几种基于最大互信息准则的联合均衡方法性能比较

在块传输系统中,采用预编码-后均衡相结合的联合均衡技术能够有效克服信道的色散效应。本文针对无线信道中三种用滤波器组实现的块传输系统的联合均衡方法,就系统的最大互信息量和误码率性能作了分析比较。理论分析和仿真结果表明,作者提出的MMI-DFE1方法具有最佳性能。

基于互信息改进型脉冲耦合神经网络多值图像分割

为了自动地进行图像的多值分割,从原始图像与分割图像之间的相互关系出发,以最大互信息为优化分割目标,以互信息熵差作为一种新的分类类数判据,在对传统脉冲耦合神经网络模型改进的基础上,提出了一种基于最大互信息改进型脉冲耦合神经网络图像多值分割算法.理论分析和实验结果表明,该方法能够自动确定最佳分割迭代次数及最佳分割灰度类数,对分割图像具有良好的特征划分能力,且在分割类数较少的情况下,能较好地保持图像细节、纹理及边缘等信息,对不同图像分割准确度高,具有较强的适用性.

基于神经网络的自适应非线性盲源分离ICA算法研究

基于神经网络的非线性盲源分离ICA算法是盲源信号处理的重点。传统的神经网络非线性盲源分离ICA算法的学习速率是固定的,当设定的学习速率较小、误差较大时,迭代参数需要很长时间才能收敛,从而影响盲源分离的效果。根据误差调节的学习速率以及迭代停止标准中不同时刻的误差权重,提出一种基于神经网络的自适应非线性盲源分离ICA算法,该算法可以使得学习速率随着迭代过程中盲源分离的效果而发生变化。仿真结果表明,与传统的神经网络非线性盲源分离ICA算法相比,该算法可以达到理想的盲源分离效果。

基于神经网络的变速率非线性盲源分离ICA算法研究

基于神经网络的非线性盲源分离ICA算法是盲源信号处理的一个重要研究方向.传统的神经网络非线性盲源分离ICA算法的学习速率是固定的,当系统的噪声和迭代误差较大时,迭代参数需要很长时间才能收敛,从而影响盲源分离的效果.根据信噪比和迭代误差来调节学习速率,提出一种基于神经网络的变速率非线性盲源分离ICA算法,并将该算法应用于图像去噪中.仿真结果表明,与传统的神经网络非线性盲源分离ICA算法相比,该算法具有更好的盲源分离效果.

基于改进MMI的HMM训练算法及其在面部表情识别中的应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题.

判别式训练方法在连续语音识别中的应用

文章探讨了判别式训练在大词汇量连续语音识别系统中的应用问题,介绍了判别式分析训练理论,对比分析了最大互信息准则、最小词错误准则和最小音素错误准则,同时与传统的最大似然训练规则进行了对比分析,提出了一种结合最大似然估计方法和判别式训练方法的模型训练方法,最后用实验证明了该算法能够有效提高声学模型的识别率。