非对称代价函数的稀疏卷积非负矩阵分解方法

提出一种基于非对称代价函数的稀疏卷积非负矩阵分解方法。该方法利用板仓-斋藤距离作为目标代价函数来衡量目标矩阵与重建矩阵的差异,使得较小的矩阵元素具有较小的重建误差,并且该代价函数具有尺度不变性的特点。为了考察其在弱语音成分重建方面的优势,将本文提出的算法应用于耳语音谱分解及重建实验。实验结果表明,与基于欧氏距离和基于Kullback-Leibler(K-L)散度的卷积非负矩阵分解算法相比,本文算法对于弱语音成分具有更好的重构效果,重建后的语音信号具有较大的可懂度。

数据驱动的间歇低氧训练贝叶斯优化决策方法

青藏地区快速的经济发展使得进入高原的群体数量日益增加,随之而来的高原健康问题也愈发突出.间歇性低氧训练(Intermittent hypoxic training, IHT)是急进高原前常使用的预习服方法,一般针对不同个体均设置固定的开环策略,存在方案制定无标准、系统化的理论指导缺乏、效果不明显等问题.针对以上情况,设计了一种小样本数据驱动的IHT策略贝叶斯闭环学习优化框架,建立自回归结构的高斯过程血氧饱和度(Peripheral oxygen saturation, SpO2)预测模型,并考虑高低风险事件对训练的影响,设计与氧浓度变化方向和速率相关的风险不对称代价函数,提出具有安全约束的贝叶斯优化方法,实现IHT最优供氧浓度的优化决策.考虑到现有仿真器无法反映个体动态变化过程,依据“最优速率理论”设计了合理的模型自适应变化律.所提出闭环干预方法通过该仿真器进行了可行性和有效性验证.说明该学习框架能够指导个体提升高原适应能力,减轻其在预习服阶段的非适应性不良反应,为个性化IHT提供精准调控手段.

基于多步分解算法的解盲源分离新方法

在利用二阶统计量实现盲源分离问题中,混迭矩阵经过白化以后转变成了酉矩阵。针对酉矩阵各列之间相互正交的特性,提出一种关于酉矩阵某一列的最小二乘对称代价函数。通过基于梯度下降法的三迭代算法,交替估计三二次代价函数中的各组待定参数,搜索代价函数最小点,从而得到对应能量最大信号源的酉矩阵的一列。利用系统化的多步分解算法(MSA),依次估计酉矩阵的一列,最终得到整个酉矩阵的估计。仿真结果表明,与经典的通过连续Givens旋转求酉矩阵的SOBI算法相比,该算法全局拒噪水平至少改善了9dB,而所需计算时间仅为SOBI的二分之一,更有效地解决了盲源分离问题。