一种广义的自适应相干累积算法

根据最小均方误差算法（LMS）、自适应相干累积算法（ACI）及推广的自适应相干累积算法（Generalized Adaptive Coherent Integrator,GACI）在原理上的相关性和推广关系,提出了广义的自适应相干累积算法（IGACI）。以GACI为基础,在权系数迭代公式中引入更多的动量因子,即利用权系数的更多的历史信息,使被检测的单频或调频脉冲信号,在脉冲持续期间实现自适应相干累积,从而完成低输入信噪比条件下的信号检测,而无需或很少需要知道信号的先验信息。理论分析和仿真结果证明在低信噪比情况下,其性能优于GACI算法。     

水下小孔径阵列远程目标检测方法研究

匹配滤波器频域自适应线谱增强方法是一种基于递归算法的非线性滤波技术,它大大提高了匹配滤波器的检测性能。针对当前该技术使用窄带信号作为发射信号存在可利用的带宽有限,不能充分发挥自适应线谱增强器性能的问题,文章提出将该技术与宽带信号相结合来检测远程目标。仿真显示,该方法在低信噪比条件下获得了较高的信噪比增益和检测概率。海试数据处理结果表明,该技术的处理增益较传统方法高6.24 dB。该方法的高处理增益适合应用在水下无人平台上,弥补了小孔径阵列空间增益不足的缺点,可以实现远程目标的检测。     

基于长序列FFT和LMS原理的调制线谱分析

从数学上证明了长序列FFT分析可实现噪声抑制,从而提高信噪比,其实质相当于时间积累。利用变步长的自适应线谱增强器进行线谱增强,可以提高信噪比。用两种方法分析了实际舰船信号的调制谱,讨论了合理选取参数的方法。实验证明,合理运用这两种方法,可以达到较好的分析效果。     

自适应线谱增强器在主动声纳中的应用研究

本文针对主动声纳的特点分析了利用ＬＭＳ算法的自适应线谱增强器提高主动声纳作用距离的可行性。文章阐述了自适应线谱增强器的原理,工给出了实验中得来的一自适应线谱增强器软件参数取值及硬件设计。     

一种高效的弱目标线谱检测算法

为实现弱目标线谱检测,在自适应线谱增强(Adaptive Line Enhancement,ALE)算法的基础上,结合频域批处理技术,提出了一种能降低计算量的高效线谱检测算法——归一化频域批处理最小均方(Normalized Frequency-domain Block Least Mean Square,NFBLMS)算法;所提NFBLMS算法在权值迭代过程中,步长参数不受输入信号功率的影响。理论分析和数值仿真结果表明:相比于已有的线谱检测算法,NFBLMS算法能较好地解决ALE算法实时处理运算量问题,并可获得较高的系统增益,且其步长参数具有较强的鲁棒性,能同时兼顾算法的收敛速度和稳态误差。因此NFBLMS算法更适合实际工程应用。     

线性时变系统的分散自适应控制

本文提出对一种由互连子系统组合而成的线性时变系统的分散自适应控制算法。在研究某个子系统时，把其它子系统的影响看成干扰输入，用多项式逼近变参数，由带死区的修正ＲＬＳ估计器辨识未知参数，自适应控制律由极小化性能函数导出，从理论上证明了所提算法可实现大系统的输入输出稳定，仿真结果也证实了所提算法的有效性。     

一种基于DOA分布信息熵加权的线谱目标检测方法

针对常规宽带能量检测方法对低信噪比线谱目标检测性能较差的不足,文章在分析目标线谱波达方向（Direction of Arrival,DOA）估计分布信息熵的基础上,提出一种基于DOA分布信息熵加权的线谱目标检测方法。通过仿真对比分析了该方法的检测性能,并利用海上实验数据验证了其有效性。结果表明,当目标方位较为稳定时,该方法可有效检测低信噪比线谱目标,并可适用存在多个同频线谱目标的情况。     

一种改进的推广自适应相干累积算法

论文主要研究了LMS算法、ACI算法、GACI算法的原理和性能；并对GACI算法加以改进，以降低其参数对背景噪声变化的敏感性；将算法用来提取高斯白噪声背景下的线性调频脉冲信号，并用软件仿真器进行仿真。仿真结果表明了改进的GACI算法的优越性——参数对背景噪声功率变化的敏感性明显降低，并证明了其可靠性、可行性以及工程可实现性。     

一种提高稳态误差及收敛速度的回声消除算法

以研究回声消除为背景,在分析比较了三种LMS自适应滤波器算法的基础上,提出了改进的LMS自适应滤波器算法。并利用Matlab进行仿真分析,通过绘制误差曲线、学习曲线,证明了改进后的算法在稳态误差以及收敛速度方面都优于之前的算法。该算法能较好地应用到IP电话中的回声消除的自适应滤波问题。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

WCDMA系统中位置选择分集发射方式下的自适应小区分配算法研究

针对WCDMA系统软切换的位置选择分集发射（SSDT）方式，提出了一种自适应导频功率调整和主小区选择算法。采用这种算法，各基站能够根据各自小区负载和覆盖情况动态调整其导频功率，进行相邻小区间的负载均衡，另外，以系统效用最大化为目标，为每个用户选择最佳主小区。仿真结果表明，该算法能以可接受的计算复杂度换取系统性能的提高。     

基于数据生成的手语识别自适应方法

采用自适应技术来解决非特定人手语识别问题,提出了一种基于数据生成的手语识别自适应方法.首先,对非特定人模型的均值向量进行自动聚类,寻找聚类中心生成手语词码本,然后,根据此码本选择词根子集,该子集能覆盖手语词码本的所有码字,继而,使用新用户的词根子集数据通过遗传算法生成其它词根的数据,最后,结合词根子集的真实数据和其它词根的生成数据,利用最大似然线性回归(MLLR)和最大后验概率(MAP)算法对非特定人模型进行自适应.实验结果表明,该方法既能够降低所需要的自适应数据量,又能够在非特定人模型基础上取得识别正确率的大幅提高.     

Convergence and bias in the LSG algorithm for adaptive lattice filters

The lattice filter has several desirable characteristics that make it attractive in adaptive applications. The Lattice Stochastic Gradient (also called Gradient Adaptive Lattice algorithm) is popularly used to adapt the lattice filter. However, a theoretical study of the bias in the reflection coefficient and the convergence of the LSG algorithm have not been studied extensively yet. This paper presents some theoretical results on these issues. It is hoped that the results will also present some insights into the factors affecting the convergence of the filter.     

复合材料微结构多目标自适应拓扑优化

提出适用于多目标最优化问题的自适应加权系数算法 , 将其应用于周期性两相材料微结构拓扑优化。以具有一定体积分数实体材料和对称性的单胞微结构作为优化对象。将单胞经有限元划分 , 应用均匀化方法计算单胞的等效弹性模量。以材料的等效弹性模量作为目标函数 , 以单胞各单元的相对密度作为设计变量 , 并引入SIMP单元刚度插值格式对中间密度单元进行惩罚。在迭代过程中 , 根据目标函数的变化 , 自适应调节加权系数 ,以保证各个分目标在目标函数中的比重。应用自适应加权系数算法 , 对单胞等效弹性模量设定不同的加权系数组合 , 得到了不同的单胞微结构拓扑。数值算例验证了所提出的自适应加权系数算法可以有效地求解复合材料微结构多目标拓扑优化问题。     

一种自适应抽样的代理模型构建及其在复材结构优化中的应用

提出了基于一种自适应抽样和增强径向基插值的自适应代理模型方法，这种自适应抽样方法以确定适量的样本点数量和提高代理模型自适应能力为目的，使新增样本点位于设计空间的稀疏区域并确保所有的样本点均匀分布于设计空间以提高代理模型精度。标准误差用来判断代理模型的精度大小并决定是否对代理模型进行更新。一种条件随机抽样被用来对比本文的自适应抽样方法。经过对比验证发现，采用自适应抽样方法的代理模型精度比条件随机抽样方法的代理模型精度高。这种自适应代理模型结合多岛遗传算法被用来优化旋翼臂的碳纤维增强环氧树脂复合材料铺层角度使得旋翼臂的一阶模态频率最大。优化结果表明，不同的碳纤维增强环氧树脂复合材料铺层角度对旋翼臂的一阶模态频率值影响较大，优化结果获取了最优铺层角度，旋翼臂的一阶模态频率值被提高以远离激励频率而避免旋翼飞机的共振。     

基于均值特征和改进深度神经网络的说话人识别算法

为提高神经网络在说话人识别应用中的识别性能,提出基于高斯增值矩阵特征和改进深度卷积神经网络的说话人识别算法。算法首先通过最大后验概率提取基于梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征的高斯均值矩阵,并对特征进行噪声适应性补偿,以增强信号的帧间关联和说话人特征信息,然后采用改进的深度卷积神经网络进一步对准帧间信息,以提高说话人识别特征对背景噪声的适应性。实验结果表明,相比于高斯混合模型-通用背景模型等识别框架及传统MFCC等特征,该算法可取得更高的识别准确率和最小的识别均方误差。     

基于自适应蚁群优化的Volterra核辨识算法研究

提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,本文提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,本文提出的方法优于蚁群优化辨识方法。     

Edge‐adaptive color interpolation for complementary color filter array

Complementary color filter array (CCFA) is widely used in consumer‐level digital video cameras, since it not only has high sensitivity and good signal‐to‐noise ratio in low‐light condition but also is compatible with the interlaced scanning used in broadcast systems. However, the full‐color images obtained from CCFA suffer from the color artifacts such as false color and zipper effects. These artifacts can be removed with edge‐adaptive color interpolation (ECI) approaches which are generally used in primary color filter array (PCFA). Unfortunately, the unique array pattern of CCFA makes it difficult that CCFA adopts ECI approaches. Therefore, to apply ECI approaches suitable for CCFA to color interpolation is one of the major issues to reconstruct the full‐color images. In this paper, we propose a new ECI algorithm for CCFA. To estimate an edge direction precisely and enhance the quality of the reconstructed image, a function of spatial variances is used as a weight, and new color conversion matrices are presented for considering various edge directions. Experimental results indicate that the proposed algorithm outperforms the conventional method with respect to both objective and subjective criteria. © 2006 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 16, 92–102, 2006