基于小波变换的最小失真预测/多级矢量量化

矢量量化器的压缩性能随维数的增大而提高 ,但复杂度亦随维数的增大呈指数增大 ,限制了大维数矢量的使用。本文利用小波变换产生的子带间的相关性 ,提出一种新的最小失真预测 /多级矢量量化算法。一方面通过最小失真预测来降低时间复杂度 ,使得编码 6 3D的矢量只需付出相当于 15D矢量的时间复杂度代价 ;另一方面通过增强多级矢量量化算法来进一步降低复杂度。在复杂度得到极大降低的同时 ,仍具有很好的编码性能。

最小失真图像去雾算法的改进

为了从降质图像中去除天气的影响,提出改进的最小失真意义下图像去雾算法。改进算法基于二色大气散射模型,通过对天空区域的自动划分以及从信息论角度求得最小失真意义下原始图像的最优估计,从而一次性自动获取所需复原参数,实现单幅雾天降质图像复原。在Matlab平台上的仿真结果表明,改进算法具有较强的实时性和自适应性。

多用户视频流分布式最小失真调度算法

为了提高视频流数据的传输质量,减小视频流数据的失真率,从而提高网络中视频流数据的利用效率,提出了一种多用户视频流分布式最小失真调度方案。该方案采用相加模型来捕捉总的视频失真,建立起视频流失真模型,并通过M/G/1排队模型来进一步建模,得到视频流失真与视频流传输的延迟分布相关性函数,通过优化网络拥塞来进行系统的延迟约束,从而减小视频流失真率;通过同时考虑路由和速率分配问题来得到路由拥塞的最小化最优解,最大限度地减少网络的传输延迟。实验数据结果及对比分析表明,该方案在减小视频流失真比率、缩短视频流传输的延迟时间和控制网络丢包率上均取得了较好的效果。

最小失真意义下雾化图像复原

恶劣天气下拍摄到的退化图像的复原技术,可应用于遥感、目标识别、交通导航及军事等多个领域。针对雾化条件下拍摄到的退化图像,基于大气衰减机制和信息论中的最小失真理论,提出了一种新的图像复原最优化的高效算法。算法利用投影失真的优良性质,求解出满足最小失真准则的理论最佳参数,并得到了对原始信号的最优估计,从而自动地对退化图像进行去雾恢复。实验结果证明,算法不仅适用于灰度图像,而且对RGB彩色图像也同样能够得到满意的复原效果。

最小失真点位在噪声监测布点中的应用研究

在噪声监测点位加法优化确定最少支撑点位的基础上,提出了最小失真点位的概念,并给出了确定最小失真点位的基本算法。经实践验证,本文所采用的方法,具有一定科学性和可行性。在实际工作中,既减少了噪声监测点位的数量,又保证了监测数据的失真度最小,是在空间上对噪声等效声级值曲面进行优化,具有广泛的普适性和科学性。

基于最小失真的视频水印算法

视频水印算法是在视频序列中隐藏有意义的水印信息,达到保护版权和内容认证的目的。首先利用视频帧直方图差分法对视频进行场景划分,并根据视频帧直方图差分统计差异提取出视频序列的关键帧;然后提出了一种基于图像小波系数最小失真代价与Hash区块加密相结合的水印嵌入位置选取策略,确定最佳水印嵌入位置;最后,将水印信息嵌入到图像目标位置的DWT-SVD域中。实验结果显示,该算法具有良好的鲁棒性,更好地平衡了水印算法的不可感知性和鲁棒性。

基于改进最小方差无失真响应角度谱算法的气体泄漏定位方法

针对噪声环境下微小气体泄漏难以准确定位的问题,提出了一种基于改进最小方差无失真响应角度谱算法的气体泄漏定位方法。该算法通过引入信噪比追踪加权的方式,提取受噪声影响较小且单个声源能量占优的时频支撑域,并通过Softplus激活函数自适应地调整不同频率分量对角度谱函数的贡献,增加泄漏声源占优的时频域权重;此外,引入基于时频稀疏性的分频带处理,使各子频带内存在一个主导声源能量占优,抑制低频段噪声能量的积累同时避免高频混叠现象。通过软件仿真计算以及实验验证算法的性能,结果表明改进最小方差无失真响应角度谱算法可以实现气体泄漏源的精准定位,定位结果的最大误差在3.5°以内。相比传统算法,该方法在低信噪比和低采样点数下有更高的稳定性、抗噪能力及准确率,可为气体泄漏定位的实际应用提供一定的参考价值。

双目立体视频最小可辨失真模型及其在质量评价中的应用

该文针对目前最小可辨失真(JND)模型只能应用于评价单视点视频的问题,探索一种以双眼亮度关系为基本出发点的双目立体视频的JND模型。首先根据立体视频特性引入双眼亮度关系模型,然后考虑了背景亮度掩盖、纹理掩盖、帧间掩盖、空间时间对比灵敏度、眼睛运动等因素,提出了双目JND模型,最后将该双目JND模型应用到立体视频质量评价方法中。实验结果表明该文提出的质量评价方法符合人类的视觉感知特性,更接近于主观测试结果。

一种鲁棒性的最小方差无失真响应波束形成算法及其应用

理论上,自适应波束形成方法要比不依赖于输入数据的常规波束形成方法有更好的目标参数估计能力和干扰抑制能力。但在实际水声环境中,声传播模型、接收阵阵列流形以及信号统计特征等因素往往与实际情况存在一定的差异,导致传统的自适应波束形成方法性能下降。因此,提高自适应波束形成方法对上述因素的鲁棒性变得越来越重要。本文基于最差条件最优化的思想,改进MVDR(最小方差无失真响应)方法的约束条件提出了一种鲁棒性最小方差无失真响应自适应波束形成算法(R-MVDR),并对输入数据协方差矩阵和方向向量存在不确定性的情况进行了性能分析,推导给出了波束形成的加权向量和空间谱估计表达式,最后通过海上实验数据进行了验证。结果证明本文提出的算法在实际环境中有更好的方位分辨能力和干扰抑制能力。

最小方差无失真响应感知倒谱系数在说话人识别中的应用

研究最小方差无失真响应感知倒谱系数在说话人识别中的应用。提取最小方差无失真响应感知倒谱系数,对其进行高斯混合模型建模并采用联合因子分析的方法来拟合高斯混合模型中的说话人和信道差异,在美国国家标准技术研究院2008年说话人识别评测核心测试集上分别对最小方差无失真响应感知倒谱系数和传统的Mel频率倒谱系数进行测试。结果显示,两种不同特征的系统性能相当,采用线性融合方法后,在不同测试集上的等错误率相对下降了7.6%～30.5%,最小检测错误代价相对下降了3.2%～21.2%。实验表明,最小方差无失真响应感知倒谱系数能有效应用于说话人识别中,且与传统的Mel频率倒谱系数存在一定程度的互补性。

基于任意阵的最小方差无失真响应聚焦波束形成的被动定位方法

将最小方差无失真响应(MVDR)聚焦波束形成近场被动定位方法应用到平面任意结构阵列上,可以很好地解决线列阵由于阵长较长,在实际使用中存在布放困难、部分阵元失效影响定位性能等问题。本文首先分析了平面任意结构阵列的近场接收信号模型,推导出阵列流型,然后将MVDR聚焦波束形成技术应用到该模型中,得到了基于任意阵的MVDR聚焦波束形成近场被动定位方法。仿真验证了该方法的可行性和有效性。

最小方差无失真响应浊音谱建模方法研究

讨论了在语音处理中广泛使用的线性预测模型,分析了线性预测模型在建模语音谱包络方面存在缺点,并分析了线性预测模型过高估计浊音谐波频率处能量以及随着阶数增加线性预测谱逐渐恶化的原因。在此基础上,提出了最小方差无失真响应(MVDR)建模方法,并讨论了通过Toeplitz矩阵的Cholesky分解确定MVDR滤波器系数的方法,通过与线性预测方法进行比较,发现最小方差无失真响应滤波器能提供一个更好的原始语音包络。

多输入多输出天波超视距雷达多模杂波抑制的改进最小方差无失真响应算法研究

多输入多输出天波超视距雷达(MIMO-OTHR)通常利用最小方差无失真响应(MVDR)波束形成来抑制接收回波中的电离层多模杂波对目标探测的影响。由于MIMO-OTHR的全向性发射、杂波噪声协方差矩阵估计不准确以及有限相干积累时间内训练样本数过少,使传统MVDR输出信杂噪比(SCNR)较低。对MIMO-OTHR中的MVDR算法进行改进,以改善其多模杂波的抑制能力。利用2阶锥规划进行发射波束域预处理,将发射能量集中到主模式角度;在阵列接收端进行阵列平滑,抑制主模期望信号,提高杂波噪声协方差矩阵估计精度;利用MVDR波束形成双迭代算法,降低对计算量与训练样本数的需求。仿真结果表明:改进MVDR算法可有效抑制多模杂波;以较少训练样本及较小计算量,可以获取更高的输出SCNR.

一类最小方差无失真响应波束的形成方法

最优广义线性最小方差无失真响应波束形成往往要求阵列导向矢量和信号非圆度必须为已知,为了突破此限制,基于最小方差无失真响应方法的约束条件提出两种波束形成方法:其一是先将阵列导向矢量和非圆度的不确定性转化为整体扩展导向矢量的不确定性,再规划波束形成;其二是利用信号结构信息来规划波束形成。仿真实验结果表明,新方法在突破此限制方面具有可行性。

基于平滑最小方差无失真响应的一致性同步算法研究

脑电信号一致性反映双通道信号在一定频率范围上波动形式的一致程度,反映相应位点大脑之间的联络性。将基于最小方差无失真响应的一致性算法与核滤波相结合,提出平滑最小方差无失真响应一致性算法(SMVDR);仿真实验表明,SMVDR在窄带信号和宽带信号中均有较好的准确性和抗噪性能。利用新算法SMVDR,对31例糖尿病患者(遗忘型轻度认知障碍aMCI组18人,认知功能正常对照组13人)的脑电信号在大脑不同区域、不同频带(δ,θ,α,β)进行一致性分析,统计分析发现:aMCI组在左右颞间δ频段的一致性下降而β频段一致性增加,前额-枕区的θ频段的一致性增加,右颞-枕区和前额-右颞区域的α频段一致性下降。一致性值与MOCA得分的相关性分析发现,在特征通道下δ和α频段的一致性与MOCA得分存在显著的正相关,θ和β频段一致性与MOCA分数呈负相关。SMVDR算法可以更好地计算双通道脑电信号之间的一致程度,对于理解老年期轻度认知障碍的患病机制并进行早期诊断与干预具有重要的意义。

非均匀对角减载最小方差无失真响应多目标分辨

针对最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法在起伏非相关噪声环境下多目标分辨性能严重下降的问题,提出一种非均匀对角减载MVDR(Inhomogeneous Diagonal Unloading MVDR,IDU-MVDR)方法。该方法首先对协方差矩阵进行非均匀对角减载,然后实施MVDR方法。各阵元上的对角减载量通过求解半正定优化问题获得,优化问题中最大化减载量之和,但约束减载后协方差矩阵的最小特征值是一个较小的正值。数值仿真表明,IDUMVDR方法可通过非均匀对角减载消除大部分非相关噪声,但保留小部分噪声分量.因此IDU-MVDR方法较MVDR方法分辨力更高,空间谱中背景级更低、弱目标谱峰更加明显,并且具备一定的稳健性.海上实验结果与数值仿真相一致,验证了IDU-MVDR方法的有效性.

基于最小均方无失真响应和支持向量机的被动声纳目标识别

为了有效地进行被动声纳识别,研究了一种运用最小均方无失真响应(Minimum Variance Distortionless Response,MVDR)谱系数作为特征参数,用多分类支持向量机作为分类器,进行被动声纳目标识别的方法。实验表明,在不同数目的训练样本情况下,基于最小均方无失真响应谱系数和多分类支持向量机的被动声纳目标识别方法使系统的性能显著提高,具有很好的识别效果和应用价值.其优于传统的神经网络作为分类器的识别方法,尤其是在训练样本较少情况下,识别率具有很大的提高。

最小方差无失真响应波束形成解卷积后处理算法

为提高最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成算法的方位分辨能力,本文将MVDR算法的输出功率谱重新建模为卷积的形式,并运用两种解卷积技术对MVDR的方位谱进行后处理。该算法将角度空间中心位置的单个声源的MVDR方位谱当作点扩散函数(Point Spreading Function,PSF),并运用Richardson-Lucy算法和快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)分别对MVDR(MVDR-RL,MVDR-FISTA)的方位谱进行解卷积后处理,获得背景级更低的MVDR-RL和MVDR-FISTA方位谱,同时提高了分辨能力和估计精度。仿真实验显示了所提算法的良好性能。

近似窄带假设下的最小方差无失真响应波束形成

最小方差无失真响应波束形成算法在应用于语音等宽带信号时,依赖窄带假设可以在频域各个子带分别进行滤波。窄带假设下语音信号协方差矩阵是秩-1矩阵,而实际中窄带信号模型只是实际信号模型的一种近似,同时由于存在统计量估计误差,估计的语音信号协方差矩阵的秩一般大于1。提出利用语音协方差矩阵和噪声协方差矩阵的广义主特征向量来估计相对传递函数,用于重构语音信号协方差矩阵为秩-1矩阵。在REVERB数据集以及CHiME-4数据集上进行实验验证,最小方差无失真响应波束形成算法经过语音协方差矩阵低秩近似后,对估计误差的鲁棒性提高,输出信噪比分别提升平均0.8 dB和1.4 dB,同时提升了语音识别准确率。

基于最小方差无失真响应谱的语音特征提取

对最小方差无失真响应谱进行了研究,并将其应用到语音特征参数的提取中,对传统的美尔频率倒谱系数提取方法进行了有效的改进。该方法首先计算短时语音信号的最小方差无失真响应谱,在该谱的基础上提取美尔频率倒谱系数。基于最小方差无失真响应谱的美尔频率倒谱系数在保留语义信息的同时有效抑制了说话人信息,更加适合于关键词检出。