非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

使用高斯混合滤波器的机动目标跟踪

实际目标跟踪过程中,被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息,给出了目标状态与类型不确定性的联合状态类型概率密度函数表示,并推导了线性高斯假设下的系统模型为高斯混合模型。根据这一性质,引入高斯混合滤波器,实现了机动目标的有效跟踪。在仿真分析中,通过对比3种算法的跟踪结果,进一步验证了使用高斯混合滤波器在机动目标跟踪过程中的有效性。     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。     

非高斯相关噪声中高斯的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数，本文则研究非高斯相关噪声中高斯信号的时延估计问题，提出了一种解决该问题的混合方法。该方法先计算观测值的三阶累积量，然后利用累积投影公式计算观测噪声的二阶统计量，最后利用互相关方法确定信号时延参数，仿真结果验证了该方法的有效性。     

一种基于归一化峰度的抗非高斯噪声语音VAD检测方法

在多媒体会议房间中,鼓掌、咳嗽等非高斯干扰噪声常会严重影响语音处理系统的性能.为了有效地抑制非高斯干扰噪声,本文提出了一种基于线性预测残差域高阶统计量的语音VAD检测方法.该方法利用语音信号线性预测残差的归一化峰度表征语音和非语音信号在谐波数量上的差异,构造判别准则进行VAD检测,并通过预估高斯背景噪声的能量,削弱了背景噪声对VAD算法性能的影响.仿真实验结果表明,该方法能够有效地区分高斯背景噪声下的语音和非高斯噪声.     

SAR图像的Gamma混合分布建模方法

随机信号的混合概率模型比单一概率模型具有更多的灵活性,更适合复杂的分布建模。当前主要的混合概率模型有高斯混合模型、α分布混合模型和Gamma混合模型等。但高斯混合模型更适合随机变量对称分布的分布建模,而α混合模型参数多、算法复杂。SAR图像的像素值为非负值,且多为斜峰分布,更适合用Gamma混合模型建模。仿真分析及数据测试都表明,本文提出的gamma混合分布建模方法对SAR图像的像素统计分布具有更高的运算效率。      

基于受限玻尔兹曼机的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。     

基于四阶混合累积量的衰减指数模型估计

定义了衰减指数模型的四阶混合累积量，给出了单样本有限长数据条件下的样本估计，提出了高斯色噪声条件下估计模型参数的两种有效方法。仿真实验结果表明：四阶混合累积量能明显提高KTProny、MP和ESPRIT方法在高斯色噪声条件下的估计性能，且后两种方法的估计性能优于第一种方法。     

跳变马尔可夫系统的最大混合相关熵状态估计

依托于多模型框架的跳变马尔可夫系统状态估计的性能通常受限于多模型间的信息融合程度.本文以交互式多模型方法为框架,针对跳变马尔可夫系统提出了一种基于最大混合相关熵的状态估计方法.为了能有效处理模型高阶信息,在混合和融合步骤引入最大混合相关熵测度替代常规的二阶统计矩准则,设计了关于系统状态的代价函数,通过最优化该函数得到状态估计的迭代解.仿真实验详尽展示了所提方法的主要特征,并表明其在高斯和非高斯噪声环境下都具有较好的估计效果.     

高斯混合多伯努利滤波器基于柯西施瓦兹散度的传感器控制方法

针对多目标跟踪中的传感器控制问题,本文基于有限集统计（FISST）理论,利用高斯混合多伯努利滤波器研究并提出相应的传感器控制策略.首先,文中给出容积卡尔曼高斯混合势均衡多目标多伯努利滤波器（CK-GMCBMeMBerF）的实现形式,并提取高斯混合分量近似多伯努利密度.然后,研究两个高斯混合之间的柯西施瓦兹（Cauchy-Schwarz）散度的求取,推导多目标概率密度变化所对应的信息增益,并以此为基础提出相应的传感器控制策略.此外,结合CK-GMCBMeMBer,详细推导了目标势的后验期望（PENT）准则的高斯混合（GM）实现过程,以GM-PENT作为评价准则进行相应的传感器控制方法的研究.最后,仿真实验验证了所提算法的有效性.