基于二次相关的声学测量方法研究

针对传统语音信号时延估计易受噪声和混响环境影响,导致声学测量方法的测量精度降低的问题,提出一种基于改进二次互相关的时延估计方法。首先,采用滤波器对接收的音频信号进行滤波处理;然后通过二次相关算法抑制噪声对信号的干扰,并结合Hilbert变换方法对二次互相关峰值进行锐化处理,从而提升语音信号时延的峰值点检测精度;最后将改进的算法应用到声学测量中进行仿真验证。实验结果表明,在低信噪比SNR=-5 dB和SNR=-10 dB的环境下,对比于广义互相关算法和二次相关算法,提出的改进二次互相关算法的峰值明显度更高,时延估计精确度更高。而在高信噪比和混响环境下,改进二次相关算法的时延估计结果均优于另外两种算法。由此可知,改进的二次互相关算法的抗噪性能更强,时延估计效果更佳,可提升声学测量精度。     

基于NLM-EMD与FCM-二次相关的管道泄漏定位

管道泄漏的定位精度主要取决于信号去噪效果和时延估计性能。针对当前管道泄漏定位精度较差的问题,提出了非局部均值-经验模态分解(NLM-EMD)自相关去噪算法和模糊C均值聚类(FCM)-二次相关自适应时延估计算法。利用NLM进行降噪预处理,根据EMD自相关准则进行重构去噪,然后利用FCM自适应提取相关性较高的压力下降段信号,对其进行二次相关时延估计。结果表明,NLM-EMD自相关法能有效降低噪声干扰,提高EMD分解质量,FCM-二次相关法能增强两泄漏信号的相关性,与直接二次相关相比定位精度提高了0.817%。     

利用二次相关改进的广义互相关时延估计算法

为了提高传统广义互相关时延估计算法的性能,本文将二次相关时延估计算法与广义互相关时延估计算法相结合,提出了一种利用二次相关改进广义互相关的时延估计新算法。该算法先对信号进行二次相关处理,利用相关函数抑制了噪声的干扰,然后在相关函数序列上进行权重处理,进一步提高了算法的抗噪声性能与估算精度。仿真实验证明新算法较广义互相关算法性能有了明显的提升,对闪电辐射源定位资料的分析也验证了该算法的有效性。     

声源定位中广义互相关时延估计算法的研究

基于时延估计（TDE）的声源定位算法是数字助听器中的核心算法之一,其估计精度会受到噪声和采样频率等因素的影响,导致了定位的不准确性。针对这一问题,结合相关峰精确插值算法（FICP）,提出了一种基于二次相关改进的广义互相关时延估计算法。该算法通过二次相关,有效地降低噪声的干扰,再利用FICP,提高相关函数的分辨率。仿真实验表明,无论在低信噪比,还是在高信噪比环境下,改进算法的时延估计性能都有了明显改善。     

一种利用叠加降噪提高二次相关TDOA精度的方法

二次相关TDOA算法具有一定的抗噪声性能,但在信噪比很低的条件下无法准确估计出时延。针对二次相关TDOA算法,在低信噪比下可能存在误差的情况,提出了利用叠加降噪提高接收信号的信噪比的新方法,从而提高算法精度。在接收到信号后,算法依据统计学的理论,采用信号叠加降噪的方法提高信号的信噪比,从而提升二次相关TDOA结果的精度。通过仿真结果表明,在低信噪比的情况下改进后的算法在较大程度上提升了时延估计的精度,提高了二次相关TDOA的应用范围。     

基于改进二次相关算法的TDOA时延估计

在TDOA时延估计中,二次相关算法能够较好地抑制噪声干扰,进而提高时延估值精度.为了进一步提升在较强噪声干扰的条件下二次相关算法的抗噪性能,在传统二次相关算法中的互相关函数部分加入SCOT加权函数,提出了基于改进二次相关算法的TDOA时延估计.算法对接收到的信号分别进行自相关以及SCOT加权互相关,再将所得到的相关函数进行二次广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比时改进算法较传统算法具有较高的估值精度.     

无线分布式网络非平稳信号时延估计方法

如果只凭借整数倍的采样间隔计算平稳信号,会存在时间延迟问题.为解决上述问题,提出无线分布式网络非平稳信号时延估计方法.由于网络中含有噪声信号、干扰信号和网络信号,针对三者建立时延估计模型,运用二次相关算法降低干扰信号对网络信号影响,保证在低信噪比环境下对时间延迟的有效计算.为了避免出现伪峰值,影响计算结果,将二次相关函数与希尔伯特变换算法相结合,使相关函数的偶对称性转换为奇对称性,并将对峰值的检测转换为过零检测,将误差控制在最低,完成对时延的估计.通过仿真结果表明,所提方法有着较优的计算效果,且在噪声环境和混响环境下,依然可以实现对非平稳信号时延的有效估计.     

基于三星定位快速二次相关时差估计算法研究

定位是通过对某一个或几个参数进行估计来实现的,参数估计方法是定位问题的关键.卫星干扰源三星定位算法需要测得一对TDOA的值.为解决计算的快速性问题,在研究二次相关法时差估计算法的基础上,提出了一种快速的卫星干扰源定位时差估计方法.利用相关函数和功率谱密度互为傅里叶变换对的特性,能够快速、准确估计信号的TDOA参数.仿真和实验结果表明,改进算法在相同信噪比条件下,能快速有效估计出时延,有效改善了卫星干扰源定位的实时性.     

一种改进的声测定位时延估计算法

研究了时延估计算法在被动声测定位中的应用，提出了一种改进的基于最大似然(ML)权函数的广义互相关时延估计算法。改进的算法采用加窗法和最小均方差（LMS)滤波法，弥补了原算法计算量大及无法消除回响干扰的不足。仿真结果表明，改进的算法计算复杂度明显降低，能够有效地消除回响干扰，具有较高的时延估计精度和鲁棒性。     

基于功率倒谱的超声测距时延估计方法研究

基于互相关函数的时延估计方法是脉冲法超声测距中最常用的算法,但窄带超声回波信号的慢衰减高频振荡特性导致它们的相关函数在峰值位置近似作等幅振荡,从而为精确搜索相关函数的峰值带来困难.首先建立了超声测距时延估计模型,然后提出了一种适用于超声测距的基于功率倒谱的时延估计新方法.仿真与实验研究表明,该方法在高信噪比下可以精确得到时延估计值,同时避免了超声回波信号的慢衰减高频振荡特胜对时延估计带来的影响.最后对该方法的优点与不足作了说明.     

一种有效的手写体汉字组合特征的抽取与识别算法

基于特征融合的思想,从有利于模式分类的角度,推广了典型相关分析的理论,建立了广义的典型相关分析用于图像识别的理论框架。在该框架下,首先利用广义的典型相关判据准则函数,求取两组特征矢量的广义投影矢量集,构成一对变换矩阵;然后根据所提出的新的特征融合策略,对两种手写体汉字特征进行融合,所抽取的模式的相关特征矩阵,在普通分类器下取得了良好的分类效果,优于已有的特征融合方法及基于单一特征的PCA 方法和FLDA 方法。     

A novel multiset integrated canonical correlation analysis framework and its application in feature fusion

Multiset canonical correlation analysis (MCCA) is difficult to effectively express the integrated correlation among multiple feature vectors in feature fusion. Thus, this paper firstly presents a novel multiset integrated canonical correlation analysis (MICCA) framework. The MICCA establishes a discriminant correlation criterion function of multi-group variables based on generalized correlation coefficient. The criterion function can clearly depict the integrated correlation among multiple feature vectors. Then the paper presents a multiple feature fusion theory and algorithm using the MICCA method. The detailed process of the algorithm is as follows: firstly, extract multiple feature vectors from the same patterns by using different feature extraction methods; then extract multiset integrated canonical correlation features using MICCA; finally form effective discriminant feature vectors through two given feature fusion strategies for pattern classification. The multi-group feature fusion method based on MICCA not only achieves the aim of feature fusion, but also removes the redundancy between features. The experiment results on CENPARMI handwritten Arabic numerals and UCI multiple features database show that the MICCA method has better recognition rates and robustness than the fusion methods based on canonical correlation analysis (CCA) and MCCA.     

数字图像与数码相机噪声相关性的分布

在利用数字图像与数码相机的噪声相关性来鉴别数字图像来源的实验中,发现噪声相关性有对称和非对称两种分布。为了提高鉴别数字图像来源的正确性,正确设置判别阈值,针对噪声相关性的非对称分布,在(0,1]区间构造了一个广义chi平方分布的新函数,并提出了一种利用广义chi平方分布来描述噪声相关性的非对称分布和利用广义高斯分布来描述噪声相关性的对称分布的新方法。实验结果表明,该方法与仅采用一个广义高斯分布的方法相比,可以使鉴别错误率降低38%以上,可见利用不同的概率密度函数来描述相应的分布是减小鉴别错误率的一个有效途径。     

核诱导距离度量的鲁棒典型相关分析

典型相关分析(canonical correlation analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。核诱导的距离度量不仅在理论上被证明是鲁棒的,而且在(聚类)应用上获得了有效验证。将其进一步应用于CCA,发展出了核诱导距离度量的鲁棒CCA(CCA based on kernel-induced measure,KI-CCA)。该算法不仅克服了CCA非鲁棒的不足,而且使现有基于最大相关熵的鲁棒主成分分析(half-quadratic principal component analysis,HQ-PCA)成为特例,且具有非线性相关分析的能力。一方面,核的多样性使得KI-CCA也具有多样性,从而使其成为一般性的分析算法。另一方面,与CCA刻画上的相似性,使其求解可归结为广义特征值问题。在人工数据、多特征手写体数据库(multiple feature database,MFD)和人脸数据集(Yale、AR、ORL)上的实验验证了该算法的有效性。     

基于广义相关的连续小波变换联合估计方法

分析了基于宽带信号的时延和多普勒联合估计方法，应用广义相关理论，提出一种基于广义相关的时延和多普勒联合估计算法，并通过仿真证明了这种方法的有效性。     

广义互缩生成器

设计了一类称为广义互缩生成器的密钥流生成器.研究表明该类密钥流生成器所产生的序列具有如下良好特性：（1）大的周期;（2）高的线性复杂度;（3）生成的广义互缩序列族具有线性空间结构,形成Abel群;（4）广义互缩序列族内序列间互相关函数值可以由控制序列中1的数目来确定;（5）在一定条件下,序列的k-错线性复杂度显著增加.另一方面对新序列进行的安全性分析结果表明,与互缩序列相比,由较少的密钥量可以获得更好的安全性.     

引入关联缺陷的软件可靠性评估模型

关联缺陷的存在很大程度上是由于缺陷的检测能力被其他缺陷所屏蔽,它不仅影响软件测试结果,还扭曲了软件可靠性评估模型的评估结果.从软件缺陷的自身角度来分析软件检测以及可靠性评估失效的原因,对关联缺陷进行了详细分析.为了在软件可靠性评估时获得更符合实际缺陷数量的预测值,将广义关联应用于现有可靠性评估模型的改进上,并提出了P-NHPP(phase-nonhomogeneous poisson process,简称P-NHPP)可靠性模型.实验分析表明,P-NHPP具有较好的拟合效果和预测能力.     

基于广义相关系数的后非线性盲信号分离算法

基于互信息最小化的独立性测度对各分离信号间的非线性相关度度量没有归一化的问题,提出一种基于广义相关系数的肓信号分离(BSS)算法.首先选取后非线性混叠模型(PNL)分析基于广义相关系数的独立性测度;然后采用Gram-Charlier扩展形式估计输出参数并获取评价几率函数,结合最陡下降法求得分离矩阵和参数化可逆非线性映射的算法迭代公式.仿真结果表明,采用所提出的算法能够定量分析各分离信号间的非线性相关程度,有效分离后非线性混叠信号.     

基于广义相关系数的Agent行为决策模型

对于Agent之间交互作用的研究是多Agent系统研究领域中的一个重要方面。Agent的行为决策作为在进行交互作用时的关键过程,更引起研究者的极大重视。而现有的对于Agent的行为决策的研究多局限于特定的交互作用环境或特定的应用中,如协作、协商、竞争等。基于广义相关系数的MAS交互作用框架,将各种类型的交互作用——协作、自利、竞争、敌对——都纳入到这一统一框架之下。本文在这一框架的基础上,建立了基于广义相关系数的Agent模型,以及基于广义相关系数的Agent行为决策模型。该决策模型不再受限于单一的环境,而是可以根据Agent间的广义相关系数,灵活地进行行为选择。提高了Agent在开放的、动态的环境中的适应性,其行为效果也更加符合Agent的设计目的。