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。

均方根误差最小准则的水库群典型年选取

由于时空分布、气候、下垫面等水文特性的异同,流域梯级各水库典型年不完全同步,较难选取合理、统一且具有代表性的流域水文典型年。将均方根误差最小准则应用于流域典型年的选取,以乌江流域7级梯级水库为例选择流域丰、平、枯典型年,研究表明,均方根误差最小准则能够统筹考虑各个电站的实际情况,选取的各种频率下典型年与设计年径流量平均相对误差绝对值均小于5%,是一种可靠的流域梯级水库典型年选择方法。

LMS算法中稳态均方误差的研究

该文详细讨论了ＬＭＳ算法中输入信号相关性、加权数目和稳态均方误差的关系。通过公式推导，从理论上证明了增加加权数目并不能保证减小稳态均方误差。对于具体的输入信号，存在一个最佳（或准最佳）的加权数目，使稳态均方误差最小，再增加权数目，稳态均方误差有增大的可能。该文以强相关的直流信号和弱相关的正弦信号分别作为自适应滤波器的输入信号进行了计算机仿真实验，实验结果与公式推导结果一致。该理论为自适应滤波器设计时阶数的选择提供了理论指导。

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。

基于卡尔曼-最小均方误差准则的雷达旁瓣抑制研究及仿真

针对在现代雷达系统中强目标掩盖弱小目标,且只能将距离旁瓣抑制到一定值的问题,提出一种改进的卡尔曼-最小均方误差准则(K-MMSE)算法。该方法将卡尔曼滤波与最小均方误差准则相融合,是一种有效抑制距离旁瓣的自适应脉冲压缩系统。仿真实验中,将提出的K-MMSE方法与传统匹配滤波、经过最小均方误差(MMSE)准则的匹配滤波算法进行单目标与多目标情况下的旁瓣抑制比较后发现,前者较后两者旁瓣水平及其点扩散函数(PSF)的峰值旁瓣比(PSLR)和积分旁瓣比(ISLR)均明显下降。仿真结果表明,该方法无论在单目标还是多目标情况下都能较传统的滤波算法更好地抑制旁瓣距离,有效地提取弱小目标信号。

一种基于最小均方误差准则的多台光电经纬仪测量融合方法

对于用多台光电经纬仪进行交会测量获取空中目标给出了一种定位方法。利用所求目标位置估计点到各个观测站定位视线的距离和最小,先求出两站定位的目标坐标,然后以每两站交会测量方差的倒数为权,将所有的交会测量结果进行融合处理,即可得目标坐标。仿真结果表明,新方法有效地提高了定位的精度及稳定性。

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。

基于短时能量和最小相对均方误差准则的神经网络语音水印方法

针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt(LM)算法迅速地让网络收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5%。

基于最小均方误差和准则的块式数据检测技术

基于最小均方误差和准则的块式数据检测技术，是一种对时变色散信道数字信号进行有效检测的方法．该技术利用数据块中的已知训练符号对信道特性进行跟踪并对未知数据进行检测．采用简化的Ｃｈｏｌｅｓｋｙ矩阵分解算法，可减少系统复杂度和运算量．研究结果表明：该方案能有效地消除高频信道上的码间串扰，更适用于高频数字通信系统中的信号检测．

基于最小均方误差准则的相关旋转预编码算法

针对传统相关旋转(CR)算法放大噪声的问题,利用拉格朗日函数最小化接收信号与发射信号间的误差,通过贝叶斯理论和信道统计特性计算不完美信道状态信息,设计了信道状态信息(CSI)完美和不完美两种情况下基于最小均方误差(MMSE)准则的CR预编码算法的系统方案。分析与仿真结果表明,与传统迫零(ZF)准则下的CR算法相比较:信道状态信息完美时设计方案在同一信噪比(SNR)下误码率性能提高2～3 dB;信道状态信息不完美时系统误码性能也有显著的提高。

一种基于最小均方误差准则的唯方位定位方法

为了使目标位置估计点到各个观测站定位视线的距离和达到最小,提出一种利用最小均方误差准则,使用加权约束条件得到最佳逼近解的多站唯方位无源定位新方法。该方法在二维和三维情况下均适用,并且最少只需要两个观测站即可实现定位,定位误差趋近于克拉美-罗下界(CRLB)。仿真结果验证了该方法的可行性和有效性。

最小均方误差准则的自适应天线阵控零技术研究

本文针对基于最小均方误差准则的自适应天线阵方向图的控零技术进行研究。首先介绍了最小均方误差准则的基本理论,然后对基于该准则的自适应天线阵进行理论分析,最后对需要信号和干扰信号的到达方向发生改变以及干扰信号的幅值发生改变的两种情况阵的抗干扰性能。

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。

基于最小均方误差准则的语音信号降噪技术研究

针对语音信号降噪问题,文中提出了一种自适应滤波降噪方法。该方法基于最小均方误差准则,以递推的方式计算自适应滤波器权系数,结构简单,便于实现。对几种不同信噪比的语音信号进行实验分析,结果表明该自适应滤波方法能有效降低噪声影响,提高信噪比,具有较高的实用价值。

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。

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.

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 .