高速切换场景下的双门限判决算法研究

传统的越区切换算法无法应对高速列车提速带来的通信质量需求增长,本文提出一种基于双门限判决的位置触发切换算法,以提升越区切换时的通信质量。选择大小双门限值,能够有效减少信号强度波动带来的影响。在接收信号强度波动较小时采用双门限中的较小值,波动较大时则采用较大值,针对每次测量结果实时进行连续双判决。仿真结果表明:相较于传统切换算法,双门限判决算法能够使得切换发生位置更靠近基站重叠区域的中点,进而降低切换掉话率和切换失败率。同时双判决减小了平均切换次数,使通信体验得到了极大提升。

基于双帧融合的野外运动小目标检测网络

由于野外监控传感系统中背景干扰较多、小目标像素点较少以及缺乏相关公开数据集等因素,在野外复杂环境中检测运动小目标仍然是国防军事应用中一个具有挑战性的问题。针对这一问题,提出一种基于YOLOv5改进的双帧融合目标检测网络(YOLO-DFNet)。首先,提出双帧融合模块用来处理骨干网络输出的相邻帧特征,通过计算通道及时间维度的注意力和空间注意力,提取运动特征;其次,在颈部网络与检测头之间设计一个时间梯形融合网络,关注不同大小感受野上的运动目标,改善大位移小目标的检测效果。在野外运动小目标数据集FMSOD上的实验结果表明:YOLO-DFNet在不同IoU上的平均精度比YOLOv5算法提高3.9个百分点,同时也优于TPH-YOLOv5、YOLOv7等其他目标检测网络。

非平稳强噪声环境中的音频信号端点检测系统

为提高音频信号端点识别能力,设计一种非平稳强噪声环境中的音频信号端点检测系统。构建音频信号端点检测硬件单元,利用预处理单元对音频信号进行预加重、分帧以及加窗处理后,端点检测单元在提取处理音频信号的MFCC倒谱距离特征、频带方差特征的基础上,依据动态阈值估计策略确定恰当阈值;通过双特征参数双门限法来实现对音频信号起止点的确定以及语音帧和非语音帧的分离;利用包络确定延时单元,防止噪声段被错误识别为语音段,避免出现拖尾太长问题。实验结果表明,所设计系统可实现非平稳强噪声环境音频信号端点检测,检测误差满足设定要求。

基于改进语音信号双门限法端点检测算法的研究

语音信号端点检测是语音信号预处理过程中的重要环节,传统双门限法采用短时能量和短时平均过零率,通过设置阈值进行语音信号起始点和结束点检测,在高信噪比条件下识别效果较好,但是在低信噪比下,噪声影响传统检测的速度和准确性。为了提高语音识别的效率,提出一种改进的双门限法语音端点检测算法,采用动态设定阈值,进行平滑滤波等改进方法。通过MATLAB仿真表明,改进算法在低信噪比下的识别准确性较高,有利于后续语音识别的研究。

基于机器视觉技术的电梯超载自动化检测研究

为精准计算目标人员物体在电梯轿厢内的空间占有率,避免超载现象发生,保障电梯安全性,提出了基于机器视觉技术的电梯超载自动化检测方法。采集电梯轿厢图像,并对图像实施去噪处理,获取图像局部方差图,检测电梯轿厢图像目标边缘;提取电梯轿厢图像前景区域目标,计算前景面积占整体图像面积比值获取空间占有率,判断电梯人员及物体总质量是否超载;并进行仿真实验。结果表明:该方法能精准计算目标在电梯轿厢内的空间占有率,自动化检测电梯超载情况,保障电梯安全运行。

基于边缘检测及RBF神经网络的遥感图像帧特征动态识别技术

为解决分辨率超限问题,实现对遥感图像帧特征对象的精准识别,提出基于边缘检测及RBF神经网络的遥感图像帧特征动态识别技术;求解微分算子与OTSU阈值,并以此为基础,确定边缘节点追踪参数的取值范围,实现对遥感图像边缘检测;根据RBF神经网络机制的构建标准,推导神经性激活函数,完成RBF神经网络识别模型的设计;在所选遥感图像中,实施帧特征分割处理,再联合动态合并条件,计算超像素指标与并行识别参量,完成基于边缘检测及RBF神经网络的遥感图像帧特征动态识别方法的设计;实验结果表明,在边缘检测与RBF神经网络模型的作用下,主机元件在长、宽、高3个方向上对于遥感图像帧特征对象的识别精度都达到了100%,分辨率超限问题得到较好解决,符合精准识别遥感图像特征的实际应用需求。

基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用"先听后说"的机制对处于双门限之间的"困惑"信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。

语音端点检测研究

论文对噪声环境下的语音端点检测方法进行了系统地研究。由于传统的短时能量和短时过零率双门限算法在低信噪比条件下不能检测出语音信号的端点,对此,本文提出了一种改进的谱熵-双门限算法,文中给出了改进算法的实现框图,并用MATLAB进行了算法仿真,仿真结果表明该算法具有一定的鲁棒性,在较低信噪比下仍能准确地区分有用信号和噪声,从而验证了该算法的有效性和高效性。

多帧背景差与双门限结合的运动目标检测方法

为有效解决视频监控场景下运动目标快速、精确检测的问题,提出一种多帧背景差与双门限结合的运动目标检测方法.首先改进Surendra背景模型来获取干净的背景图像,根据灰度差分图像确定的两个门限值进行前景目标检测,低门限阈值用于检测出比较明显的前景目标(即粗检测),在粗检测的基础上利用高门限阈值以去除粗检测中存在的噪声目标与伪目标(即细检测),最终实现视频监控场景下运动目标的精确检测效果.针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标.

基于五帧差分和背景差分的运动目标检测算法

静态背景下运动目标检测的抗噪性能较差。为此,提出一种改进的运动目标检测算法。对原始图像进行预处理,将五帧差分和背景差分相结合,利用基于自适应背景模型的动态阈值,提取图像中的运动区域,并进行形态学滤波和连通性检测,最终获取运动前景目标。实验结果表明,该算法能完整提取运动目标,背景适应性强,实时性好。

基于谱减法和均匀子带频带方差法的端点检测

传统的端点检测算法是基于短时能量和短时过零率的双门限检测法,该算法对于含噪语音信号检测效果不佳。因此,将谱减法与均匀子带频带方差算法相结合,结合算法分两个过程,首先用谱减法对带噪语音信号进行降噪,然后用均匀子带频带方差法进行端点检测。实验结果表明,结合算法对于含噪较多的语音信号检测效果良好。

基于LMS减噪与改进的双门限语音端点检测方法

低信噪比环境下语音的端点检测在语音处理中占有十分重要的地位。对于一个受到加性噪声污染的语音信号通常采用滤波的方式,能够抑制噪声,并使原始语音保持相对不变。提出了一种基于最小均方误差(LMS)自适应滤波减噪与改进的双门限语音端点检测算法,在进行双参数双门限法端点检测的前后进行双重中值滤波平滑处理。通过Matlab仿真,将提出的语音端点检测方法与其它的方法进行对比,在信噪比较低的噪声环境下使得语音的端点检测效果具有更优的准确率与稳健性。

改进的能量谱熵端点检测算法

为了提高传统谱熵算法在信噪比较低环境下的端点检测效果,将短时能量特征与谱熵特征相结合,提出一种改进的能量谱熵特征,将模糊C均值聚类算法和贝叶斯信息准则结合对改进的能量谱熵特征门限进行估计,最后采用双门限算法进行端点检测。仿真实验结果表明,在信噪比为-5 dB的白噪声环境下,改进的能量谱熵算法的端点检测正确率为76.9%,远高于短时能量算法和谱熵算法,在低信噪比环境下具有更优的端点检测效果与稳健性。

基于因果的自适应双阈值镜头边界检测算法

将因果检测法与双阈值法相结合,提出了一种基于因果的自适应双阈值镜头边界检测算法。首先,利用相邻两帧之间的帧间差异值对突变和渐变进行预检;然后,加入渐变检测容忍度、边缘和非相邻帧间差异值等信息,对初检结果进行复检,排除闪光灯、剧烈物体运动、淡入、淡出以及溶解等造成的误检和漏检,以提高整体检测效果。实验结果表明,与传统的双阈值镜头检测方法相比,本方法可获得更好的检测性能。

基于混合高斯模型和六帧差分的目标检测算法

鉴于传统混合高斯模型在光照突变、噪声干扰时鲁棒性不高,易造成检测错误等问题,提出了一种改进的视频运动目标检测算法。该算法将混合高斯模型与六帧差分算法相结合,构建了一种高效的运动目标轮廓模型,并嵌入背景替换法和动态阈值分割法提高算法的稳健性,通过连通性检测和形态学处理,得到完整的运动前景像素。不同场景的视频检测结果表明,改进算法有效克服了光照突变、噪声干扰、空洞及双影现象,与同类算法相比,具有更高的准确度和鲁棒性。

五帧差分和边缘检测的运动目标检测

为了改进传统三帧差分的运动目标检测方法易出现的空洞和与虚假边缘的现象,提出了一种基于五帧差分和边缘检测相融合的运动目标检测方法.该算法首先利用优化的Canny边缘检测算法快速提取五帧连续图像的边缘图像,然后对五帧连续的边缘图像进图像的五帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取.该方法计算简单,实验结果表明,该算法准确率高,连通性好,能满足实时性检测的要求.

基于多特征融合与动态阈值的语音端点检测方法

在低信噪比及非平稳的噪声环境下,传统基于特征的语音端点检测方法检测正确率低、稳定性差。为此,提出一种新的语音端点检测方法。通过对含噪语音进行谱减法降噪,提取谱减后的语音信号与前导无话帧的M FCC倒谱距离特征,计算均匀子带频带方差特征,并对阈值进行动态更新,利用双参数双门限法对带噪语音进行端点判定。实验结果表明,与基于DWT-MFCC倒谱距离、基于谱减法和均匀子带频带方差的端点检测方法相比,该方法具有较高的检测正确率及较低的漏检率与误检率。

双门限算法在藏语语音音节分割中的应用分析

双门限算法是语音端点检测的一种重要方法,对藏语语音识别和处理具有重要意义。提出了用双门限端点检测技术对藏语语音进行音节分割的方法,首先根据双门限语音端点检测原理进行Matlab编程和仿真,然后结合藏语语音的音节特点和双门限算法分别在正常语速和慢语速环境下对藏语的30个辅音语音、随机抽取的双音节、三音节及句子语音进行双门限算法的音节分割和分析,实验表明双门限算法对没有太多连读音节的藏语语音和慢语速下长句的音节分割准确率较高。

激光雷达的双门限检测技术研究

文章提出了一种既适用于微弱目标检测,又能快速检测出强目标的双门限检测方法.该方法对于强信号捕获时间较短,提高了激光雷达快速捕获目标的能力;对于弱目标,通过大量的相关处理,可实时地检测到,提高了激光雷达对微弱目标的检测能力.外场实验结果表明:该方法可有效地提高激光雷达的测距能力,迎头截获距离可提高约2～3倍.

动态环境下改进五帧差分的运动目标检测新算法

在噪声、光照变化和背景不断变换等动态环境下运动目标检测存在着误检、漏检现象。帧间差分法对动态环境有较强的适应性,但一般只能提取目标的轮廓,不能完全检测出目标,容易产生内容空洞和虚假边缘的现象。为此文中提出一种改进五帧差分法的运动目标检测新算法。该算法首先利用中值滤波对每一帧图像进行去噪处理,然后对去噪后的图像进行文中的五帧运算,最后通过新的动态阈值分割算法和数学形态学处理完成对运动目标的提取。实验结果表明,该算法的运算复杂度较低,可以检测动态环境下的运动目标,大大提高了运动目标检测的准确性。