面向语音增强的序贯隐马尔可夫模型时频语音存在概率估计

语音存在概率的估计是语音增强的核心技术之一,针对传统的存在概率估计方法是启发式的,没有把存在概率的估计统一到一个理论框架之中,不能保证估计最优,提出了一种基于序贯隐马尔可夫模型(SHMM)的存在概率估计方法,在每一子带上构建一个SHMM模型描述对数功率谱包络的时间序列,把谱包络序列看作一个在语音和噪声状态之间转移的动态一阶马尔可夫链,采用单高斯函数构建每一状态的概率模型,语音状态的后验概率即为语音信号的存在概率。为了满足算法实时性要求,SHMM参数估计简化为一阶回归过程,根据极大似然准则逐帧更新模型参数。实验表明:SHMM所描述的时序相关性对存在概率的估计起到关键作用,它优于一般的启发式估计方法;SHMM算法的语音增强分段信噪比(SegSNR)和对数谱失真(LSD)性能优于经典的改进型最小统计量控制递归平均(IMCRA)算法。

对数正态型产品基于验后概率的Bayes序贯检验技术

现代高技术装备由于小子样的条件限制,运用传统统计方法对装备性能参数进行假设检验存在困难。对于维修时间服从对数正态分布的装备,提出了基于验后概率和小概率事件原理的基本假设,建立了对数正态型产品基于验后概率的Bayes序贯检验(BSToLP)模型,推导了验后风险的计算公式,归纳了基于验后概率的Bayes序贯检验法则,并给出计算所得的实际验后风险低于给定验后风险的证明。最后结合装备示例,进行可靠性分析,验证了该方法的可行性及优越性。

小子样条件下命中精度Bayes序贯检验与递推估计

Bayes序贯检验和Bayes递推估计法分别从假设检验和参数估计角度对传统试验评定方法进行改进,将二者联合运用,检验和估计紧密结合,运用于导弹命中精度评定试验,充分利用验前信息以弥补现场数据的不足,制定合理有效的评定方案,使得试验结果更加准确、试验用弹量更少。实例分析表明,该方法能够有效提高检验和估计结果可信性,适用于小子样条件下的命中精度评定试验。

基于序贯仿真和非参数核密度估计的大电网可靠性评估

序贯蒙特卡罗仿真不但能给出可靠性指标的期望值估计,而且能提供逐年可靠性指标样本。文中研究了序贯蒙特卡罗仿真的收敛特性,分析了仿真年数与计算精度之间的概率不确定性关系,推导了二者的置信区间公式,为实现计算成本和计算精度的综合权衡提供了量化分析手段。此外,基于逐年可靠性指标样本和非参数核密度估计理论,实现了可靠性指标的概率密度估计,从根本上克服了传统期望值指标仅从概率平均意义角度测度系统可靠性的缺点,探索了从可靠性指标内在分布规律和结构特征出发,深刻揭示电网风险特性的新思路。

应用序贯相似检测的基本矩阵快速鲁棒估计

提出了一种基于序贯相似检测(SSDA)的快速鲁棒基本矩阵估计算法来估计基本矩阵。在最大后验一致性(MAPSAC)算法中引入SSDA搜索最优模型参数,通过及时剔除错误模型减少计算成本函数的累加次数,不仅保持了MAPSAC的良好鲁棒性,而且有效减少了算法的计算量。用M估计算法对改进的MAPSAC算法获得的初始内点集进行优化,剔除估计余差较大的内点,并用优化的内点集求解基本矩阵,进一步提高算法的估计精度和鲁棒性。实验结果表明,该算法不仅估计精度较高,鲁棒性较好,而且平均处理速度比MAPSAC算法提高了30%以上,基本满足三维重建、匹配和跟踪、相机自标定等应用领域对实时性、鲁棒性和精度的要求。

基于序贯重点采样粒子滤波和Cholesky分解的分布估计算法

连续域分布估计算法一般假设数据服从Gauss分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的Gauss分布模型不能有效地描述解在空间的分布.提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布,Cholesky分解法分解收缩的协方差矩阵并利用其产生下一代样本,不需要假设样本服从Gauss分布.算法采用的概率模型是多峰的.变量之间的相关性通过采样时利用群体的协方差矩阵显式地予以考虑,并对协方差矩阵为零矩阵的情况进行了处理.仿真实验结果验证了方法的正确性和有效性.

初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上,引入了联合检测与估计的序贯算法,给出了算法的实现框图,并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中.仿真实验表明,新算法较传统算法有一定的性能改善.

基于序贯重要性采样的电力系统连锁故障负荷损失分析方法

仿真分析是连锁故障负荷损失分析的重要方法。目前仿真效率过低是制约其应用的瓶颈问题。其根本原因之一是缺乏一般的数学模型以构建具有严格理论支持的负荷损失分析方法。根据连锁故障的马尔可夫性,建立了一般的马尔可夫链模型,将相关负荷损失建模为由马尔可夫链决定的随机变量,在保留其主要物理特征的前提下为各种分析模型提供了统一的数学背景。在此基础上,充分利用连锁故障的序贯性与马尔可夫性,设计了基于序贯重要性采样的连锁故障负荷损失分析方法,并给出了其降低仿真次数和估计方差的理论保证。该方法可应用于各种连锁故障仿真模型,算例分析验证了其与传统蒙特卡洛方法相比的高效性。

基于开源软件的序贯指示沉积相建模后处理方法原理及改进

文章介绍了一种基于开源软件进行沉积相建模的新方法,即采用序贯指示模拟(SISIM)和基于最大后验概率更新法(MAPS)相结合进行沉积相建模,并对传统的MAPS后处理方法提出了一种确实可行的、有效的改进方法。传统的MAPS方法使用5X5方形光滑窗口进行搜索,光滑效果有限,文中提出依据地质信息在软件参数文件中调整相应的光滑窗口的大小和方向,使用与主次变程相关的,沿物源方向的,大小合适区域地质经验的椭圆形光滑窗口,得到的模拟结果更加光滑、连续,更加符合实际地质认识。同时开源软件分析环境的搭建使得从事相建模及后处理的过程更透明,更可控,更好的指导矿产的勘探工作。

运动图像多尺度分割中的参数估计方法

将一种新颖的多尺度分割方法引入了多分辨率运动图像分割框架中 ,从而形成了一种新的多尺度运动图像分割方法。该方法主要由多尺度随机场和序贯极大后验估计两个基本概念组成 ,主要是解决多尺度图像分割中仍然存在的计算复杂度问题 ,并可以通过上下文图像模型达到更加准确的图像分割。

运动图像多尺度分割方法及其参数估计

一种新颖的多尺度分割方法被引入到多分辨率运动图像分割框架中,形成了一种新的多尺度运动图像分割方法。这种方法是由多尺度随机场和序贯极大后验估计器两个基本概念组成,它可以解决多尺度图像分割中仍然存在的计算复杂度问题,并通过上下文图像模型达到准确的图像分割。

方位未知信号联合检测与估计研究

为解决高斯噪声中方位未知平面波信号的检测及方位估计这一无源雷达信号处理中的重要问题,在讨论联合检测与估计序贯实现的基础上,设计远场平面波信号入射方位(DOA)的充分统计量,构造自然共轭密度函数族,并将其运用到序贯算法中。仿真实验表明,联合检测与估计序贯算法较传统的检测与估计分离算法在检测性能上有2 dB的改善。

成败型产品基于验后概率的Bayes序贯检验技术

分析了基于损失的Bayes检验方法和基于风险的SPOT(sequential posterior odd test)方法存在的不足.对装备试验与评价中成败型产品的Bayes序贯检验,在给定的两类风险要求下,建立了基于验后概率的Bayes序贯检验模型(PBSTM),给出了模型的求解算法和实际验后风险的计算公式.最后结合装备可靠性分析案例,进行了示例分析,从数据上证明了PBSTM模型优越性和有效性.研究结果表明:PBSTM模型从理论上保证了序贯检验的结论同时满足小概率事件原理和两类风险要求,避免了现有假设检验方法存在的不足.

基于改进SPRT的机载欺骗式干扰检测方法

针对传统机载GNSS欺骗式干扰检测方法在多星受欺骗、或伪距欺骗量较小时检测性能差的问题,提出一种基于改进SPRT的欺骗式干扰检测方法。利用惯性导航系统(INS)和测距机(DME)机载多源数据,构造欺骗检测量。基于Bayes参数估计理论,提出一种改进SPRT算法,利用欺骗检测量计算自适应补偿值,构成改进的欺骗检测统计量。利用改进的欺骗检测统计量进行欺骗式干扰检测,加快算法的检测速度。巡航阶段的仿真结果表明,在满足机载设备相关要求的同时,在多星受欺骗情况和伪距欺骗量较小情况下均具有较好的检测性能。

基于动态金字塔标记随机场模型的非监督纹理分割算法

在马尔可夫随机场纹理模型的基础上,提出一个基于金字塔结构的动态多尺度标记随机场模型,应用这个模型实现纹理图像分割.算法应用由粗至细的处理策略,实现了图像的区域紧凑性,克服了一层GRF标记场结构的运算复杂性,减少了运算时间,并且能够获得较好的分割结果.

高斯-厄米特粒子滤波器

针对非线性、非高斯系统状态的在线估计问题 ,本文提出一种新的基于序贯重要性抽样的粒子滤波算法 .在滤波算法中 ,我们用一簇高斯 厄米特滤波器 (GHF)来产生重要性概率密度函数 .此概率密度在系统状态的转移概率的基础上融入最新的观测数据 ,因此更接近于系统状态的后验概率 .理论分析与实验结果表明 :在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时 ,用GHF产生重要性概率密度函数的粒子滤波即高斯 厄米特粒子滤波 (GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF .

基于MSET和SPRT的内燃机气阀机构振动监测

提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测特征向量进行估计,得到与观测特征向量相对应的估计残差;最后使用SPRT对观测特征向量的估计残差进行均值和方差检验,确定系统的工作状态。试验中,通过设置不同的气阀间隙大小来模拟内燃机气阀机构不同程度的异常工况,以整周期缸盖振动信号幅值域特征作为系统工况监测参数。试验结果表明,MSET可有效增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现内燃机气阀机构异常工况的识别,MSET和SPRT的结合有效地实现了对内燃机气阀机构异常工况的早期监测。

基于多层次MRF的多分辨率图像融合算法

图像数据融合的目的是恢复出分布在不同图像中的有用信息。在多层次MRF模型的基础上提出了一种多分辨率图像融合算法。该算法将定义在多层次图结构上的非线性因果Markov模型与贝叶斯SMAP(sequenti almaximumaposteriori)准则结合起来 ,弥补了MAP(maximumaposteriori)准则在多层次图结构上计算不合理的缺陷。实验部分中 ,对两种算法用于被高斯白噪声污染的合成图像的恢复结果进行了比较 ,并将该算法用于实际的多分辨率航空图像。实验结果表明了该算法的优越性。

基于自适应SPRT的缓变式欺骗干扰检测算法

缓变式欺骗干扰信号在干扰初期与全球导航卫星系统(Global Navigation Satellite System,GNSS)真实信号保持一致,其隐蔽性强,危害性大。常见的缓变式欺骗干扰检测方法是将卡尔曼滤波新息序列作为检测量,基于卡方检验检测干扰。然而,这些方法存在检测时间较长、检测性能低的问题。针对这一问题,提出了基于序贯概率比检测(Sequential Probability Ratio Test,SPRT)的缓变式欺骗干扰检测算法,将新息序列检测量作为SPRT样本,计算检验统计量,检测欺骗的同时能识别受欺骗的卫星。同时,应用Bayes参数估计理论,提出自适应SPRT算法,自适应补偿检验统计量,加快算法检测速度,并可通过调整风险参数,进一步提高算法的检测性能。仿真结果表明,与传统方法比,本文算法对缓变式欺骗干扰的检测时间短、检测性能高,并且在多星受欺骗时,可达到较好的检测性能.

一种基于多层次MRF的多源图象融合算法

图象融合技术的主要目的是将多种图象传感器数据中的互补信息组合起来 ,使形成的新图象更适合于计算机处理 (如分割、特征提取和目标识别 )等 .在多层次 MRF模型的基础上 ,提出了一种应用于多源图象分类的图象融合算法 .该融合算法将定义在多层次图结构上的非线性因果 Markov模型与贝叶斯 SMAP(sequential m axi-mum a posteriori)最优化准则结合起来 ,克服了 MAP(maximum a posteriori)准则在多层次图结构上计算不合理的缺陷 .该算法可应用于多源遥感图象中的信息融合 ,使像素分类更精确 ,并解决多源海量数据的富集表示 .另外还利用合成图象与自然图象分别针对多层次 MRF模型的改进及算法中可最优化准则的不同进行了对比实验 ,结果表明 。