪声环境中指数衰减复正弦信号频率和衰减因子的估计问题,提出一种结合FFT和DTFT的离散三谱线插值算法。在利用FFT进行频率粗估计基础上,再利用FFT幅度最大谱线及其左右两侧任意相等位置处的DTFT辅助谱线进行频率和衰减因子精估计,并通过迭代提高算法性能。仿真结果表明,当辅助谱线距离幅度最大谱线位置的绝对值小于0.5时,信号实际频率位于FFT两条谱线之间任意位置,算法性能均接近克拉美罗下界,参数估计精度高于同类算法。

基于纹理免疫的JPEG预压缩图像降尺度因子检测

图像编辑工具的普及导致JPEG图像越来越容易被篡改,其中重采样操作方法通过几何变换能够使伪造的图像更加逼真,因此对JPEG图像进行重采样检测至关重要。传统的光谱分析法依据差分图像相邻极值的间隔遵循几何分布,以及在直方图上的峰值呈现周期性,通过峰值分析对下采样因子进行估计,但由于图像纹理统计特征的周期性干扰了直方图的提取,导致检测准确性较低。提出一种用于JPEG预压缩图像降尺度因子检测的纹理免疫块效应分析算法,利用快速导向滤波对图像进行预处理,并去除图像的纹理和噪声。使用Canny算子对滤波后的图像进行边缘检测,以减轻周期性边缘的干扰,对图像进行交叉差分,从而凸显块效应,提高JPEG图像降尺度因子估计的准确性。在此基础上,结合极大似然估计和谱分析得出降尺度因子的估计值,减小估计误差。实验结果表明,该算法能有效削弱图像纹理对重采样估计的影响,具有较强的纹理免疫能力。

基于SGF-IABC的JPEG图像下采样因子检测算法

对图像进行重采样操作是图像篡改的重要手段,JPEG图像作为最广泛的应用载体,对其进行重采样检测研究具有重要意义。JPEG图像由于重采样引起的块效应移位,差分其相邻极值间隔分布直方图呈周期性,且周期性受到图像纹理和边缘的干扰较大,为削弱下采样因子估计时易受到此类干扰,本文提出一种可抵抗图像纹理边缘的JPEG图像下采样因子估计模型。首先,将JPEG图像经过二次引导滤波(Secondary Guidance Filtering,SGF)的预处理去除图像的纹理噪声;其次,使用改进人工蜂群算法(Improved Artificial Bee Colony algorithm,IABC)对其进行边缘检测、提取和移除,弱化图像边缘周期性特征,以此减少图像极值区间直方图的统计误差,提升下采样因子估计值的准确性;最后,计算图像差分极值直方图,得到最终估计。实验结果表明,本文方法比现有算法具有更小的平均误差,对图像纹理和边缘在像素域的周期性干扰具有更好的鲁棒性,能有效抵抗纹理和边缘的双重干扰。

基于再采样的图像重采样伪作检测

重采样是图像篡改中的一种典型操作,针对现有重采样伪作检测算法对于JPEG压缩格式的图像检测效果不理想,也无法准确估计其中的缩放因子的问题,提出了基于再采样的图像重采样检测算法。该算法先将待检验的JPEG图像以缩放因子小于1进行再次重采样,以削弱JPEG压缩对算法的影响,再利用重采样信号二阶导数具有的周期性来进行重采样操作检测。实验结果表明,该算法具有很强的抗JPEG压缩能力,同时能够准确估计真实的缩放因子。另外,该算法对于经过不同缩放因子而得到的图像进行合成时的重采样操作,也有明显的检测效果。

中国医药产业增长预测

本文利用1990年至2004年中国医药产业相关数据,基于多变量回归模型和因子估计模型,对中国医药产业前景进行了测度:未来5-10年内,中国的医药产业仍将处于16%-18%的稳定高速增长中,远高于同期经济增速,也远高于居民收入增速和卫生保健总费用增速。

一种鲁棒性强的OFDM水声通信系统

为了在不同衰落水声信道下实现正交频分复用水声通信,该文提出了一种鲁棒性强的正交频分复用水声通信方案,方案包括编码调制、信道估计和多普勒估计等内容。为了使该系统更稳健,整个信道编码分为两个步骤。首先,循环冗余校验编码器和里德-所罗门编码器用于编码整个数据包,然后循环冗余校验编码器和Turbo编码器用于编码每个数据帧,其中比特交织编码调制技术用来对抗信道的时变特性。为了得到水声信道估计,使用线性最小均方误差估计器来处理导频数据得到信道估计值。多普勒估计包括帧的多普勒估计和符号的多普勒估计。实验结果表明该系统在不同的衰落信道下都能实现正确的跟踪和译码,系统的鲁棒性能优越。此外,该系统算法计算简单,易于实现,具有良好的工程应用价值。