基于递推最小二乘滤波器的语音增强

根据语音信号短时预测特性和短时准周期性，以当前采样前若干点和前若干周期的采样为观测样本，采用横向滤波器结构，构造基于递推最小二乘算法的自适应滤波器。该算法无需先验知识和参考信道，且对平稳或非平稳噪声均适用。实验证明，信噪比有明显提高，且增强后语音信号LPC倒谱与纯净语音LPC倒谱的欧氏距离也比增强前有了明显减小。     

基于RLS自适应滤波算法的MIMO-OFDM信道估计

对于传统递归最小二乘算法信道估计性能的抗噪声问题,提出一种基于自适应滤波的RLS估计算法。该算法通过在时域内加入自适应滤波器,对信道中的估计结果进行自适应滤波。经过仿真分析,将自适应滤波的RLS算法与传统的RLS算法在误码率(BER)的性能进行比较,得出基于自适应滤波的RLS算法是一种高精度抗噪声的信道估计算法。将系统的输入含有噪声的信号进行自适应滤波,得到输出信号波形,与输入信号波形进行对比,来验证自适应滤波对噪声抑制作用。     

递推最小二乘参数辨识与仿真实例

介绍了基于递推最小二乘法进行系统辨识的基本原理,对给定的实际输入输出数据运用MATLAB的M语言编写递推最小二乘算法,最后给出相应的仿真结果和分析,并对得到的模型进行验证。     

AR估计滤波误差能量最小二乘递推法

利用滤波误差能量给出了一个新的最小二乘快速递推算法。数值试验表明，该算法计算稳定性好，对噪声不敏感，能快速递推到高阶模型，并将该算法同Ｍａｒｐｌｅ算法等作了比较。     

基于递推最小二乘法的温箱系统辨识

温箱在生活中应用越来越广泛,对于温箱的精确控制已成为一项重要课题,所以对于温箱模型的分析和确定十分重要。以温箱为辨识对象,在温箱热稳定的基础上给温箱输入M序列辨识信号来获取辨识数据。采用递推最小二乘法对温箱进行辨识并按照残差定阶法对温箱系统进行定阶、定型。最后在MATLAB中仿真并验证。     

径向基函数递推最小二乘算法优化学习的研究

对于广泛使用的三层感知机BP神经网络存在收敛速度慢,预测精度不高的问题,提出了基于径向基函数(RBF)递推最小二乘算法调整网络连接权值以及通过自适应学习的方法优化径向基函数形状参数的协作式自适应算法,并采用该算法进行了RBF神经网络的训练和仿真实验.结果表明:所提出的算法较BP算法以及固定a值的RBF算法有较快的收敛速度;最后,将训练后的神经网络应用于煤矿瓦斯涌出量的预测中,结果大大提高了预测的精度.因此,该算法具有很高的应用价值.     

基于最小二乘算法及神经网络的非线性离散系统的自适应控制

针对有关文献所设计的控制律，在一较弱的条件下，去掉了符号运算部分，证明该控制律可避免“零除”问题，提高了运算速度。对于这种基于神经网络和LS算法的自适应控制问题，证明了系统状态落入一紧集中，闭环系统的所有信号都是有界的，且系统输出和参考输出之间的跟踪误差收敛于以零为原点的某一有界球中。     

非整数阶系统频域辨识的递推最小二乘算法

非整数阶系统辨识方法是建立非整数阶系统模型的一种重要工具．本文提出了一种非整数阶系统频域辨识的最小二乘递推算法．给出了算法的详细推导，并用已知系统验证了算法的有效性．结果表明该算法是整数阶系统辨识的最小二乘递推算法的推广．使用此算法，不但能辨识整数阶系统，还能辨识非整数阶系统．     

基于角度信息的递推最小二乘无源定位算法

针对机载单站无源定位的定位精度和实时性等问题,提出了一种基于角度信息的递推最小二乘(RLS)无源定位算法;首先建立了机载单站三维无源定位模型,求出最小二乘(LS)解;然后依据机载单站无源定位的实时性要求将最小二乘估计转化为递推最小二乘估计的形式;最后通过不同的仿真实验研究了影响定位精度和收敛速度的因素;仿真结果表明:RLS算法与LS算法在定位精度和收敛速度方面性能相似,但RLS算法运算复杂度低,所需存储空间小,能够实时的对目标进行定位,满足机载单站无源定位的需求。     

基于滤波的伪线性回归系统递推最小二乘辨识方法

针对伪线性回归系统,提出了基于滤波的最小二乘辨识方法,基本思想是采用估计的噪声模型对系统观测数据和信息向量进行滤波,并用滤波后的数据进行辨识。仿真结果表明提出的算法能够估计伪线性回归系统的参数。     

基于狮群优化算法的自适应图像去噪技术

针对现有技术不能同时处理多种噪声的问题,提出一种基于狮群优化算法的自适应图像去噪技术.利用不同空间滤波器组合,在保留图像更多边缘纹理细节的同时,消除图像中的高斯、斑点和椒盐等多类噪声.为了提高线性滤波器组合的效率,采用狮群优化算法在无人为干预的情况下寻找最佳滤波器组合,使得算法在最少的时间消耗内实现最优的图像噪声消除效...     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

基于曲线拟合的自适应滤波算法

针对低密度脉冲噪声,提出基于曲线拟合的自适应滤波算法。首先结合以点邻域为判别区域的方法检测出噪声点;其次对噪声点,根据均方差最小化原则自适应的选择模板内全信号点方向;最后结合曲线拟合确定模板中心像素点的灰度值,实现被污染的数据点的有效恢复。实验表明,这种方法具有较好的细节保护能力和较强的噪声去除能力。     

混合最小二乘回归的稀疏子空间聚类算法

稀疏子空间聚类的关键在于在求得真实反映数据集的相似度矩阵,然后将相似度矩阵代入谱聚类求解。相似度矩阵既要刻画数据集的子空间特性,同时也要反映出同一类数据点之间的两两相关程度,稀疏子空间聚类(SSC)专注于每一个数据表示系数的最大稀疏性,缺乏对数据集全局结构的描述;最小二乘回归(LSR)保证了同一类数据的结构相关性,但是不够稀疏。将最小二乘回归引入稀疏子空间聚类算法中,从而保证数据的相似度矩阵兼具稀疏性和分组效应。在运动分割和人脸聚类的实验中,将该算法和SSC、LSR算法对比,可以发现该算法在准确率上的优势。     

基于小波的自适应快速图像降噪算法

本文提出了一种基于小波变换的、自适应阈值确定算法。较之著名的SureShdnk算法,它降低了算法复杂度,提高了降噪效果,更快更好地实现了图像降噪。实验结果表明,在大多数场合,本算法的降噪效果优于SureShdnk,同时,算法时间复杂度有了很大的降低。     

基于异性扩散-中值滤波的超声医学图像去噪方法

针对超声图像存在一种特殊的斑点噪声,使图像边界与细节变得模糊而严重影响图像质量的问题,提出了一种新的去除医学图像斑点噪声的方法,它利用中值滤波和各向异性扩散相结合,不仅可以有效地去除噪声而且很好地保持了边缘、局部细节信息.此外,该方法在扩散过程中,梯度阈值选取的不同对图像结果影响很小,这极大地提高了该算法的健壮性.实验中,通过和各向异性扩散、中值滤波等方法的比较,表明该方法具有良好的去噪效果.     

基于Sobel算子滤波的图像增强算法

针对传统图像增强算法对噪声比较敏感、图像失真和细节信息丢失等不足,提出一种基于Sobel算子滤波的图像增强算法。通过理想高通滤波和Sobel算子提取出边缘掩膜,再利用平滑滤波和拉普拉斯算子结合得到简单的细节增强图像。然后将其和掩膜相乘后,再与输入图像相加可得到效果较好的边缘细节增强图像。通过实验进行比较分析,评价结果显示,该方法得到图像的视觉效果相对原始图像和同态滤波都有明显的改善。实验结果验证了该方法的有效性,在增强图像边缘细节的同时,能够抑制噪声并保持图像的真实性。     

卡尔曼滤波结合遗传算法的矿井图像去噪算法研究

为了提高煤矿井下图像采集的质量,通过研究分析卡尔曼滤波的初状态值选取与遗传算法来优化卡尔曼滤波,提出一种新的图像去噪算法——GAK(Genetic Algorithm Kalman).分析了图像噪声的成因与四种经典滤波;研究设计了卡尔曼滤波的初状态值选取;详细阐述了GAK原理,以及GAK求解步骤;运用MATLAB对GA...     

自适应总体变差图像去噪算法的扩散系数研究

自适应总体变差算法可以解决总体变差算法无法实现去噪的同时保留图像的细节纹理.对该算法的扩散系数研究表明当算法满足如下性质:φ'(|grad(I)|)≥0,φ"(|grad(I)|)≥0;当扩散系数法向量方向的值为'(|grad(I)|)/|grad(I)|,扩散系数切向量方向的值为φ"(|grad(I)|),并且|grad(I)|→ ∞时,法向量方向的值趋于0,法向量与切向量的比值趋于0;当|grad(I)|→0时,法向量方向和切向量方向的值均大于0时可以取得较好的试验结果,并认为最小曲面函数是合适的扩散系数.     

基于改进ILAE算法的图像局部自适应增强研究

一些应用需要增强一幅图像的局部信息,而不改变图像的其它部分。为此,提出了图像局部自适应增强算法。采用改进的ILAE算法,根据局部统计信息找出一幅图像中所要增强的像素点,仅对这些像素点进行图像增强,然后利用自适应中值滤波方法对增强后的图像进行去噪。实验结果表明,经算法处理后的图像,不仅局部信息得到了增强而且还能取得很好的视觉效果。