基于PSD特征的FBCCA脑电信号识别方法

当前基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)的脑机接口(brain-computer interfaces,BCIs)使用的都是单一识别算法,针对不同时间长度的识别准确率较低。提出了一种基于滤波器组的典型相关分析(filter bank canonical correlation analysis,FBCCA)与功率谱密度(power spectral density,PSD)分析相结合的SSVEP识别算法,可以提高SSVEP识别的普适性与准确率。该方法使用FBCCA寻找高相似度的参考频率信号,再通过多组PSD分析来锁定最终的响应频率,完成频率识别。该方法无需经过训练就能得到较高的识别准确率。实验结果表明:在刺激时长为1 s时,该方法能达到86.61%的准确率,比PSD分析方法提升了5.44%,比典型相关性分析方法(canonical correlation analysis,CCA)提升了10.38%的准确率,比FBCCA提升了8.86%的准确率。

基于代价参考粒子滤波器组的多目标检测前跟踪算法

针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.

应用于宽频带通信干扰对消的重构滤波器设计

围绕宽频带通信干扰对消的需求,提出了新的子带划分与重构框架,并对子带划分滤波器组与重构滤波器进行设计,简化了完全重构条件,使得重构滤波器具备过渡带幅度互补特性。仿真与实验结果表明,设计的重构滤波器可以有效降低重构后通信信号的误码率,并且解决了子带信号拼接过程中的频谱起伏现象。所提出的子带划分与重构框架及重构滤波器设计展现了良好的通信信号重构效果,可为宽频带干扰对消的子带划分与重构工程实践提供新的理论方法与技术路线。

使用全局自注意Teager能量倒谱系数检测重放欺骗语音

提出了一种基于能量的前端特征提取方法,旨在应对自动说话人验证系统中面临的重放攻击威胁。该方法实现了全频段上的可变分辨率,以充分利用重放语音与真实语音在子带能量上的高鉴别非线性信息。首先,通过采用F-ratio方法统计分析了多种录音和播放设备。接着,根据统计结果在全频段上设计了一组滤波器,旨在捕获高鉴别能量信息。最后,利用Teager能量算子计算子带滤波信号的能量,提出了全局自注意Teager能量倒谱系数(GSTECC)。为了验证所提方法的有效性,采用高斯混合模型作为分类器,在ASVspoof 2017 V2和ASVspoof 2021 PA数据库上进行了一系列测试实验。实验结果表明,相对于其他先进特征提取方法,所提GSTECC特征在检测重放攻击方面表现出更优异的性能。

基于滤波器组典型相关分析的SSVEP信号分类方法

基于稳态视觉诱发电位(SSVEP)的脑机接口系统存在鲁棒性不足和短时分类准确率较低的问题,本文提出了一种基于滤波器组典型相关分析的SSVEP信号分类方法(FBCCA-SVM)。通过结合性能较为优秀的滤波器组典型相关分析(FBCCA)和鲁棒性强的支持向量机(SVM)的优点,使用SVM分类器替代FBCCA中的MAX分类器对FBCCA提取到的特征分类,在较短时间的刺激下在多目标分类中达到了较高的准确率和信息传输速率(ITR)。通过对8名受试者的实验结果表明,2 s的刺激时间下平均准确率为93.91%,信息传输速率为78.63 bit/min,与典型相关分析方法相比,平均准确率和信息传输速率分别提高了14.32%和25 bit/min;与滤波器组典型相关分析方法相比,分别提高了6.36%和9.66 bit/min;相比于主流识别算法,该方法性能得到明显提高,同时增强了目标分类的鲁棒性,为后续脑机接口系统的实际应用提供了实验基础。

基于CNN和融合目标的三通道小波滤波器组识别

为解决目前需要人工选取二维不可分小波滤波器实现图像融合的问题,提出一种基于CNN和融合图像清晰度的二维三通道不可分对称小波的滤波器组自动择优分类方法。构造大量分布均匀的3×5对称小波滤波器组,并用其对多聚焦图像进行融合,根据融合结果对滤波器组设置融合清晰度高低的标签,并构造滤波器组的训练集和测试集;设计出分类的卷积神经网络,并进行训练得到模型;对训练集和测试集以外的滤波器样本进行识别与结果分析。实验结果表明:所设计的网络模型在测试集和测试集以外的数据集上的识别率分别为99.48%和99.58%,其分类结果中较好的滤波器类对多聚焦图像融合都有较高的清晰度。

可重构声信号分解滤波器组设计方法综述

数字助听系统中需要采用声信号分解滤波器组实现响度补偿功能.可重构滤波器组具有可控的子带分布,能够为不同类型的听力损伤患者提供高质量的响度补偿,因此其研究设计受到广泛关注.可重构滤波器组的设计方法多样,在整体结构和技术手段方面都各有特点.本文将对现有的可重构滤波器组设计方法从技术手段、整体结构、性能表现等方面进行综合分析与对比,并就未来发展方向进行展望.

融合音乐感情注意力的长短期音乐偏好推荐算法研究

随着居民娱乐方式的升级,基于感情注意力的音乐推荐算法得以发展。传统的音乐推荐算法基于用户的历史听歌记录,但忽视了音乐本身对用户情感的影响。因此此次研究将梅尔滤波器组入用户长短期偏好中,并在考虑感情注意力的基础上对序列时段进行分析,生成一种音乐推荐算法。研究的实验在Recom数据集上进行,并同时进行随机森林等三种算法的实验,以验证融合算法的有效性。针对多曲目的判别能力实验,融合算法对于用户心理的判断准确率为97%,在四种算法中表现最好。实验结果表明,研究提出的融合算法具有最强的性能,适于在用户偏好音乐推荐中得到应用。

一种5G FBMC-16QAM抗干扰系统仿真研究

为了解决5G通信系统中存在的干扰问题,提出一种将多载波技术(FBMC)与正交幅度调制(QAM)技术相结合的方法,可以更好地解决相邻子载波干扰问题,并提高功率效率、降低带外衰减。进而设计一种基于5G FBMC系统的16QAM调制解调器,并通过星座图和FBMC-16QAM调制解调数据的误码率仿真曲线进行分析与比较,结果表明:随着信噪比的增加,误码率逐渐降低。此外,在信噪比相同的情况下,随着进制数的增加,误码率也逐渐增加。

改进滤波的再入飞行器风干扰补偿鲁棒制导律

为了解决滑翔式再入飞行器受临近空间风干扰影响的问题,本文基于预测校正制导方法,对风场引起的落点误差进行了分析。通过自适应滤波方法在线预估误差,并进行末端点位置调整来补偿风场对飞行器再入路径的影响。同时,滚动优化倾侧角幅值参数,使参数随待飞航程的变化而更新,从而提高末端制导精度。使用蒙特卡罗法对不同风场影响下的飞行路径进行仿真,对比该制导律的优化效果。仿真结果表明:风速预测值标准差在0.3以内,设计的制导律能够将末端速度控制在15 m/s以内,落点误差在800 m以内,更接近于无风状态的落点。

基于滤波器组和残差网络的环境声音识别算法

为解决现有传统环境声音识别技术识别率不高和普通卷积神经网络易出现网络退化的问题,提出一种基于滤波器组和残差网络的环境声音识别算法。采用滤波器组对声音信号进行特征提取,设计14层的残差网络,使用学习率衰减策略,将提取的特征输入到14层残差网络之中训练并测试。实验结果表明,在使用相同数据集ESC-10的情况下,与传统分类器模型和DCASE基线系统提供的识别方法相比,识别准确率分别提高了22.3%、17.4%和9.5%,验证了该方法在小样本情况下具有更高的识别准确率。

换流站交流滤波器电容器组不平衡保护故障分析

交流滤波器的运行工况直接影响直流输电系统的稳定运行。针对某换流站交流滤波器发生不平衡保护动作导致开关跳闸事故,结合交流滤波器实际运行经验及故障录波数据,对交流滤波器异常情况进行了分析,基于现场解体试验,查明具体故障位置存在于电容器单体的单一串联段内,故障由电容器元件击穿引起。针对电容器故障的具体原因,提出了有效的解决措施。

基于滤波器组多载波交错梳状谱的雷达通信一体化信号技术

雷达通信一体化是在实现无线通信的同时实现目标探测,以减小电磁干扰,提高频谱利用率。信号设计是雷达通信一体化技术实现的关键。由于常见的基于正交频分复用(OFDM)的雷达通信一体化信号存在频偏敏感和带外辐射过高的问题,不适用于高动态应用场景。考虑到滤波器组多载波(FBMC)信号具有高多普勒容限和低带外泄露的优点,该文在FBMC框架下,通过优化雷达通信子载波时频位置,提出了一种FBMC梳状谱雷达通信一体化信号设计方法。由于FBMC信号载波间与符号间存在固有干扰,因此信道估计不准确且不适应快时变信道,因此该文设计了一种交错梳状辅助导频结构,消除固有干扰的同时实现信道跟踪。此外,一体化信号中雷达复信号会对通信信号引入实干扰,该文提出了一种基于干扰利用的实干扰补偿算法,将实干扰用于通信信号还原。仿真结果表明,在快时变信道下,该文所设计的雷达通信一体化信号在进行高数据率传输过程中具有较低的误码率,且具有较好的雷达探测性能。

基于伽玛通滤波器的双谱特征语音可懂度算法

针对现有的语音可懂度评价方法不能真实贴近人耳对语音的感知过程,提出一种基于人耳听觉特性的双谱特征预测语音可懂度评价(Gammatone-bspectral speech intelligibility metric, GBSIM)算法。充分利用双谱可以检测语音信号中的非线性相位耦合,抑制非高斯信号中的高斯噪声的特性,采用可以模拟人工耳蜗模型的Gammatone滤波器组,通过滤波处理将输入的语音信号分为32个听觉子频带,用三阶统计量对每个子频带的语音信号进行双谱估计并提取单一特征值来计算语音的可懂度。实例验证结果表明,该方法对信号失真变化敏感,其评价结果与主观评价具有很高的相关度,相对于传统的语音可懂度评价算法具有更好的评价效果。

FBMC/OQAM系统中改进的峰均比抑制方法

针对偏移正交幅度调制的滤波器组多载波(FBMC-OQAM)系统中峰值平均功率比(PAPR)过高会引起失真且对信道估计性能造成影响的缺点,提出了一种基于相位旋转的干扰消除法(ICM-P)。该方法产生不同的相位序列,与传输数据相乘得到多组数据序列,分别计算其PAPR,并选择PAPR最低的一组进行传输。仿真验证与分析表明:所提方法能有效降低系统过高的峰值平均功率比,误码率不高,且信道估计性能较原ICM方法没有明显下降。

节律自适应的运动想象脑电空域特征提取方法

目的:针对运动想象脑电(MI-EEG)信号个体差异性大,特征质量依赖频带的选择,导致多类MI-EEG信号识别效果差的问题,提出节律自适应的空域特征提取方法。方法:用滤波器组共空间模式(FBCSP)提取多个频带的空域特征,结合免疫粒子群优化算法,对特征提取过程中的频、空参数寻优,实现节律、空域特征提取参数的自适应调整,获取最优节律下的FBCSP空域特征,提升多类MI-EEG信号的识别准确率。结果:本文方法在BCI-Ⅳ Dataset 2a、BCI-ⅢDataset 3a数据集上取得85.49%的平均准确率,较原始FBCSP方法提升10.84%。结论:本文方法更好地获取了脑电空域特征,能有效提高分类正确率,为MI-EEG分类提供了新的解决思路。

基于GaAs PHEMT工艺的超宽带多通道开关滤波器组MMIC

基于0.25μm GaAs赝配高电子迁移率晶体管(PHEMT)工艺,研制了一款超宽带7路开关滤波器组单片微波集成电路(MMIC)芯片。芯片内集成了开关、驱动电路和带通滤波器,实现了开关滤波功能。开关采用反射式串-并联混合结构;译码器和驱动电路控制某一支路开关的导通或关断;带通滤波器由集总电感和电容组成。该开关滤波器组芯片通带频率覆盖0.8~18 GHz。探针测试结果表明,开关滤波器组芯片各个支路的中心插入损耗均小于8.5 dB,通带内回波损耗小于10 dB,典型带外衰减大于40 dB。为后续研发尺寸更小、性能更优的开关滤波器组提供了参考。

FBMC/OQAM中基于离散粒子群优化的峰均比抑制方法

部分传输序列(Partial Transmit Sequence,PTS)是降低正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统峰均比(Peak-to-Average Power Ratio,PAPR)的有效方法,但是PTS穷举法搜索最优解,使系统复杂度增加。针对这一缺点进行改进,提出了基于离散粒子群优化的部分传输序列(Partial Transmit Sequence based on Discrete Particle Swarm Optimization,PTS-DPSO)方法,并将其应用到基于偏移正交幅度调制的滤波器组多载波系统(Filter Bank Multicarrier with Offset Quadrature Amplitude Modulation,FBMC/OQAM)中。PTS-DPSO利用离散粒子群优化搜寻最优解,避免了系统复杂度的增加。通过仿真验证,PTS-DPSO可以有效抑制FBMC/OQAM系统过高的PAPR且误码率低。

小波滤波器组在模拟电路故障特征提取中的应用

针对模拟电路伪随机信号测试输出响应的特点,提出基于小波滤波器组技术的模拟电路故障特征提取,利用小波滤波器组将测试响应信号分解成多个子频带后分析其时域和功率谱特征,比较正常电路响应各子频带的时域、功率谱特征量,从中选择与无故障特征差异最明显的特征量作为测试与诊断依据。实验结果表明,该故障特征提取方法有效减少故障混叠,提高故障测试分辨率和测试精度。

基于FBMC信号的低截获雷达通信一体化波形设计

针对正交频分复用(OFDM)雷达通信一体化波形方案中循环前缀引起的弱回波掩盖问题和敌方战场低截获概率问题,该文提出了基于滤波器组的多载波偏移正交幅度调制(FBMC-OQAM)的低截获雷达通信一体化波形设计方案。分别构建FBMC雷达通信一体化波形与目标检测概率、通信信道容量之间的数学模型,在保证一定系统雷达与通信性能的条件约束下,设计最小化系统总发射功率联合优化问题,优化各个子载波发射功率分配方案。该算法利用测量值和信道状态信息,对下一个脉冲的发射波形参数进行优化设计,实现自适应传输。此外,从平均模糊函数角度分析了FBMC作为雷达信号的可行性和优势。仿真结果表明,与等功率分配方案相比,该文提出的功率分配方案可有效降低一体化系统总发射功率,从而实现低截获性能,并且FBMC波形可有效降低循环前缀引起的距离旁瓣,提高雷达分辨率与信息速率。