基于加权次梯度投影算法的数字助听器自适应声反馈抑制

本文提出了一种利用加权自适应次梯度投影算法(Weighted Adaptive Projection Subgridient Method,WAPSM)进行声反馈抑制的方案。WAPSM算法来自于自适应次梯度投影算法(Adaptive Projection Subgridient Method,APSM),它以次梯度投影的超平面作为搜索区域来进行松弛投影。本文提出的算法将估计系统的先验知识以权重因子一在很多应用中为指数衰减一的方式加入APSM算法中提高算法性能。以WAPSM算法应用于助听器声反馈抑制的大量仿真实验表明,算法相比传统的NLMS算法和APSM算法在收敛速度、稳定性和精度方面取得了显著的进展。进一步的实验表明,算法在以实际语音作为数字助听器输入信号时取得了优异的性能,并且在低信噪比条件下具有较强的鲁棒性。

同时次梯度投影算法求解分裂可行性线性收敛性研究

分裂可行性问题又能推广到多集分裂可行性问题,其本质与分裂可行性问题相同,均为优化问题。探讨希尔伯特空间中的多集分裂可行性问题的求解算法,使用动态步长的方法来对传统的梯度投影算法进行优化,并提出一种带有动态步长的同时次梯度投影算法,研究该算法的线性收敛性。研究结果表明,该算法具有收敛性;达到目标精度的迭代次数比算法2少137次;能以最少的迭代次数对84.9%的测试问题进行成功求解,比算法2多16.7%,比算法3多26.9%。以上结果证明,同时次梯度投影算法拥有较好的收敛性,能够有效地求解多集分裂可行性问题。

伪单调变分不等式的次梯度外梯度投影算法

在有限维欧式空间中研究了Censor,Gibali和Reich意义下变分不等式的次梯度外梯度投影算法。在伪单调假设条件下,利用He和Liao所提出的线搜索条件,证明了由次梯度外梯度投影算法所产生的迭代序列强收敛到经典变分不等式的解。去掉了Censor,Gibali和Reich文章中关于变分不等式所涉及映像的Lipschitz连续性条件。

基于次梯度投影的数字助听器自适应声源定位方法

该方法在特征值分解算法的基础之上,利用次梯度投影方法自适应估计声源到麦克风的脉冲响应系数,进而估计出各麦克风之间时延,并利用几何方法定位声源在3D空间的位置.与传统的基于广义互相关的时延估计算法相比,提出的算法在房间反射与共振的情况下定位精度更高;与基于NLMS算法的自适应特征值分解时延估计算法相比,提出的算法收敛速度更快,并且在强噪声的情况下鲁棒性更强.基于眼镜数字助听器声源定位系统的实验与仿真研究了麦克风阵不同的几何尺寸对算法性能和定位精度的影响,证明了在不同信噪比情况下该算法都能有效定位声源的3D空间位置.

基于最优化理论的无线传感器网络通信模型

针对无线传感器网络中多源多基站的最大生命期问题,提出一种基于最优化理论的网络通信模型。根据无线传感器网络能量限制和数据流量守恒原则建立整数非线性规划模型,以网络最大生命期为最优目标,将能量和带宽作为限制的多约束条件,利用最优化技术中的分布式算法求解该模型。仿真结果表明,在多基站环境中,该模型能够延长网络生命期。

数字助听器系统中的回声消除方法

提出一种数字助听器回声消除方法,该方法通过引进预滤波单元,解决了由于前向路径存在而导致数字助听器系统受话器输出信号与麦克风输入信号存在相关性的问题,进而保证了对回声路径的自适应估计算法收敛于无偏估计。提出了数字助听器回声路径估计的自适应次梯度投影算法,相比传统的NLMS自适应算法收敛速度更快,收敛精度更高,对噪声鲁棒性强。使用白噪声和真实语音信号的仿真实验证明:对于长的房间回声路径或短的助听器回声路径,该算法都能快速准确地收敛到正确路径。