一种基于LMS改进算法的语音增强方法

LMS算法在自适应滤波器中得到广泛应用,但这种方法具有收敛速度慢,步长需要谨慎选择才能达到收敛和失调的折中等缺点。文章把一种变步长的LMS算法应用到语音增强中,此算法通过建立步长因子μ与迭代次数n之间的一种函数关系提出一种新的变步长LMS算法,在迭代过程中在开始时采用大步长参数进行迭代,达到稳态后减小步长参数。仿真结果证明该方法对带噪语音有明显的去噪效果,有效地提高了语音的清晰度和可懂度。该算法明显优于传统LMS算法,较之提高了收敛速度并减小了稳态误差。     

低信噪比下基于新型变步长LMS的自适应滤波算法

为了提高现有的变步长LMS算法在低信噪比环境下的滤波性能,提出了一种新的变步长LMS自适应滤波算法。该算法利用加入补偿项的误差相关值估计与前一时刻步长因子的组合来调节步长,提高算法的抗噪声干扰能力和收敛速度;并将步长因子的传统固定约束范围改为动态约束范围,使步长变化趋于平滑,降低系统的失调误差;同时对系统的权向量迭代公式进行更新,提高了算法的输入范围。从理论分析和仿真实验两方面可以看出,新算法与现有的变步长算法及标准LMS算法相比,在信噪比较低的条件下收敛速率、抗扰能力、稳态失调噪声方面都有很大的改善,证明所提算法是有效、可行的。     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

一种基于改进LMS算法的语音消噪方法

为了提高LMS自适应滤波算法的性能,在对一些变步长LMS算法进行分析的基础上,提出了一种改进的变步长LMS算法。利用所提出的算法对被噪声污染的语音信号进行了消噪仿真实验,并进行了主客观性能测试。仿真结果与性能测试分析表明,采用本算法消除噪声后的语音基本接近原始语音。     

一种改进的LMS算法及其在噪声对消中的应用

在分析传统定步长LMS(Least Mean Square)算法和变步长LMS算法的基础上,提出了一种改进的变步长LMS算法.新算法利用瞬时误差绝对值三次方的指数形式和遗忘因子同时调整步长,更好地解决了收敛速度和稳态误差的矛盾.将三种算法均用到噪声对消中进行比较,仿真结果表明:新算法收敛速率优于传统定步长LMS算法和变步长LMS算法.     

改进的LMS算法自适应滤波器的DSP实现

分析了变步长LMS算法自适应滤波器基本原理,使用MATLAB对其进行仿真,并应用SZ-EPP5402评估板进行了DSP实现,结果表明,变步长LMS算法能够克服固定步长LMS算法的矛盾,具有较快收敛速度与较小稳态误差.     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

易于硬件实现滤除ECG信号运动干扰的变步长LMS算法

针对移动心电(ECG)信号监测系统中运动干扰难以滤除的问题,提出了一种易于硬件实现的数字自适应变步长最小均方(LMS)算法.通过简化步长因子与输入信号的关系,减少了权值更新系统的运算量;分析传统LMS算法收敛性不稳定的问题,结合迭代次数优化步长因子,提高了算法的收敛性能.对比传统LMS算法,所提算法在运算量增加微小的情况下,收敛性能大幅提升,信噪比(SNR)增加大于14dB.仿真结果表明:算法在心电信号进行实时硬件集成滤除运动干扰方面具有运算量小,滤波效果好等优点.     

基于双曲函数的变步长LMS算法及其分析

提出一种基于双曲函数的变步长最小均方(LMS)算法.通过对双曲余弦函数进行数学变换,建立起误差信号与步长因子的LMS算法,根据误差信号的变化来自动调节步长的大小.仿真结果证明:所提出的LMS算法比标准的LMS算法有着更快的收敛速度等优点.     

步长随输入信噪比变化的LMS算法

介绍了归一化最小均方误差(LMS)算法,分析了它在平稳环境噪声下步长不能自动调整的弊端。然后提出了步长随输入信噪比变化的LMS算法,分析了步长调整规律。根据该算法在噪声抵消的起始阶段收敛性能差并可能出现发散的现象,对该算法进行了修正,即在起始阶段采用归一化LMS算法,之后利用步长随信噪比变化的LMS算法。通过对语音信号的消噪仿真,表明修正的步长随输入信噪比变化的LMS算法收敛性能好,输出信号的信噪比有了较大的提高。     

基于复合形法的聚类遗传算法

针对标准遗传算法的未成熟收敛问题和局部收敛能力不佳等情况,提出一种基于复合形法的聚类遗传算法。通过使用复合形法结合聚类小生境技术对传统的遗传算法进行改进,得到基于复合形法的自适应聚类遗传算法（NCGA）。该算法使用FORTRAN语言进行编程,通过使用三种复杂的测试函数对其性能进行测试,并与自适应遗传算法（AGA）进行了性能比较,还分析了初始种群的优劣对算法性能的影响。测试结果表明：对于遗传算法的改进效果明显,在遗传算法中融入复合形操作能明显增强遗传算法的局部搜索能力,且聚类技术使得遗传算法的全局搜索能力得到显著增强,反向学习操作的添加能增强算法的稳定性。改进后的遗传算法的性能明显好于传统的遗传算法。     

基于多种群粒子群算法和布谷鸟搜索的联合寻优算法

为了提高动态多种群粒子群(DMS-PSO) 算法的全局搜索能力, 将布谷鸟搜索算法(CS) 引入DMS-PSO 算法中, 提出DMS-PSO-CS 算法. 采用中位数聚类算法将整个种群动态划分为若干小种群, 各个小种群作为底层种群通过PSO 算法进行寻优, 再将每个小种群中的最优粒子作为高层种群的粒子通过CS 算法进行深度优化. 将所提出算法应用于CEC 2014 测试函数, 并与CS 算法和其他改进的PSO 算法进行比较. 实验结果表明, 所提出算法能够显著提高全局搜索能力和算法效率.

     

一种改进的基于序列的超分辨率图像重建算法

该文提出了一种基于多帧的NEDI超分辨率图像重建算法。该算法先利用POCS方法将多帧序列的运动估计补偿到低分辨率图像中,然后再利用NEDI方法对补偿后的图像进行超分辨率图像重建,通过实验仿真证明该算法是有效的。     

三音素模型的维吾尔语最佳文本选取算法

利用上下文关联的思想,提出了三音素模型的大型句子文本库中选取最佳句子文本的算法,充分考虑了每个句子涵盖的不同三音素模型,利用贪婪算法去除了众多句子之间的冗余度,从而达到了选择文本容量最小化的目标。通过C#语言实现了本算法,给出了算法流程和算法性能分析,结果表明此算法的有效性和实用性。     

SIFT算法在点云配准中的应用

提出一种精确有效的点云配准算法。通过对图像进行SIFT特征检测与匹配来获得特征点与匹配关系,用RANSAC算法剔除误匹配点,然后由映射关系获取三维对应特征点,采用投票法来进一步剔除误匹配点。在由单位四元数法获得点云初始位置关系的基础上,采用基于特征点的改进ICP算法来实现精确配准。通过实验验证,该算法在点云配准中具有速度快和稳定性好的特点。     

红外图像分割算法分析

根据红外图像的特点,提出了一种测量目标红外辐射面积的算法。采用二维otsu算法和变闽值统计平均算法的目标图像进行分割算法,采用均值算法和中值算法去除图像噪声,采用二维otsu算法初二值化去噪后图像,在以此阂值为基准变换闽值得到一组二值化后图像,统计平均二值化后的图像,设定阀值得到最终二值化结果,在结合原图像得到分割结果。最后通过与一维和二维otsu图像分割算法试验比较,验证了此算法的有效性。     

实时运动对象分割和检索算法

提出一套实时视频对象分割检索算法,用运动矢量信息标注运动区域,利用背景检测算法检测对象区域。将检测出的对象区域和运动区域进行并操作运算,得到单帧图像的分割。利用改进的Hausdorff距离跟踪算法进行匹配跟踪和检索。实验表明了该算法的有效性。     

基于相参处理的宽脉冲信号参数估计快速算法

提出了一种宽脉冲信号参数估计快速算法,利用抽取的方法来降低宽脉冲信号参数估计的计算量。首先,对宽脉冲正弦波信号进行抽取构造相参脉冲串,利用相参脉冲频率估计算法进行频率估计。其次,对于宽脉冲线性调频信号,对其做延时相关之后即可转化为宽脉冲正弦波信号,然后在上述抽取和相参处理方法的基础上即可得到宽脉冲线性调频信号参数估计值。性能分析和仿真结果表明,该算法在保证一定的参数估计精度前提下,大大降低了算法的计算量,有利于宽脉冲信号参数估计的实时处理。     

一种基于演化算法的BP改进算法

本文在对BP神经网络算法分析的基础上,提出一种基于演化算法的BP改进算法(EBP)。该算法将演化算法运用到BP算法学习率的求解中,从而达到学习率的自适应、自组织的目的。实验结果表明,使用EBP算法进行求解函数逼近、优化和建模等BP神经网络应用问题,都要比传统的BP算法具有更好的精确度和收敛速度,并且能够克服传统BP算法易陷入局部最优解、学习过程出现震荡等缺点。     

时空相关矩阵联合对角化对空间谱分辨性能的影响

采用基于Jacobi算法的矩阵联合对角化方法对阵列接收数据的空时相关矩阵进行联合对角化,得到空时相关矩阵“平均”特征值扣特征向量。将这些平均值应用于Capon提出的最小方差无畸变响应（MVDR）空间谱估计算法,得到修正MVDR算法。仿真实例表明,修正MVDR算法优于常规MVDR算法,当信号源部分相关时,由于修正MVDR算法不需要信源数目的先验信息,其性能明显优于MUSIC算法,特别是当信源数目欠估计时。