共查询到19条相似文献,搜索用时 125 毫秒
1.
正交频分复用(OFDM)是一种优越的多载波调制方式和传输技术。文章给出OFDM系统的基本模型,论述OFDM技术原理,并使用MATLAB对OFDM系统进行性能仿真,最后讨论了OFDM技术在LTE系统中的应用。 相似文献
2.
基于CHMM的雷达海面回波建模与分析方法 总被引:1,自引:0,他引:1
高分辨率雷达以低擦地角观测粗糙海表面时杂波幅度明显增强,产生海尖峰效应。海尖峰与平稳海杂波的统计特性差别显著,使用单一概率密度函数(PDF)的传统统计建模方法难以精确描述回波特性,尤其在回波中包含目标信号时,这种不适应更为严重。该文将连续型隐马尔可夫模型(CHMM)用于海杂波建模,把海面回波分为平稳海杂波、海尖峰和目标回波3个状态,使用高斯混合密度模型(GMDM)建立各状态观测值的连续PDF表达式,使用Baum-Welch算法对CHMM的参数进行计算和重估。同时,修正了基于GMDM的CHMM观测值状态联合概率公式,解决了GMDM参数迭代求解过程中的分母下溢出问题,为海杂波建模与分析提供了一种新的方法。最后对实际雷达采集数据的分析证明了该方法的有效性。 相似文献
3.
文本信息抽取是处理海量文本的重要手段之一.最大熵模型提供了一种自然语言处理的方法.提出了一种基于最大熵的隐马尔可夫模型文本信息抽取算法.该算法结合最大熵模型在处理规则知识上的优势,以及隐马尔可夫模型在序列处理和统计学习上的技术基础,将每个观察文本单元所有特征的加权之和用来调整隐马尔可夫模型中的转移概率参数,实现文本信息抽取.实验结果表明,新的算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能. 相似文献
4.
5.
6.
7.
8.
提出一种基于隐马尔可夫模型(HMM)和学习向量量化(LVQ)神经网络的语音识别方法.该方法先用HMM生成最佳语音状态序列,然后用函数逼近技术产生对最佳状态序列进行时闻归正,最后通过LVQ神经网络进行分类识别.理论和实验结果表明,混合模型的识别率明显高于隐马尔可夫模型的识别率. 相似文献
9.
研究了2维隐马尔可夫模型的三个基本问题,包括概率评估问题、最优状态问题和参数估计问题.通过把2维隐马尔可夫模型行或者列上的状态序列看作一个马尔可夫模型,从理论上分别给出了解决这三个基本问题的新算法;计算机仿真对新算法的实现和运行作了进一步的说明. 相似文献
10.
基于正交频分复用(OFDM)与波分复用(WDM)的基本原理,构建了一套基于OFDM技术的WDM传输系统的系统模型,并对其相关系统性能进行了理论分析。基于维纳相位噪声模型,文章对OFDM系统中相位噪声引起的公共相位误差和子载波间干扰进行了分析,在此基础上深入分析了基于交叉复用OFDM技术的OFDM子载波间干扰的消除方法,降低相位噪声对系统性能的影响。最后结合理论分析结果对系统模型的相关性能进行模拟计算,分析结果表明:采用交叉复用OFDM技术在降低相位噪声对OFDM系统性能的影响的同时,提高了系统的信号处理能力。 相似文献
11.
HOU Xiao-lin LI Shu-bo YIN Chang-chuan YUE Guang-xin School of Telecommunication Engineering Beijing University of Posts Telecommunications Beijing P.R. China 《中国邮电高校学报(英文版)》2004,11(3)
1 Introduction Linkadaptationtechniqueisnowwidelyrecognizedasakeysolutiontoincreasethespectralefficiencyofwire lesssystems[1~ 3] .GPRS ,EDGE ,cdma2 0 0 0andWCDMAallincludelinkadaptationasameanstopro videhigherdatarates[4~ 5] .Torealizethepotentialoflinkadaptation ,reliablechannel predictionisneces sary[6 ] . Therearemanydifferentchannelpredictionmethodsavailablenow ,suchasLongRangePrediction(LRP) [6 ] ,predictionbasedonsubspacesignalprocess ingalgorithms[7] ,predictionbasedonFinit… 相似文献
12.
QIN Wei WEI Gang 《中国电子科技》2006,4(1):43-46
As a kind of statistical method, the technique of Hidden Markov Model (HMM) is widely used for speech recognition. In order to train the HMM to be more effective with much less amount of data, the Subspace Distribution Clustering Hidden Markov Model (SDCHMM), derived from the Continuous Density Hidden Markov Model (CDHMM), is introduced. With parameter tying, a new method to train SDCHMMs is described. Compared with the conventional training method, an SDCHMM recognizer trained by means of the new method achieves higher accuracy and speed. Experiment results show that the SDCHMM recognizer outperforms the CDHMM recognizer on speech recognition of Chinese digits. 相似文献
13.
14.
Iead Rezek Michael Gibbs Stephen J. Roberts 《The Journal of VLSI Signal Processing》2002,32(1-2):55-66
Coupled Hidden Markov Models (CHMM) are a tool which model interactions between variables in state space rather than observation space. Thus they may reveal coupling in cases where classical tools such as correlation fail. In this paper we derive the maximum a posteriori equations for the Expectation Maximisation algorithm. The use of the models is demonstrated on simulated data, as well as in a variety of biomedical signal analysis problems. 相似文献
15.
音频自动分类是解决音频结构化问题和提取音频内容语义的重要手段之一,是当前基于内容的音频检索领域的一个研究热点。在考察音频数据特征的基础上,针对左-右密度隐马尔可夫模型(left-right DHMM)不能很好反映音频中状态反复的缺点,提出了一种基于各态历经混合高斯密度隐马尔可夫模型(EMGD_HMM)的分类器,并应用于语音、音乐和它们的混合声音的分类。实验结果表明,EMGD_HMM的分类精度要优于left-right DHMM。 相似文献
16.
An HMM based analysis framework for semantic video events 总被引:1,自引:0,他引:1
You Junyong Liu Guizhong Zhang Yaxin 《电子科学学刊(英文版)》2007,24(2):271-275
Semantic video analysis plays an important role in the field of machine intelligence and pattern recognition. In this paper, based on the Hidden Markov Model (HMM), a semantic recognition framework on compressed videos is proposed to analyze the video events according to six low-level features. After the detailed analysis of video events, the pattern of global motion and five features in foreground-the principal parts of videos, are employed as the observations of the Hidden Markov Model to classify events in videos. The applications of the proposed framework in some video event detections demonstrate the promising success of the proposed framework on semantic video analysis. 相似文献
17.
语音识别隐马尔可夫模型的改进 总被引:7,自引:1,他引:6
由于在语音识别中被广泛应用的隐马尔可夫模型是一重马尔可夫模型,它不能充分地描述语音信号的时间相依性。虽然理论上可将HMM扩展成多重马尔可夫模型,但由于所需运算量和存储量将成指数增长而使其难以应用。因此,本文提出一种新模型,它是由HMM与一个能描述语音信号时间相依性的多维高斯密度函数相结合构成的。本文从理论上论证了新模型的合理性。对汉语不计声调的全部409个单音节的识别实验结果表明:新模型的识别率显 相似文献
18.
针对基于梅尔频谱域隐马尔可夫模型(Mel Frequency Spectral domain Hidden Markov Model, MFS-HMM)的语音增强算法中存在训练集和测试集能量不匹配问题,本文提出了能量匹配的MFS HMM语音增强方法。该方法采用迭代的期望最大(Expectation Maximization, EM)法在线估计纯净语音和噪声的对数能量调整因子,并在线修正纯净语音和噪声的HMM参数,使得训练集和测试集能量相匹配,有效地解决了能量不匹配对增强语音质量影响的问题。主客观测试结果表明,本文所提方法优于参考算法。 相似文献
19.
传统的系统可靠性分析需要检测系统中所有元件的故障状态,并不适用予系统的定期维护和保养检查。隐马尔可夫模型(HMM)是一种双重随机过程,能够解决随机不确定问题。通过对系统关键点的检测,经过复杂的网络运算综合得到系统状态的检测参数,给出了实现检测的相关网络模型以及相应的算法。 相似文献