三维荧光显微镜图像的调整线性最小均方恢复算法研究

荧光显微镜已在生物学和医学的许多领域被广泛应用 ,人们对它所重建的三维图像的精度不断提出更高的要求 ,数字图像恢复的方法也被广泛应用于提高图像的清晰度。本文简要介绍了由 C.Preza提出的调整的线性最小均方图像恢复算法的基本原理 ,并给出算法实现的流程图和初步的实验结果。

CDMA系统中基于代价函数的联合功率控制算法

在CDMA系统中,利用多用户检测中的干扰抑制效果可以降低对功率控制的要求。本文提出了一种新的基于代价函数的联合功率控制算法。在该算法中,除了需要对功率向量进行迭代更新以外,还要对接收机滤波器的抽头系数不断迭代更新。实验结果表明,采用本文提出的功率控制算法,在系统内用户发射总功率一定的条件下,可以使各用户获得更高的信干比服务质量,系统容量也具有进一步提高的潜力。

MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量,从而获得基于递归最小二乘算法的MB-SIC接收机的自适应实现;此外,还对提出的检测器在比特差错概率性能方面进行了分析;仿真结果表明,相比于现有的检测算法,提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。

基于感知相关代价函数的深度学习语音增强

当前大多数基于深度神经网络(DNN)的语音增强算法使用的均方误差代价函数没有充分利用人耳听觉感知特性,且语音可懂度没有必要关联性,为此提出一种端到端的基于DNN的语音增强框架,并将基于频域加权分段信噪比的感知相关代价函数作为优化目标来训练DNN;在此基础上,将频域加权分段信噪比和感知加权均方误差相结合,提出一种联合优化代价函数用于训练DNN,改善人耳对含噪语音的听觉感知。实验结果表明,采用深度神经网络对含噪语音进行去噪时,通过将感知相关代价函数整合到数据驱动的模型学习中,语音质量和语音可懂度显著提高。

扩展自相关的正弦信号频率估计算法

本文针对混有高斯白噪声的正弦信号,提出了扩展自相关的频率估计算法。论文通过理论分析,充分挖掘自相关函数包含的频率信息,推导出新的扩展自相关函数;同时,在Yan算法的基础上对频率估计式加以改进。仿真结果表明,与现有频率估计算法相比,在信号序列较短或信噪比较低时,本文算法的估计方差更接近克拉美罗下界(CRLB);与Yan算法相比,在序列较大或信噪比较高时,在相同估计方差下,本文算法的计算量更小。

提高耳语音可懂度的非对称压缩语音增强方法

提出两种基于非对称代价函数的耳语音增强算法,将语音增强过程中的放大失真和压缩失真区分对待。Modified ItakuraSaito(MIS)算法对放大失真给予更多的惩罚,而Kullback-Leibler(KL)算法则对压缩失真给予更多的惩罚。实验结果表明,在低于—6 dB的低信噪比情况中,经MIS算法增强后的耳语音的可懂度相比传统算法有显著提高;而KL算法则获得了同最小均方误差语音增强算法近似的可懂度提高效果,证实了耳语音中的放大失真和压缩失真对于耳语音可懂度的影响并不相同,低信噪比时较大的压缩失真有助于提高耳语音可懂度,而高信噪比时的压缩失真对耳语音可懂度影响较小。

GIS中道路曲线的整体误差模型与试验研究

以随机过程的均方微积分为工具描述了曲线要素的整体误差,用过程的数字特征定义了曲线整体误差的具体指标,分析了误差指标的几何意义.根据过程模型设计了曲线整体误差的扫描数字化试验,用三次参数样条高密度地插值出一条道路曲线,对道路中心线进行反复的采集,经转换获取了随机过程的100条样本曲线,在此基础上估计出了误差指标值,讨论了过程的平稳性,分析了扫描数字化中系统误差的成因以及相应的削减系统误差的方法.试验数据大体上代表了道路中心线扫描数字化的精度.

基于决策树的钓鱼网页的识别方法

现如今许多不法分子利用钓鱼网站盗取用户的个人信息,窃取用户的财产,对用户造成巨大损失。因此该文通过使用决策树学习算法,提取其中的关键词,分析并建立钓鱼网站特征模型,对未知网站进行判别。CART是一种决策树算法,但CART决策树的多数表决法会屏蔽小类数据类型的影响,因此该文根据这点对CART决策树进行改进,引入代价函数,不断地利用迭代和最小均方误差调整特征的权重增加惩罚。实验结果表明,改进后的决策树在对未知网站进行分析,成功地降低了负样本的错误率,提升了识别率。

局部线性回归的核函数分析

非参数回归方法有很多,最常用的是局部多项式回归,局部线性回归是局部多项式回归的特例,局部线性回归较好的克服了边界的偏差,且有良好的渐近性质和收敛速度,因此运用较为广泛。本文采用局部线性回归方法,研究不同核函数和样本量对积分均方偏差、积分方差和积分均方误差的影响,首先研究在不同核函数下,绘制用局部线性回归方法得到的拟合值和真实值的图像,然后研究在不同核函数和样本量下,使用局部线性回归方法对积分均方偏差、积分方差和积分均方误差的影响。

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。

基于核密度估计优核选择的研究

使用核方法估计密度时,窗宽{nh}和核函数K)(×的选择是必要的.这里提出在相对均方积分误差RMISE达到最小的意义下寻求获得最优核函数,并对不同核与优核的效率进行了讨论.

基于大气散射模型的去雾算法

提出一种基于大气散射模型的去雾算法。基于大气散射模型,利用四细分法求取光度值;结合均方误差对比模型,构建像素信息丢失与对比度联合代价函数;优化代价函数获得最优透射估计,保留更多像素信息;增设约束条件恢复去雾图像。实验结果表明,所提算法能够保留更多像素信息,消除"黑影"现象,去雾效果良好。

卫星直播数字信号的移动接收

对卫星信号的移动接收来说,天线阵自适应波束形成技术是不可缺少的。由于近代接收机对发射信号的解调通常是以数字方式进行的,也就希望以数字形式来实现波束形成。本文描述了一个以数字形式实现波束形成和解调的接收机。特别是对判决-反馈解调器的采用进行了探讨,并详细讨论了均衡器,时钟恢复和载频恢复的问题。还用计算机模拟了其性能。

排序集抽样下分布函数的非参数核估计

排序集抽样方法适用于样本测量困难但排序容易的场合,已被广泛应用于临床医学、生态环境、农林业等领域.分布函数是概率统计中一个重要函数,为了提高未知总体分布函数的估计效率,文章基于排序集抽样方法,采用核估计思想和平均秩方法,构建了分布函数的非参数估计量,证明了其具有渐近无偏性、相合性和一致强相合性.估计效率通过估计量的积分均方误差来进行评价,渐近相对效率和模拟相对效率的研究结果表明:新建估计量的估计效率高于简单随机抽样下相应估计量,并且随着样本量的减小,新建估计量的相对优势越明显.最后,针叶树数据的应用结果进一步验证了理论研究结果的正确性.