基于最低误码率准则的奇次三阶Volterra均衡器用于干扰抑制

该文针对通信系统中的干扰抑制问题,提出一种基于最低误码率准则的Volterra均衡器.区别于以往研究中采用最小均方误差准则估计Volterra核,本文采用最低误码率准则.仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器已失效,而基于最低误码率准则的Volterra均衡器仍能表现出良好的性能,也大大优于最小均方误差准则的Volterra均衡器;并且在计算复杂度与误码率性能的权衡中,奇次三阶Volterra均衡器更有实用价值.     

复值的MBER非线性均衡器用于QAM信号

本文提出一种复值的最低误码率非线性滤波器用于非线性信道中QAM信号的均衡.推导了针对QAM信号的最低误码率准则训练算法的目标函数,并用Voherra序列来实现复值的非线性均衡器.为使非线性均衡器能在线自适应训练并增加训练算法的数值稳定性,提出～种滑窗随机梯度算法.大量仿真表明,对于非线性信道中QAM信号的均衡,最低误码率非线性均衡器的性能优于最小均方误差准则.     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。     

一种低延时双端发音检测方法

回声消除是提高通信中语音信号质量的关键技术。其主要难题是回声路径估计的自适应算法的控制逻辑。为了达到较好的回声消除效果,自适应滤波器需要在双端发音模式下缓慢更新或停止更新,而在其他模式快速学习。现有的双端发音检测算法没有考虑检测延时问题,使得滤波器在停止更新前已经发散,严重影响了回声消除的效果。针对该问题,在滤波器收敛时回声消除至少达到10 dB的假设前提下,对传统的能量比较法进行改进,提出低延时的解决方案。实验结果表明,该方法比相关比较法的检测延时减少了35毫秒以上。     

基于PIC单片机的琴类乐器校音系统

琴类乐器各个弦或键会偏离应有的位置,需要经常对这些乐器进行校准,如果手工调试势必有一定误差而且不方便。由于不同声音通过不同频率表现,本校音系统通过麦克风采集琴音数据,然后用PIC单片机自带的模数(A/D)转换器对采集的琴音进行模数转换,并对转换后的数据进行快速傅里叶变换(FFT)来分析频谱。另外,为了提高琴音校准系统的准确性和稳定性,电路设计中采用了特殊的放大器对信号采集过程中的噪声进行了抑制。     

最低误码率非线性均衡器的快速自适应学习算法

针对最低误码率非线性均衡器的参数在线自适应学习问题,本文提出基于拟牛顿方法的快速自适应学习算法。采用Parzen窗函数方法估计误码率,通过设定切换条件,使参数学习在滑窗随机梯度法与滑窗拟牛顿法之间切换。这既增加了新算法的数值稳定性,又可提高收敛速度。通过对拟牛顿方法进行修改,还使新算法既可以在线自适应学习,也可用于高维参数的快速学习。仿真采用最低误码率非线性均衡器对通信系统进行干扰抑制和信道均衡,结果表明了新算法的高效性。     

基于混合遗传算法及最低误码率准则的几何特征均衡器

针对高效调制通信系统中带内干扰抑制问题,提出一种基于最低误码率准则的非线性几何特征均衡器,并用径向基函数神经网络来实现.为优化非线性均衡器的参数训练,本文构造了一种新的遗传随机梯度混合算法.仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器及线性均衡器已失效,而基于最低误码率准则的几何特征均衡器仍能表现出良好的性能,也大大优于基于最小均方误差准则的非线性均衡器.     

平面单应性矩阵求解的CUDA并行实现

针对平面单应性矩阵实时求解的需求,提出了RANSAC单应性算法在GPU上并行实现的方法。首先计算出理论上最优的迭代次数;然后根据迭代间数据的独立性将每次迭代看成一个独立的任务映射到CUDA线程上。实验表明,对于较高分辨率的图像,GT240M平台上平均加速比达到了8。