一种基于小波理论的LMS算法研究

基于LMS算法原理和MALLAT算法,提出了小波自适应算法,并对算法进行了理论分析和仿真研究,仿真结果表明,小波自适应算法在非线性系统辩识中表现出了良好的性能。     

小波变换自适应滤波器及在主动噪声控制中的应用

讨论了传统的 L MS在信号处理中的不足 ,研究了小波变换自适应算法 (WL MS)的滤波器结构和实现 ,并将其应用于主动噪声控制。仿真结果表明 ,与传统的 L MS算法相比 ,WL MS算法的收敛速度和稳定性得到显著的提高     

联合改进子空间的自适应小波包阈值语音增强算法

针对传统自适应小波包阈值算法增强的语音存在失真的问题,提出联合改进子空间的自适应小波包阈值语音增强算法。提出的新算法对带噪语音首先做KL变换(Karhunen Loeve Transform)得到其特征值,并用自适应小波包阈值算法对该特征值进行处理,以去除部分噪声子空间;接着用递归最小二乘算法(RLS)对噪声的特征值进行估计,修正传统子空间算法容易导致的特征值估计偏差问题;最后用经过自适应小波包阈值算法处理得到的新的特征值减去噪声特征值,以去除所有噪声子空间并由KL逆变换最终还原出纯净语音。仿真结果表明新算法相比传统自适应小波包阈值算法有更优的增强效果,减少了语音失真。并且在信噪比较低的情况下,新算法对增强的语音的信噪比和分段信噪比提高得更多。     

基于免疫自适应小波网络的入侵检测

将自适应小波网络模型与免疫进化算法有机结合,提出基于免疫自适应小波网络的入侵检测模型及学习算法.该模型不仅减少经典神经网络在确定参数和结构时的盲目性,而且减轻对参数初始化敏感的现象.仿真对比实验结果表明,用本文算法获得的检测率比神经网络、小波网络、免疫进化的方法都要高,收敛速度更快,同时可通过控制门限值来约束和平衡漏报率和误报率之间的关系.     

多尺度小波分解下的自适应语音消噪算法研究

将小波变换的理论引入到自适应语音消噪系统中,分析了多尺度小波分解下的LMS自适应消噪算法（MSWD-LMS）的原理,该算法将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应语音消噪算法（MSWD-VSS-LMS）,新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的语音信号处理的收敛速度和稳定性。仿真结果表明新算法取得了较好的效果。     

基于小波和自适应滤波的ECG基线漂移校正

为校正ECG信号的基线漂移,提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解,将得到的高频分量作为参考信号输入,采用基于幂函数的最小均方算法（P—LMS）进行自适应滤噪处理。通过与传统的归一化最小均方算法（NLMS）进行对比,验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明,基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移,并较好地保持心电信号的几何特征。     

基于蚁群学习算法的模糊小波神经网络控制

通过对模糊小波神经网络控制器的研究,发现小波基函数的平移、伸缩因子和网络边的权值难以确定。于是提出采用蚁群算法对小波神经网络控制器中的各参数进行学习训练。仿真试验表明经过蚁群算法训练出来的参数正确率较高,训练时间较短,且所得到的模糊小波神经网络控制器具有较强的范化能力和自适应功能。     

水声通信中信号均衡的仿真研究

针对水声通信中多途效应和环境噪声对信号准确传输的严重影响,为取得水声准确信号,提出了一种果蝇优化正交小波自适应软约束常模盲均衡算法,优化水声通信系统中均衡器的性能,确保水下信号传输质量.用正交小波变换降低了信号的自相关性,加快了自适应软约束常模盲均衡算法(SCS-CMA)的收敛速度,减小了稳态误差,并利用果蝇算法的全局快速寻优能力进一步优化了均衡器性能.水声信道仿真结果验证了新算法的良好性能,信号可在复杂水声信道中准确传输.     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

小波高频子带变换裁剪阈值SAMP算法研究

文中首先针对离散小波变换（ DWT）破坏了低频逼近系数之间的相关性,导致重构质量变差的问题,提出小波高频子带变换（ HFSBWT）的稀疏表示方法。其次针对稀疏度自适应匹配追踪（ SAMP）算法的原子候选集在每次迭代时成倍增加造成存储空间浪费和重构时间变长等问题,提出裁剪阈值稀疏度自适应匹配追踪（ CTSAMP）算法。最后仿真结果表明：对于同一重构算法,小波高频子带变换的图像重构峰值信噪比提高3 dB左右。在小波高频子带变换稀疏表示后采用裁剪阈值稀疏度自适应匹配追踪算法,重构图像的性能有了明显的提高,重构时间缩短一半。     

改进的蝴蝶优化聚类算法

针对当前算法在求解聚类问题时存在精度低、速度慢及鲁棒性差等问题,提出一种改进的蝴蝶优化聚类算法,借鉴精英策略思想重新定义蝴蝶优化算法的局部搜索迭代公式,然后融合遗传算法的选择、交叉和变异操作.在1个人工数据集和5个UCI数据集上的测试结果表明所提出算法的性能,且与其他算法相比具有一定优势.     

一种实用的所有点对之间最短路径并行算法

针对有向图中每对顶点之间的最短路径问题,在基于扩充了路径矩阵的串行Floyd算法上,提出了二维网格结构上的并行算法。选用的任务划分方法为二维均匀块分配方法。该并行算法已经在NOW上的MPI平台上实现,理论分析和数值实验表明它具有较高的扩展性和并行效率。     

双向AC算法及其在入侵检测系统中应用

在经典的多模式字符串匹配算法-AC算法的基础上,提出了双向AC算法.该算法在预处理阶段构造正向和反向两个有限状态自动机,匹配时使用正向有限自动机从文本串中间位置向右扫描,同时依据反向有限状态自动机从中间位置向左扫描.将该算法应用于开放源码的入侵检测系统Snort中,实验结果表明较BM算法、WM算法和AC算法本算法有更好...     

基于遗传算法的分段Chen系统的参数估计

对比研究了单种群遗传算法和多种群遗传算法在分段Chen系统参数估计中的应用,通过构造一个合适的适应度函数,将Chen系统的多参数估计问题转化成一个多参数的寻优问题,利用遗传算法全局寻优性对其进行计算。仿真结果表明,相对于采用单种群遗传算法估计分段Chen系统参数,多种群遗传算法在准确性、鲁棒性方面具有明显的优势。     

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。     

混沌系统不稳定周期轨道的搜索算法

对混沌系统不稳定周期轨道(unstable periodic orbits,UPO's)的搜索算法进行了深入研究.首先分析了传统的Newton-Raphson算法(NR算法)及Schmelcher-Diakonos算法(SD算法)各自的优点和缺点.然后提出了一种新的UPO's搜索算法,称之为NR-SD算法.该方法集中了NR算法和SD算法各自的优点,能够在保证收敛全局性的条件下,极大地提高UPO's的搜索效率.此外,NR-SD算法采用了一种全新的初始点确定策略,该策略能够保证搜索到所有的长周期UPO's.最后借助于实例模拟验证了NR-SD算法的有效性,同时论证了周期p与p周期UPO's数目之间的关系.     

一种新的基于分水岭变换的聚类分析算法

提出了一种基于分水岭变换的聚类分析算法。该算法首先根据数据的密度信息把二维数据样本集转化成数字灰度图像,然后对该灰度图像进行分水岭变换,根据变换结果得到聚类结果。实验结果表明,该算法在准确度方面与传统的K-means算法相当,是一种完全无监督的聚类算法。     

基于曲线自适应和模拟退火的蝗虫优化算法

针对蝗虫优化算法容易陷入局部极值点、收敛速度慢、精度较差等缺点,提出曲线自适应和模拟退火蝗虫优化算法。首先,引入曲线自适应代替蝗虫优化算法关键参数的线性自适应,提高了算法的全局搜索能力;其次,在此基础上引入模拟退火算法,对蝗虫算法的劣势解具有一定概率的接收,使算法具有跳出局部最优,实现全局最优的能力。自适应缩小模拟退火中蝗虫位置随机解的范围,有利于进一步提高蝗虫算法的开发能力。通过测试函数测试,实验结果表明,改进的新算法具有更好的求解质量和收敛速度。     

基于Raft算法改进的实用拜占庭容错共识算法

针对应用于联盟链的实用拜占庭容错（PBFT）共识算法可扩展性不足、通信开销大等问题,提出了一种基于Raft算法改进的实用拜占庭容错共识算法K-RPBFT。首先,将区块链分片,使用K-medoids聚类算法将所有节点划分为多个节点簇,每个节点簇构成一个分片,从而将全局共识改进为分层次的多中心共识;然后,每个分片的聚类中心节点之间使用PBFT算法进行共识,而在分片内部使用基于监督节点改进的Raft算法进行共识。K-RPBFT算法的片内监督机制赋予了Raft算法一定的拜占庭容错能力,并提升了算法的安全性。实验分析表明,相较于PBFT算法,K-RPBFT算法在具备拜占庭容错能力的同时能够大幅降低共识的通信开销与共识时延,提升共识效率与吞吐量,并且具有良好的可扩展性与动态性,使联盟链能够应用于更广泛的场景中。