一种基于HMM模型的弱小点目标的检测算法

讨论复杂背景、强干扰条件下移动平台下弱小目标的检测，提出一种基于隐Markov模型的快速检测算法，该算法通过计算摄像机视场的运动，消除背景的干扰，通过计算模型中的目标转移概率和似然函数，确定点目标的运动轨迹，实验表明了该算法的有效性。     

基于SIC的单通道同频混合信号低复杂度盲分离算法

针对非协作通信中单通道同频混合信号盲分离算法复杂度高的问题,本文在连续干扰抵消（Serial Interference Cancellation, SIC）算法基础上,构建了单通道同频混合信号的信道接收模型,提出了基于SIC的低复杂度盲分离算法。并对信道重构中的信道截断影响进行了处理,避免了分离性能的损失。仿真结果表明,QPSK调制方式下分离性能与已有算法性能相当,但复杂度降低了2/3,且算法对频偏误差不敏感。      

基于HMM和PNN的混合语音识别模型

基于隐马尔可夫模型(HMM)和改进后的概率神经网络(PNN)模型提出了一种用于语音识别的混合模型,该模型首先利用HMM生成最佳语音状态序列,然后对最佳状态序列进行时间规整,最后通过PNN神经网络进行分类识别。给出了HMM参数训练及时间规整的算法。实验结果表明这种模型比HMM具有更好的识别效果。     

从线性预测HMM到一种新的语音识别的混合模型

线性预测HMM(Linear Prediction HMM,LPHMM)并没有象传统HMM那样引入状态输出独立同分布假设,但实用中识别性能并不佳.通过分析两种HMM的各自优劣,本文提出了一种新的语音识别的混合模型,将语音静态特性(基于传统HMM)和动态特性(基于LPHMM)分别描述又有机结合在一起,更为精确地刻划了真实的语音现象,同时又继承使系统的实现改动很小和较小的计算量.汉语大词汇量非特定人连续语音识别的实验表明,混合模型的识别性能显著好于LPHMM和传统HMM.理论上,本文还给出了LPHMM的一组闭式参数重估公式.     

一种基于SDTS的HMM训练算法

用传统的BW算法训练语音识别系统的HMM需要大量的语音数据。本文在假设声学模型系统的子空间捆绑结构(SDTS)为己知的前提下,提出了一种新的训练算法,可以有效地减少系统对训练数据的需求。理论分析和仿真表明,与传统的BW算法比较,新的训练算法(IBW)可压缩模型参数15倍,从而可大量地减少训练数据。尽管新算法要用到系统的先验知识,但它还是显示了许多优越性。     

单通道混合信号的幅度估计算法

针对非协作通信场合中同调制参数的MSK单通道混合信号的幅度估计问题进行研究。在MSK混合信号的循环谱推导的基础上,通过搜索零频率处循环频率轴上的大强度谱线进行混合信号的幅度估计,利用循环谱算法中的泄漏谱包络辅助来消除谱线选择时存在的模糊问题,并通过大强度谱线位置的泄漏谱包络值来修正相应位置的循环谱幅度,以提高估计精度。仿真结果表明在信噪比大于?15dB时,该方法对功率差异不大的混合信号幅度具有较高的估计精度。该算法无需任何先验信息,适用于低信噪比环境,具有实用价值。     

实现单通道MPSK信号盲分离的MCMC新算法

本文根据单通道接收两路MPSK混合信号在过采样下的基本模型,针对粒子滤波算法在单通道信号盲分离中的性能瓶颈以及高复杂度问题,提出了基于MCMC方法的新算法。该算法对接收信号进行过采样处理,能够利用更多的波形信息,从而有效抑制噪声的影响。新算法利用Gibbs采样估计MPSK调制符号的后验概率,近似实现了贝叶斯最优估计,并利用最小二乘法实现参数的迭代估计。理论分析与仿真实验表明,相对粒子滤波算法,本文提出的新算法在误码率性能以及复杂度方面具有良好的表现。      

一种新颖的词性标注模型

文章首次提出一种统计模型,即马氏族模型,该模型假定一个词出现概率既与当前词的词性标记有关,也与它前面的词有关,但其前面的词和该词词性标记关于该词条件独立.将马氏族模型适当加以简化,能成功地用于词性标记,实验结果证明:在相同的测试条件下,这种基于马氏族模型的词性标注方法标记成功率大大高于传统的基于隐马尔可夫模型的词性标注方法.马氏族模型在其它一些自然语言处理领域如分词、句法分析、语音识别、机器翻译也有广泛的应用前景.     

一种两阶段混合的DHMM参数估计方法

在运用隐马尔可夫模型(Hidden Markov Model)解决问题的过程中,HMM的参数估计(训练)是最为关键的一步.为进一步提高模型精度,提出了一种两阶段混合的DHMM参数估计方法,与传统方法相比,该算法不依赖于初始值,具有更大的概率得到全局最优解.     

基于因子图的同频数字混合信号单通道盲分离

本文针对复杂编码下同频数字调制混合信号单通道盲分离问题,构建了利用因子图设计盲分离算法的统一框架。通过将和积消息传递算法与ECM参数估计算法有机地结合,提出一种基于因子图的编码辅助同频混合信号单通道盲分离算法。确定了在最大似然准则下混合信号同步参数的估计式。利用广义分配率准则,为存在码间干扰的混合信号建立了合理的因子图模型,得到了符号序列的后验概率估计式。仿真结果表明,本文提出的算法不仅能够对卷积码混合信号取得较好的分离性能,还能有效实现对LDPC码等复杂编码混合信号的参数和序列的联合估计。     

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。     

小生境进化RBF网络在信道均衡中的应用

基于RBF网络的信道均衡器,其性能取决于神经网络的隐层参数.文中采用判决反馈均衡器的结构,RBF网络隐层的结构和参数则由基于小生境技术的混合递阶遗传算法来确定.仿真结果表明,这种RBF网络均衡器性能优良.     

认知车载网中基于簇和MAB模型的信道接入算法

针对高密度车流环境下认知车载网中车辆节点对认知信道的接入问题,提出了基于簇和MAB模型的clusters-UCB信道接入算法,通过簇内成员协作提高感知学习结果的准确性,提升算法学习速度,并且簇首通过clusters-UCB算法分布式地快速搜索出最佳信道,渐近地实现最大的时隙吞吐量.仿真实验表明,提出的算法相对于多用户的UCB算法和ε-greedy算法,遗憾值更低,并且趋近于对数形式的收敛速度更快,能够有效减少访问碰撞数,保证信道接人的公平性,提高时隙吞吐量.     

Software behavior trust forecast model based on check point scene information

In order to ensure the trustworthiness of software,and evaluate the trusted status of the software after running for a period of time by monitoring software behavior dynamically,a software behavior trust forecast model on checkpoint scene information which was called CBSI-TM was presented.The model set up a number of checkpoints in the software running track,and introduced the time increment of adjacent checkpoints,and the change of CPU utilization rate to define the scene information,and reflected the relationship between adjacent checkpoints scene information.Then the RBF neural network classifier evaluated the status of the current checkpoint to judge the trustworthiness of the software,and the semi weighted Markov model predicted the situation of the next checkpoint to evaluate the trustworthiness of future running trend of the software.The experimental results show that the CBSI-TM model can predict the future trusted status of the software effectively,and verify that the model is more reasonable and effective.     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题,提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换,得到矢量化空间;然后采用刀切法将此组空间重构多个协方差矩阵,经酉变换后结果取平均;最后通过循环迭代得到最优信源数。理论分析和仿真结果表明,该算法在白、色噪声环境下能有效抑制噪声,且在低信噪比及采样点较少时能更准确估计信源数,相较于传统的估计算法,显著提高了检测性能。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

基于GA优化RBF网络的焦炭质量模型

文章提出了一种基于遗传算法(GA)优化径向基函数(RBF)神经网络的焦炭质量预测模型。RBF网络存在两个关键问题：一是如何确定隐含层中心,而是如何调整网络权值。本文通过减聚类算法确定RBF网络基函数的中心数目,应用遗传算法对RBF网络权值进行优化。主要对焦炭的抗碎强度、耐磨强度、反应性指数和反应后强度使用GA优化RBF神经网络预测。结果表明该模型有较强适应性,同时能保证较高的预测精度,具有一定的实用价值。     

基于GAN指纹库的卷积神经网络室内可见光信道模型

提出一种神经网络算法实现室内可见光信道模型,解决Lambert模型难以计算室内可见光信道的噪声和误差问题。针对指纹库数据量大、难以采集和训练参数多导致迭代速度慢的问题,提出使用生成式对抗网络(generative adversarial network,GAN)生成仿真数据集融合原有的稀疏指纹库,生成满足训练要求数量的指纹库;使用一维的卷积神经网络(convolutional neural network, CNN)提取数据特征,降低训练参数,提高迭代速度。在室内5 m×5 m×3 m环境下采集稀疏指纹库,分别用反向传播 神经网络(back propagation netural network, BPNN)和一维CNN室内可见光信道模型进行对比。仿真结果表明:使用GAN生成指纹库的平均绝对误差为0.04,对数据量增广300%;在同一指纹库下,BPNN信道模型误差为3.81,迭代500次收敛;而CNN信道模型误差为0.79,迭代100次收敛。本文提出的GAN指纹库融合CNN的可见光信道模型具有精度高、误差小、速度快、泛化性强等优点,为室内可见光信道模型提供新的研究方案。     

基于全光纤M-Z干涉仪的单通道光开关研究

为了实现高性能的光开关器件,提出了在马赫-曾德尔干涉仪的一端连上光纤布喇格光栅构成单通道光开关器件的方法,并针对该器件进行了理论模拟研究和实验验证,得出了该器件在波长1550nm处的光开关输出谱。结果表明,该器件具有结构简单、易于实现和性能良好等优点。