基于Schur运算格的线性ICA估计算法

从几何角度来看,线性ICA(Independent Component Analysis)估计可以通过角度变换来实现.因此,本文提出一种新颖的,基于Schur运算格的格型ICA估计算法,格型算法较之其它算法稳定,易于扩展,易于硬件软件实现.仿真结果表明,该算法性能令人满意.     

电子地图中动态注记算法的研究实现

注记是电子地图显示的重要环节,其美观性和合理性将影响电子地图的整体效果。同时,算法的复杂度还不能过大,否则不利于地图注记的实时显示。本文基于栅格的思想,提出一种新颖的动态注记算法。该算法将屏幕做简单分割后,统一考虑点线面三种对象,使得注记互不压盖,实现自动避让。实验结果表明,该算法简便易行,运算量小,注记配置合理,无任何压盖。     

一个应用线性判别分析的关键词识别方法

关键词识别是一种特殊的语音识别技术,它旨在连续语音中通过对特征矢量的判别检测出感兴趣的词。论文给出一种新的检测方法,应用线性判别分析(LDA)对语音特征参数进行降维,使得分类更加清晰。通过实验表明了该方法提高了系统的性能。     

一种改进的基于ICA的信号增强方法

根据一路带噪信号，采用独立分量分析方法去除加性噪声，从理论上讲就是在观测信号向量的维数小于源信号向量维数情况下的独立分量分析问题。问题的关键是如何构造另一路观测信号，使问题有解。文中提出了一种改进的构造方法，这种方法非常简便，实验结果表明其分离性能比较理想。     

基于ICA的周期性噪声消除算法

为了使问题有解，传统的独立分量分析算法对问题的条件有许多严格的限制，其中包括观测信号的个数不能小于源信号的个数等．在降噪等实际应用中，观测信号的个数可能无法满足这一条件，为了能够利用独立分量分析分离加性噪声，需要人工构造混合信号．基于周期性干扰表现的整体周期性，提出了一种构造混合信号的新算法．利用构造的混合信号进行独立分量分析，可以有效地消除周期性干扰，使目标信号的信噪比显著提高．即使在信噪比很低，目标信号几近被“淹没”的情况下，仍然能够较好地将其分离出来．该方法具有算法简单、运算速度快、算法效率高等特点．计算机仿真和实验结果都证明了算法的有效性．     

自适应滤波的新方法--几何中心法

自适应滤波器的性能曲面具有某些有益的几何特性,根据这些特性,本文提出ＦＩＲ自适应几何中心法（ＦＩＲＡＧＣＭ）,然后通过转化ＩＩＲ滤波器的性能曲面,得到全局收敛的ＩＩＲＡＧＣＭ算法,与梯度法不同的是：ＦＩＲＡＧＣＭ算法无需步长选择,需要的存储量极少,并且收敛迅速,ＵＲＡＧＣＭ继承了ＦＩＲＡＧＣＭ的全部优点,并且大幅度提高了收敛精度,仿真结果表明,两种算法性能相当优越。     

基于短时预测的地图匹配算法

地图匹配算法的有效性和可靠性对于车载导航系统而言非常重要,而目前存在的地图匹配算法在一些复杂环境下(如道路交叉口)仍然不能提供合理的输出。因此,为了提高道路网络中的地图匹配精度,提出了基于短时预测的地图匹配算法。该算法首先使用待匹配定位点的历史信息建立短时预测模型,从而获取到待匹配时刻未来一段时间内的位置预测点;然后使用待匹配定位点和短时预测点与道路之间的平均距离替换待匹配定位点与道路之间的距离;最后采用Dempster-Shafer证据理论融合车辆与道路之间的距离信息和方向信息,有效地扩大了待匹配道路之间的差异,从而提高了算法的鲁棒性。仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

一种基于线性判别分析的稳健话音检测方法

给出一种新的话音检测方法，即在SNR算法的基础上，应用线性判别分析(LDA)对语音特征参数进行降维。在大噪声环境下，该方法提高了系统的稳健性。同时将这种新的方法与基于信噪比(SNR)和基于噪声／语音统计量(N＆S STAT)的算法做了比较，实验表明该方法可以提高检测效率。     

面向实际道路网络的浮动车采样间隔优化方法

目前基于浮动车的城市交通信息采集通常采用等间距进行采样,无法根据道路网络几何条件和状态的差异进行合理的采样间隔优化.针对现有采样算法的不足,本文提出了一种面向实际道路网络的浮动车采样间隔优化方法.首先通过构建四叉树模型对城市道路网络进行划分,确定空间采样分辨率,然后利用历史轨迹对浮动车的速度进行短时预测,最后在不影响空间采样分辨率的基础上实时动态优化采样间隔,在交通信息的精度与信息的采集成本之间取得平衡.通过仿真试验的定性定量分析,新算法能够在不同复杂程度的道路网络情况下动态调整采样间隔,不仅确保了采样数据的精度,而且降低了采样数据容量.     

汉语单字和二字组的声调量化模型

汉语是有调语言，声调主要表现在FO曲线的变化上，FO曲线特征在单字中变化简单，在连续语音中变化复杂，但连续语音主要由单字，二字组和少量多字组成组成的，因此对连续语音音调的研究可以分解为单字，二字组和多字组的声调研究，本文主要研究单字和二字组声调。对于辨认声调，我们并不关心FO曲线的具体取值，而是对它的变化趋势变化清楚明晰，也便于计算机处理，另外，本文总结了FO曲线中的一些特征点活动规律，这些规律对辨认真调有重要作用。