一种语音与背景乐音信号盲分离优化算法

在盲分离算法中,许多智能优化算法被应用,以克服独立性准则函数的优化进入局部最优位置,但这些优化算法的性能依赖控制参数的选择。因此,提出利用一种单参数的纯随机搜索的单形进化优化算法(Surface-Simplex Swarm Evolution,SSSE),克服算法参数对优化算法性能的影响,提高盲分离算法的应用有效性,并将该改进盲分离算法应用于语音与背景乐音信号的盲分离。实验中,以四阶累积量作为独立分量分析(Independent Component Analysis,ICA)中的准则函数。实验结果表明,该改进算法有效分离出语音成分与背景乐音成分,而且在稳定性和分离效果方面具有较好的性能。     

组件化网络安全管理系统关键技术研究

为了对不同厂商、不同类型的网络安全产品进行集中管理,文章将XML和组件化技术引入到网络安全管理技术当中,提出了一种基于WEB的集中式网络安全管理系统的构造方案,并对该系统的整体架构和关键技术等内容进行了详细阐述。     

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

基于多分辨分析的红外/被动毫米波图像主成分融合

红外/毫米波(IR/MMW)复合制导是当前发展多模复合制导技术的热点方向。针对红外探测系统在低能见度条件下穿透能力有限,而被动毫米波探测虽然穿透能力较强、但图像分辨率不高的问题,为了更好地进行红外与被动毫米波图像融合,使得复合探测器能够全天候工作,提出一种新的基于多分辨分析的主成分融合方法(M-P)。利用多分辨分析可以按图像的分辨率空间很好地处理信息的优势,M-P融合方法首先对红外与被动毫米波探测的坦克群图像进行分解去噪;对重构后图像分别进行主成分变换;用高分辨率图像的第1主分量代替低分辨率图像的第1主分量;最后做逆主分量变换来得到最终的融合图像。实验仿真结果表明,与PCA方法比较,新方法融合得到的图像能更好地区分坦克群目标和地物背景。     

基于Fast-ICA的周期长码直扩信号盲扩频码估计

在分析周期长码（Periodic Long-Code,PLC）直扩信号（Direct Sequence Spread Spectrum,DSSS）虚拟多用户模型的基础上,提出了一种新的周期长码直扩信号模型.该模型不仅适用于已经进行了同步的周期长码直扩信号,也适用于尚未进行同步的周期长码直扩信号.在新模型的基础上,提出了一种基于Fast-lCA的盲同步和扩频码估计方法.理论分析和仿真结果验证了该方法的有效性.     

雷达信号处理模块组件化设计与仿真

为有效提高雷达系统仿真效率,本文提出了一种雷达信号处理模块组件化设计方法。所提方法首先根据雷达信号处理各流程的独立性建立信号处理功能组件库;在此基础上根据所仿真雷达对象进行组件的选择与拼接可灵活构建出所需信号处理模块。最后通过基于Visual Studio 2013平台中构建的雷达组件化信号处理模块的系统试验证明了所提方法的有效性。     

PWB技术路线图

概述了“2003年度版日本安装技术路线图”中的PWB技术路线图,其中包括母板路线图、基板路线图和埋入元件PWB的动向。     

构件重用技术在雷达软件中的应用

随着雷达软件系统技术的发展 ,软件规模、复杂度也越来越大 ,对开发、调试、功能升级等带来难度。文中提出了利用构件技术开发雷达软件系统的思想 ,并给出利用构件技术研制雷达软件系统的基本思路     

基于主元分析的多变量统计过程的故障辨识技术

为了更好的进行故障检测与诊断，介绍了主元分析理论，给出了基于主元分析的过程故障辨识机理及策略。仿真实例表明，利用此方法建立的故障诊断模型，能够在不依赖过程机理的前提下高效抽取原始数据空间的主要变化信息，对过程的非正常变化做出反应，同时还能较正确地找出发生故障的原因以及相应环节。     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的“丢弃”其他非主成分因子,在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。