基于最小均方误差对数谱幅度估计的心音降噪算法

将基于最小均方误差对数谱幅度估计的语音增强算法用在心音降噪中,该方法基于统计模型方法将降噪归于统计框架中,通过对带噪心音信号进行最优幅度谱估计,最小化估计心音与干净心音的差异来去除噪声,恢复原始的信号。实验结果表明,本文算法有效改善了心音信号的时频特征,并在后续的心音分类算法中获得了更高的准确率。本文方法在心音降噪中表现优秀,对电子听诊器、心脏病自动检测技术的发展具有重要意义。

基于改进变步长最小均方算法的心电图信号去噪

针对定步长和现有变步长最小均方(LMS)自适应滤波算法对心电图(ECG)信号去噪效果较差的问题,提出一种基于分式函数改进的变步长LMS算法。首先利用分式函数构造出改进的变步长LMS算法的步长函数式,通过理论和仿真分析得到该算法参数的最佳取值,并在相同条件下与定步长和其他变步长LMS算法进行性能对比,验证了该算法具有更快的收敛速度、更低的稳态误差和更小的计算复杂度。然后将该算法与定步长和其他变步长LMS算法在相同条件下对含多种真实噪声的ECG信号进行去噪效果对比。实验结果表明,相比于其他算法,该算法能更好地去除ECG信号的噪声,且去噪后ECG信号的信噪比最大,均方误差最小,Pearson相关系数最接近于1。

基于最小均方误差的圆弧分段曲线拟合方法

提出了一种基于最小均方误差准则的圆弧分段曲线拟合方法。该方法采用自适应高斯滤波器对原始曲线进行平滑处理以消除噪声影响 ,并提出了一种适合于圆弧曲线拟合的分段算法。在该算法的基础上根据最小均方误差准则 ,以圆弧作为基元对曲线进行拟合。实验结果表明 ,该方法能够较好地消除噪声影响并保留曲线的局部特征。

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件 ,构造了相应的检验统计量 。

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

基于SDW-MMSE的广义特征值稳健波束形成方法

最大输出信噪比(Signal-to-noise ratio,SNR)准则下,广义特征值(Generalized eigenvalue,GEV)波束形成存在复系数难以控制的问题,在复杂的声学环境中容易导致输出信号严重失真。针对复系数估计问题,本文提出一种基于最小均方误差(Minimum mean square error,MMSE)的复系数估计方法,并通过引入语音失真权重因子(Speech distortion weight,SDW),调节降噪效果和语音失真之间的权重关系,进而提出了基于SDW-MMSE的广义特征值稳健波束形成方法。通过最大似然法估计目标信号和噪音信号的功率谱,进而求解主广义特征向量。进一步基于SDW-MMSE估计复系数,将复系数与主广义特征向量相结合,从而得到基于SDW-MMSE的广义特征值稳健波束形成滤波向量。仿真实验结果表明,本文提出的波束形成方法可有效消除相干噪声和非相干噪声,具有输出信噪比高、语音失真少等稳健性能。

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于 FIR和 IIR的采用最小均方误差 (MMSE)算法的判决反馈均衡器 ,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器 :LMS算法和 CMA算法 ,对这些算法的仿真表明了各自的性能和优缺点 ,在此基础上提出了一种改进的混合算法 .仿真表明 ,该算法只需要少量的训练序列 ,性能比 CMA算法有明显的改进 .

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差(LMS)自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口(McBSP)和串行外设接口(SPI)实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 d B,语音质量感知评价(PESQ)分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。

基于最小均方误差的认知雷达估计波形设计方法

针对认知雷达在感知目标时,目标的散射特性可能是随机分布的,且雷达刚开机往往并不具备目标的相关信息,提出了一种基于最小均方误差(MMSE)准则的认知雷达估计波形设计方法。该方法首先构造观测数据和估计子的联合矩阵,接着通过最小后验期望损失估计公式求取估计子的估计值,然后计算估计值的均方误差(MSE),最后根据最小均方误差(MMSE)准则优化波形。仿真结果表明,通过该方法优化的波形,在估计性能上相对于传统的LFM信号具有明显的优势。

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义.该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法.为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法.该方法能保证检测器收敛到最优MMSE解.此外,该文还设计了一种形式简单、快速收敛的迭代算法.对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能.

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

毫米波MIMO系统中迭代最小均方误差混合波束成形算法

混合波束成形结构能有效解决毫米波MIMO系统中射频链路受限的问题,但要设计性能较优的混合波束成形算法仍然存在困难。为了实现更高的频谱利用率,提出了一种性能较优的迭代最小均方误差(Alt-MMSE)混合波束成形算法。该算法利用数字矩阵的正交特性,首先进行初始数字矩阵设计,然后通过最小化发送信号与接收信号的均方误差不断迭代更新数字矩阵,在每一次迭代过程中,通过更新后的数字矩阵得到模拟矩阵的相位信息。仿真结果表明,与OMP混合波束成形算法和基于矩阵分解的混合处理方案相比,该算法具有更优的性能且更接近于纯数字波束成形。

基于均方误差最小的图像错误隐藏内插算法

以图像像素间的强相关性为基础 ,本文以MPEG - 2的视频信号为例 ,对于以条为单位的信息丢失 ,提出了一种内插算法 ,并导出了内插像素的显式表达式 ,从而可以快速地执行实时处理。仿真实验表明应用该算法实现丢失像素的内插 ,效果是令人满意的。

基于最小均方误差的串扰消除多用户检测算法

在存在强多址干扰的直接序列扩频码分多址(DS-CDMA)系统中对传统串行干扰消除检测器的优点及缺陷进行分析,提出一种基于最小均方误差的串行干扰消除多用户检测算法。该算法能够对时变信道环境进行有效跟踪,避免判决误差扩散。仿真结果表明,在加性高斯白噪声环境中一个同步DS-CDMA系统中对于信号功率弱的用户,该算法相比传统串行干扰消除算法及迫零算法的检测性能有较大的改善,在消除原有检测算法检测精度不稳定的同时能提高算法的误码性能。

AR(p)扰动下最小均方误差受控过程的联合监控

针对最小均方误差(Minimum Mean Square Error,MMSE)受控过程联合监控可控输入与过程输出这一问题,在任意阶自回归AR(p)平稳扰动模型下开发了一种通用的联合控制图,并将界内点排列非随机判异规则引入其中.同时,对AR(p)平稳扰动模型下生产过程的MMSE控制器和输入与输出的平均链长(Average Run Length,ARL)进行了推导.最后,通过仿真实验验证了该联合控制图的有效性.

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。

SC-CP的迫零均衡和最小均方误差均衡性能比较

简要介绍了基于循环前缀的单载波调制,通过仿真比较了在基于循环前缀的单载波调制下迫零均衡和最小均方误差均衡的性能。结果表明在非理想信道及存在噪声的情况下,最小均方误差均衡的性能优于迫零均衡的性能。

基于最小均方误差准则的ICA过程监控方法

独立成分分析(ICA)近年来在过程监控领域获得广泛关注。针对ICA的数据降维问题,提出了一种基于最小均方误差准则的ICA降维算法(MSE-ICA)并给出了数学证明。该算法按照最小均方误差估算独立成分的重要性进行排序,能够准确选择影响过程状态的关键隐变量,有效增加基于ICA的过程监控算法的鲁棒性,集中监控对过程状态变化起决定作用的成分,从而有效提高了过程监控算法的性能。仿真试验和某电厂制粉系统故障数据测试均表明,该方法能够显著降低过程监控方法的漏检率,提高检测的可靠性。