双阈值的特定英语音频句子边界检测

为了提高英语音频句子切分的效果,提出了基于双阈值的句子边界检测方法.该方法针对VOA、BBC等特别适合英语学习者的音频所具有的波形规范、环境噪声小、速率通常比较稳定等特点,利用静音能量阈值和静音时延阈值来检测音频句子的边界,并辅以对照文本信息进行校正.针对VOA慢速英语的实验结果表明:单纯使用双阈值方法,音频切分的召回率超过96%,精确率超过94%;利用对照文本校正后,可进一步提高精确率.     

动态阈值的双门限协作感知方法

随着通信技术的提高和通信应用的增多,无线频谱资源越来越匮乏.许多分配到资源的主用户利用率很低,认知无线电技术希望没有分配到资源的次用户合理使用主用户频谱来提高频谱的利用率.频谱感知技术关系到认知无线电中次用户对空闲频谱的使用机会,是认知无线电的关键技术之一.就是在已有的感知技术的基础上,提出了新的感知手段.在认知无线电网络中,不同的次用户由于与主用户距离以及自身所处环境的噪声影响不同,它们的信噪比一般是不一样的.这里采用的动态阈值的双门限协作感知方法,是对传统双门限能量感知方法的改进,通过充分考虑次用户之间的差异性来提高感知的性能.首先,根据对检测和虚警概率的要求,过滤掉一部分检测能力不满足条件的次用户.同时,每个次用户的用于能量感知的双门限会根据它们各自信噪比的不同而动态变化.通过与单门限能量感知以及传统双门限能量感知方法进行比较,可以看出本文提出的感知方法一定程度上提高了系统整体感知的性能.     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。     

基于遥感的土地利用变化信息图像分割研究

为了提高大区域土地利用遥感动态监测效率,需将自动发现影像中包含的变化信息自动分割出来.在分析影像特征的基础上,结合双阈值法和区域生长法,能够将影像中的土地利用变化信息自动分割出来.为了减弱影像噪声、自动发现方法和图像分割对监测结果精度的影响,将多种方法得到的分割结果进行综合处理,进一步确认目标,以使本文方法在具有高效率的同时有较高精度的监测结果.另外,本文提出了一种典型区域法,从另一个角度解决了无法直接利用灰度直方图计算影像中特定目标的分割阈值问题.     

基于肤色分割和改进AdaBoost算法的人脸检测

为解决当被检测图像中具有复杂背景或者含有多人脸时,不能够快速准确的进行人脸检测的问题,本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法,以减少弱分类器个数,提升训练速度;改进权值更新规则,防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明,两种算法结合后在训练速度上提升,在检测速度和检测率上有明显提高。     

基于MEFF倒谱距离与对数能量融合的语音端点检测方法

为提高低信噪比环境下语音端点检测算法性能不高的问题,提出将MFCC倒谱距离与对数能量结合进行端点检测.首先,对语音计算对数能量,然后计算改进的倒谱距离,将MFCC倒谱距离与对数能量融合,获得了一种新的语音参数,该参数能有效地提高低信噪比情况下语音与噪声的区别,对参数进行顺利滤波用于语音端点检测,采用自动更新的双阈值进行语音端判别.仿真实验表明,该算法具有较好的适用不同噪声,在低信噪比下依然能获得比较理想的端点检测效果.     

基于浮动车数据的道路单向限行状态动态识别

交通道路的单向限行状态识别可以为社会公众提供及时准确的路网限行信息,提高公众出行效率,提升动态交通信息服务水平。提出了一种基于浮动车数据的道路单向限行状态动态识别算法。该算法首先获取地图线要素信息,并进行空间信息网格对交通道路的投影匹配预处理,实现海量浮动车数据的快速匹配;然后分析各道路的浮动车数据方向信息的统计特性,对其进行双阈值信息过滤和方向信息过滤处理,以动态提取交通道路的单向限行状态信息。经实际路网测试验证,该算法可有效识别道路的单向限行状态信息。     

基于自适应检测长度的双门限能量感知算法

针对认知环境中能量感知的噪声不确定性问题,提出了一种基于自适应检测长度的双门限能量感知算法。算法首先根据噪声不确定性大小设置上下判决门限。当检测统计量位于双门限之外时直接判决,否则增加采样数并再次比较,直到得出判决结果或采样数达到上限;为了尽量减小由于采样数增加带来的系统能量开销的增加,给出了系统能量开销与吞吐量折中的最佳采样数上限。从理论上分析了算法的优越性,并进行了仿真验证,结果表明,该算法尽管增加了一定的能量开销,但是可以显著地提高系统检测性能。     

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。     

用于双阈值脉冲神经网络的改进自适应阈值算法

脉冲神经网络(spiking neural network, SNN)由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络(deep neural network, DNN)到SNN的转换方法是有效的脉冲神经网络训练方法之一,然而从DNN到SNN的转换过程中存在近似误差,转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析,将其分解为量化和裁剪误差以及不均匀误差,提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差(MMSE)更好地平衡量化误差和裁剪误差;此外,基于IF神经元模型引入了双阈值记忆机制,有效解决了不均匀误差。实验结果表明,改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能,对于CIFAR10数据集,仅用16个时间步长就实现了93.22%的高精度,验证了算法的有效性。