非线性系统神经网络辨识的鲁棒BP算法

讨论系统辨识神经网络算法的鲁棒性问题。通过构造新的动态鲁棒目标函数得到的ＲＢＰ算法，能不断估计逼近精度，自动将品质好的样本置于强化学习域，并能有效地抵抗噪声干扰。实验结果表明，该算法具有鲁棒性强、收敛快、计算方便等特点。     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

基于CIM的偏差补偿稀疏NLMAD算法研究

为了解决输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿NLMAD(Normalized least mean absolute deviation, NLMAD)算法。 利用NLMAD算法可有效抵御脉冲输出观测噪声的优势,首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题。再次考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法CIMBCNLMAD。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其它自适应滤波算法,说明该方法具有强的鲁棒性且可应用于工程实践。     

一种新的线性分布参数系统辨识方法

本文应用块脉冲函数（ＢＰＦ）将含有未知参数的线性分布参数系统偏微分方程转换为矩阵方程，通过最小二乘法辨识线性分布参数系统的参数，辨识结果表明，ＢＰＦ辨识法具有原理简捷，实现方便，辨识精度高等优点。     

基于系统辨识的神经网络鲁棒性研究

给出了神经网络鲁棒性的概念,基于系统辨识的 ＢＰ网络、 ＲＢＦ网络和 Ｅｌｍａｎ网络的鲁棒性问题进行了分析和研究。仿真结果表明,神经网络用于非线性系统辨识有其广阔的前景。     

状态空间子空间方法处理闭环系统辨识

本文给出一个由闭环数据辨识状态空间模型的算法，此算法可辨识带有严重噪声干扰和延迟的稳定及不稳定系统，并已为数学理论及实验结果所验证。     

基于机器学习算法的电子音乐信号辨识模型

电子音乐音乐信号辨识是一个种模式识别问题,当前音乐信号辨识方法存在误差大、速度慢,抗噪鲁棒性差等缺陷,为了提高音乐信号辨识正确率,提出了一种基于机器学习算法的电子音乐信号辨识方法.首先对电子音乐信号进行采集,并引入去噪方法对其进行预处理,抑制噪声对音乐信号辨识的干扰,提高抗噪鲁棒性,然后从去噪后的电子音乐信号中提取能够...     

L1鲁棒辨识中的一般中心估计算法及其特例

本文分析具了Ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息未知系统的脉冲响应函数控制稳定，并且假定实验数据具有噪声干扰的，本文提出了一般中心估计算法并分析了最不利情况的误差界限，并进一步研究了在某些特殊情况下，中心估计的简单求法及其性质，本文所给算法和辨识结果是面向鲁棒控制的。     

有色噪声背景下的正交子空间辨识

针对传统子空间辨识中存在的有色噪声干扰问题,本文提出一种正交子空间辨识方法.首先,根据子空间辨识算法机制构建含有色噪声的扩展状态空间模型.然后,结合有色噪声的相关性分析,研究了传统子空间辨识方法的有偏性问题,并重新设计了投影向量和正交投影方式,用以消除有色噪声干扰.最后,对投影后的数据矩阵进行奇异值分解,获取广义能观测矩阵,进而求得系统的状态空间模型参数.仿真结果表明该方法在有色噪声干扰下是一致无偏的,并且具有渐进二阶统计特性.结合陀螺仪的具体实验结果表明,该算法在实际应用中具有比传统子空间辨识法更高的辨识精度.     

用于辨识建模中的神经网络

本文重点讨论正向辨识建模，提出了一种基于ＢＰ网络的改进的ＢＰ神经网络（ＩｍｐｒｏｖｅｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ简称为ＩＢＰ）用于正向建模的方法。并以非线性的具有滞后的系统为例进行了仿真，对采用常规的ＢＰ网络和ＩＢＰ网络用于正向辨识建模的情况进行了比较，得出了比较理想的结果     

改进的多窗谱MFCC在说话人确认中的应用

语音中存在加性噪声降低了MFCC参数的鲁棒性,使得说话人确认系统性能下降。多窗谱MFCC引入了多窗谱估计技术在增强 MFCC 特征的噪声鲁棒性上取得了一定效果,但改善的程度有限。为了使 MFCC 参数对噪声具有更强的鲁棒性,提出了一种改进的多窗谱 MFCC 提取算法。改进算法在多窗谱 MFCC 的基础上引入谱减思想,谱减法（Spectral Subtraction, SS）能够增强语音并降低噪音的干扰。因此,采用了Multitaper＋SS组合的改进算法融合了两者的优势,具备了更好的性能。仿真结果表明,当测试语音中含有加性噪声时,与多窗谱 MFCC提取算法相比,采用改进的多窗谱 MFCC 的说话人确认系统性能在等错误率 EER 和最小检测代价函数值minDCF两项评测指标上都取得了更好的结果。     

二值指纹图像方向图算法

在指纹自动识别过程中,指纹的纹理特点决定了方向信息的重要性。图像的增强、二值化、分割、模式分类以及压缩等许多地方,都用到了方向信息。方向图是方向信息的表示方法,方向图的准确性决定了自动识别过程中各种算法的效果。本文在二值化处理的基础上,提出了一种不受背景干扰的指纹图像方向图算法,能够准确地反映了指纹模式区的纹理方向。实验证实我们的算法具有良好的鲁棒性,可用于二值化的后期处理。     

基于星三角形外接圆的星图识别算法

三角形外接圆半径能部分描述三角形的结构特征,在三角形两条边长及其外接圆半径已知的情况下,可以确定唯一的三角形,因此提出了一种基于三角形外接圆的星图识别算法。构建了导航星数据库,以特征三角形为匹配模板,减少了导航星三角形的数量,从而减小导航星数据库容量。为了提高搜索效率,以特征半径为搜索量,并对其进行升序排列。通过对特征半径的匹配,缩小了角距匹配的范围,提高了角距匹配的速度,同时采用的多三角形的组合有效地提高了识别率。为了保证星图识别的准确性,引入了验证识别环节。仿真结果表明:当存在2像元的位置噪声时,识别率大于97.42%,平均识别时间为38.41 ms,实时性与鲁棒性均优于传统三角形星图识别算法。     

An extended PUMA algorithm for multibaseline InSAR DEM reconstruction

Phase unwrapping (PU) is one of the key processes in reconstructing the digital elevation model (DEM) of a scene from its corresponding interferometric synthetic aperture radar (InSAR) data. In contrast to traditional single-baseline PU, the multibaseline PU does not require phase continuity, which is useful when reconstructing the DEM in cases where the topography varies sharply. However, the performance of the multibaseline PU is directly related to the noise level, whereas the single-baseline PU algorithm has favourable noise robustness since it is based on the global wrapped phase information, e.g. the PU-max-flow (PUMA) algorithm. To improve the noise robustness of the multibaseline unwrapping process, we extend the single-baseline PUMA algorithm in this paper to a multibaseline domain, referred to as the multibaseline PUMA algorithm, which allows the unwrapping of multibaseline interferograms to generate the DEM. The proposed algorithm is less influenced by the phase continuity assumption by taking advantage of the multibaseline diversity and improves the noise robustness by using the global wrapped information from both single- and multibaseline domains. The performance of the proposed algorithm is tested on both simulated and real InSAR data experiments to demonstrate the effectiveness and noise robustness of the proposed algorithm.     

结合网格编码的固定鲁棒性嵌入水印算法

将网格编码技术与固定鲁棒性嵌入相结合提出了一种新的网格编码水印算法。该算法将带边信息的编码和带边信息的嵌入技术相结合,首先运用脏纸网格对水印信息进行编码,然后计算使水印系统归一化相关检测系数降到给定阈值时所能抵抗的噪声幅度,并将其作为鲁棒性参数,在恒定的鲁棒性参数下利用规格化正交嵌入水印,用维特比算法进行水印检测。实验结果表明,该算法有效地提高了基于网格编码的数字水印系统抵抗高斯噪声和幅度缩放的能力。     

噪声条件下的运动模糊参数同步辨识的新算法

在噪声污染的情况下,匀速直线运动模糊图像频谱中的暗黑色条纹变得模糊甚至消失,根据暗黑色条纹的特征来估计运动模糊参数的方法将失效。由此,提出了一种噪声条件下的运动模糊参数同步辨识的新算法,该算法以运动模糊图像频谱作为研究对象,首先利用区域生长算法提取频谱中白色长条区域的轮廓,再计算其最小面积外接矩形,根据最小外接矩形的长度、宽度及倾斜度等参数同步估计运动模糊参数：模糊方向与模糊尺度。实验结果表明,对不同信噪比、不同模糊方向和模糊尺度的运动模糊图像,该算法可以较精确地估计出模糊参数,且具有很好的抗噪声鲁棒性。     

Robust Bounding Ellipsoidal Adaptive Constrained least-squares algorithm and its performance analysis

In this paper, the robust Bounding Ellipsoidal Adaptive Constrained least-squares (BEACON) algorithm based on new set-membership error bounds is proposed to improve robustness and steady-state misalignment in impulsive noise environments. The expressions for the steady-state excess mean square error (EMSE) of the proposed robust BEACON are obtained. Simulations on system identification and double-talk scenarios show that the robust BEACON algorithm considerably outperforms the traditional BEACON algorithm in the presence of impulsive noise and the theoretical predictions are in good agreement with simulation results.     

基于混合滤波LBP和PCA的掌纹识别

针对基于局部二值模式(LBP)的掌纹识别易受噪声影响,导致算法鲁棒性下降,提出一种结合混合滤波LBP(HFLBP)和主成分分析(PCA)的特征提取方法.从滤波和特征提取的角度对传统LBP算法进行改进,先对图像进行去噪处理,然后对掌纹图像进行分块,提取LBP直方图特征向量,并通过PCA算法对特征向量进行降维,最后利用欧氏距离匹配.在香港理工大学PolyU图库和PolyU噪声图库上与几种典型算法进行对比实验,实验结果表明,本文算法分别获得最低等误率为1.1405％、4.0101％,有效地提高了识别率和鲁棒性,具有很好的应用前景.     

一种基于改进客观聚类分析的模糊辨识方法

针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一种基于改进客观聚类分析的模糊辨识方法.首先引入并改进了客观聚类分析法,克服了迭代导致的规则数冗余,降低了人为因素对聚类结果的影响,从而减小了计算量并提高了鲁棒性;然后结合模糊聚类和稳态卡尔曼滤波法,分别辨识了前提和结论参数;最后通过Box-Jenkins仿真实例验证了所提方法的有效性.