语音识别中基于最小描述长度准则的决策树动态剪枝算法

在基于语音学决策树状态聚类时,包含不同数量捆绑状态的决策树对应不同的复杂度。通过研究模型的复杂度对系统性能和说话人自适应的影响,提出一种决策树剪枝方法——基于最小描述长度(Minimum Description Length:MDL)准则的决策树动态剪枝。该方法利用训练充分的决策树作为初始模型,根据自适应语料的数量动态地选择不同复杂度的模型,决策树剪枝时初始模型的合理选择,自适应语料的充分应用以及MDL准则对随机模型和确定性模型的集成,使得所提出的方法与说话人自适应相结合后取得了系统性能明显提高。

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。

盖尔圆定理和最小描述长度准则相结合的信源数目估计方法研究

针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。

基于最小描述长度准则的数字信道化接收机频谱检测方法

数字信道化接收机常采用频谱检测方法判断其分析滤波器组中的输出子带信号的存在。为解决现有基于特征值的频谱检测方法由于采用最大和最小特征值的近似值而导致采样点数较少时性能无法满足要求的问题,提出了一种适用于数字信道化接收机的基于最小描述长度(MDL)准则的子带频谱检测方法。基于子带过采样数据构建协方差矩阵,计算矩阵特征值的平均值以减少噪声带来的波动。将矩阵特征值的平均值作为MDL准则的参数估计所有子带的平均特征值中包含信号的个数,以此确定包含信号的子带。仿真实验表明,该方法比现有的频谱检查方法具有更好的检测性能,且克服了需要设置固定门限的缺点,对噪声和信号波动具有较强的适应能力。

采用信息理论准则的信号源数估计方法及性能对比

为了从机械系统观测混合信号中有效评估信号源的数目,以及解决数据点较大时贝叶斯信息准则(BIC)难以计算的问题,在剖析了3种信源数目估计准则(赤池信息准则(AIC)、最小描述长度(MDL)以及贝叶斯信息准则(BIC))的原理和算法的基础上,提出了基于对数函数修正的改进贝叶斯准则(IBIC)。该准则利用对数运算将BIC目标函数中的多参数指数运算转换为乘积运算,在不降低计算精度的条件下,显著改善了BIC准则的计算效率和工程应用性能。仿真实验分析表明:AIC与MDL具有近似的源数估计性能,对非线性调制成分非常敏感;从能量角度分析,提出的新准则容忍非线性调制成分(非线性调制信号能量占观测信号总能量)能量比为5.15%,较AIC(0.07%)与MDL(0.08%)具有更好的鲁棒性能。壳体结构试验台声源数目估计实验表明,3种方法均可有效评估声源数目。本研究对于模态阶数选择、系统复杂度分析以及基于机械系统信号源分离的状态监测与故障诊断具有学术意义和工程应用价值。

基于MSWF和改进Adaline神经网络的间谐波分析

为降低计算复杂度,将多级维纳滤波器(MSWF)应用于电力系统间谐波分析,提出基于MSWF和改进自适应神经网络的间谐波分析方法。利用MSWF的前向递推实现信号子空间和噪声子空间的快速估计,不需要估计数据的协方差矩阵及其特征值分解,减小了计算量。应用新的最小描述长度准则和TLS-ESPRIT算法确定谐波、间谐波的个数及频率。为提高收敛速度,应用基于递归最小二乘学习算法的自适应神经网络分析谐波和间谐波的幅值和相位。Matlab仿真结果验证了所提算法的有效性。该方法计算复杂度低,分辨率高,精度高,收敛快。

一种模型选择优化准则及其在高光谱图像非监督分类中的应用

选择合适的类别数是非监督分类中的一个关键问题 .针对采用高斯混合建模的高光谱图像非监督分类问题 ,该文提出了一种基于主成分分析 (PCA)的最小描述长度 (MDL)型模型选择准则 (文中简称为PMDL)来确定分类类别数 ,即根据PCA变换后保留的各主成分表达的数据方差不同而应具有不同的编码长度这一事实 ,在计算描述长度时对各维进行加权 .分类过程中 ,论文采用期望最大化 (ExpectationMaximization)算法在合并的策略下对PCA变换后的数据求解混合模型 ,并应用所提出的准则进行模型选择从而确定待分类的类别数 .仿真数据实验证实了新准则的有效性和优良的性能 。

基于MDL准则的独特码检测方法

通过应用MDL准则在信号检测中的特性,引入检测统计量和设定最佳判决门限,得到了一种新的UW检测方法,它与常用的检测方法不同之处在于可在调制数据上进行。通过对该检测方法的分析和计算机仿真,表明该检测方法能适应大频偏条件,并具有较好的检测性能。

基于多PRI脉压回波的单通道雷达干扰分离方法

研究了一种基于盲源分离的单通道雷达有源相干干扰抑制方法。针对伴随式干扰场景,在间歇采样转发干扰、部分脉冲密集转发干扰等有源相干干扰并存的条件下,建立了基于脉冲压缩的多脉冲重复间隔采样抗主瓣有源相干干扰模型并对其可行性进行了证明。针对现有单通道盲源分离方法在时域进行分离效果有限的问题,提出对脉压后的距离维数据进行盲源分离的思想,可在一定程度上抑制噪声对盲源分离的影响。同时,由于目标信号和干扰信号在脉冲压缩后重合度较低,可获得更好的分离效果。仿真和实测结果表明,在多个干扰源存在的条件下,本方法可有效分离真实目标回波和干扰回波。当信噪比大于5 dB时,目标脉压回波相似系数接近100%;选取虚拟通道数越多,分离效果越好。

一种改进的基于极化敏感阵列的弱信号检测算法

针对空间复杂电磁干扰影响下全球导航卫星系统(GNSS)连续性、完好性和可用性方面面临的巨大挑战,基于极化敏感阵列,提出了一种改进的弱压制干扰信号检测算法。首先对各个极化天线阵子接收的实时数据进行空域、频域和极化域的联合处理,然后对各个频域分量的特征值进行降序排列,进而通过全频段的特征值分布曲线准确分离出强干扰环境下的弱信号分量。结果表明,采用基于多级维纳分解的改进最小描述长度(MDL)准则,可以在不进行特征值分解的前提下有效地进行干扰检测,极大降低了检测算法的实现功耗和复杂度,仿真结果也验证了算法的有效性和准确性。改进算法适用于不同的天线阵型,在存在幅相误差的情况下仍有较高的检测概率,具有较大的工程实践价值。

MIMO OFDM系统中基于MDL准则的均方根时延扩展估计(英文)

研究了MIMO OFDM系统中最小描述长度(MDL)准则在均方根时延扩展估计中的应用.分析了多径分量功率和多径分量的自相关矩阵之间的关系,使MDL可有效地应用于RDS估计.该估计器能以较低的计算复杂度给出RDS、噪声方差、信道功率和信噪比等多个实时信道参数的准确估计.根据估计的多径分量功率,利用MDL准则获得了当前信道环境下的路径数及它们各自时延的估计;根据路径数得到了噪声方差和各径功率的估计,从而得到当前信道的功率时延谱和均方根时延扩展的估计.仿真结果表明该估计器可有效对抗信道中信噪比变化和频率选择性的影响.

窄带干扰及动态环境BOC调制信号多通道并行捕获

针对窄带干扰及动态环境二进制偏移载波(binary offset carrier,BOC)调制信号捕获困难、捕获效率低的问题,提出利用奇异值分解(singular value decomposition,SVD)结合最小描述长度(minimum description length,MDL)准则对窄带干扰进行抑制。在部分匹配滤波器结合分数阶傅里叶变换(partially matched filter-fractional Fourier transform,PMF-FRFT)捕获算法的基础上提出结合伪码复合以及异步伪码相关累加的多通道并行捕获算法。该算法首先对接收到的含窄带干扰信号做SVD,利用MDL准则自适应估计出干扰信号的个数并完成干扰抑制;然后,将信号伪码相加形成新的伪码序列,由PMF-FRFT结合异步伪码相关累加算法实现对多个信号的精确捕获。仿真结果表明,SVD窄带干扰抑制算法在较好保留原信号特征的基础上能够有效抑制干扰信号,且性能稳定。提出的伪码复合结合异步伪码相关累加多通道捕获的算法可同时完成多个信号的捕获,有效提升信号捕获概率、减少捕获时间。

声矢量阵联合信息处理的信源数估计算法

为了在低信噪比下进行水下信源数的准确估计,将信源数估计算法推广至声矢量阵声压振速联合信息处理。研究了2种联合信息处理方式的原理,针对观测方位固定可能导致某些方位的信号由于空间滤波被滤除,提出一种新的观测方位的选择方法,对方位角进行扫描,取协方差矩阵行列式值的绝对值最大的协方差矩阵对应的方位作为观测方位。理论分析和仿真实验表明:相比于选择固定观测方位,采用新的观测方位选择方法进行联合信息处理的处理增益更大,信源数估计算法可以在更低的信噪比下进行准确估计。

基于MATLAB和小波变换的电力机车谐波电流分析

介绍了基于小波变换的谐波检测方法,应用小波变换良好的时频局部化特性对电力机车牵引负荷进行谐波检测。以SS4G型电力机车为研究对象,利用最小描述长度准则确定了分析谐波的最佳小波函数,在MATLAB环境下进行小波算法编程。仿真结果表明:小波变换能快速准确地将信号中的基波和不同频率的谐波信号分解出来,实现谐波检测。

面向语音增强的约束序贯高斯混合模型噪声功率谱估计

提出了一种基于极大似然的噪声对数功率谱估计方法,采用高斯混合模型对每一个频带上的功率谱包络构建统计模型,将时序包络划分为语音和非语音类,它们分别对应于高斯混合模型的两个高斯分量,描述语音和非语音的统计分布,其中非语音高斯分量的均值即为噪声功率谱的最优估计.采用序贯学习的方法,在极大似然准则下逐帧更新模型参数,并逐帧给出噪声功率谱的最优估计值。此外,由于序贯更新过程中语音信号长时缺失,容易导致模型失稳,提出了一种在线的最小描述长度准则(MDL)来判断语音信号是否长时缺失,从而保证了模型的稳定性.实验表明,算法性能整体优于经典的MS和IMCRA算法。

利用信号non-circular特性的信源个数检测算法

在non-circular信号的情况下,提出了信源个数检测算法.通过使用non-circular信号椭圆协方差不为零的特点将可利用阵元个数加倍,并利用酉变换将快拍数加倍,提高了数据协方差矩阵的估计精度,在此基础上改进了信息论检测准则.仿真实验表明新算法具有收敛速度快、角度分辨力高和可检测信号个数多等优点.

一种基于MDL原理的信号分选新算法

研究了一种基于脉内调制特征的雷达信号聚类分选算法,该聚类分选算法根据最小描述长度(Minimum description length,MDL)原理判定数据源中存在数据类的数量,以及任一向量应该归属于哪一类,从而确定电磁信号环境中雷达辐射源的数量,并完成脉冲信号的分选处理。该算法将截获系统前端对雷达脉冲信号的采集数据视为脉冲向量,在对雷达脉冲向量进行必要的预处理后,进行聚类分选处理。来自不同雷达的脉冲信号由于它们的脉内调制(有意或无意调制)特征不同,聚类处理后将会形成不同的脉冲向量类。该算法的优势在于无需进行信号脉内特征的定量分析、提取和描述等处理。计算机仿真验证了该算法的有效性。

基于功率谱包络动态分割的鲁棒语音端点检测

在复杂的声学环境中,由于环境噪声的干扰,导致声学特征的稳定性不够理想.为克服此难题,通常对决策结果在时间维度上进行平滑.然而,这些平滑过程本身没有考虑数据在时间维度上的结构特征,属于启发式的方法.该文采用动态分割的方法,将语音的频谱包络在时间维度上分割成具有特征同一性的时间块,以分割块为单位计算能量特征,并进行语音/非语音决策,从而达到提高语音端点检测的稳定性目的.实验表明,提出的方法有效提高了语音端点检测的鲁棒性.

基于MDL-ADT的雷达对抗空域优化搜索方法

针对雷达对抗侦察中传统空域搜索方法效率不高的问题,提出一种基于最小描述长度准则的调整驻留时间(MDL-ADT)搜索方法。该方法将数字波束形成(DBF)技术引入空域搜索中,重点分析了截获概率与波束驻留时间的关系,通过两个步骤对空域完成搜索:首先进行预搜索,利用MDL准则对各波束内信源数目进行估计;然后根据信源在空域的分布情况对驻留时间进行分配,并完成空域搜索。该方法通过合理分配驻留时间,使侦察系统的时间资源得到了高效利用。仿真实验表明,该方法可以使空域搜索效率提高约20%。

灵活的增强朴素贝叶斯分类器

提出了一种新颖的基于最小描述长度(Minimum Description Length,MDL)准则的灵活的增强朴素贝叶斯分类器(Flexible Augmented Naive Bayesian classifier,FAN)算法.该算法能够根据数据集自适应地匹配从朴素贝叶斯分类器(Naive Bayesian classifier,NB)到树增强朴素贝叶斯分类器(Tree Augmented NaiveBayesian classifier,TAN)的网络结构,且保持了TAN计算简单和鲁棒性的特点.在UCI数据集上用分层交叉验证的方法对NB、TAN、FAN算法进行测试,实验结果表明FAN算法具有良好的分类精度.