A Gaussian Mixture Model-based regularization method in adaptive image restoration

A GMM （Gaussian Mixture Model） based adaptive image restoration is proposed in this paper. The feature vectors of pixels are selected and extracted. Pixels are clustered into smooth, edge or detail texture region according to variance-sum criteria function of the feature vectors. Then parameters of GMM are calculated by using the statistical information of these feature vectors. GMM predicts the regularization parameter for each pixel adaptively. Hopfield Neural Network （Hopfield-NN） is used to optimize the objective function of image restoration, and network weight value matrix is updated by the output of GMM. Since GMM is used, the regularization parameters share properties of different kind of regions. In addition, the regularization parameters are different from pixel to pixel. GMM-based regularization method is consistent with human visual system, and it has strong generalization capability. Comparing with non-adaptive and some adaptive image restoration algorithms, experimental results show that the proposed algorithm obtains more preferable restored images.     

基于全局最优的快速一致性点漂移算法

目前受到广泛关注和研究的一致性点漂移(CPD)算法是一种基于高斯混合模型的点模式匹配算法,虽然该算法具有较强的鲁棒性,但其存在局部最优性和收敛速度随点集大小增加而下降等问题。针对上述问题,该文提出了一种新的基于全局最优的快速一致性点漂移算法。该算法首先将点集进行正交标准形约简,利用约简后点集的重要性质,推导出不完全观测数据的对数似然函数在全局最优解附近凸函数区域的边界值,再以该边界值为基础,采用多重初始化策略来实现全局最优。最后,提出了基于置信域的全局收敛二次平方迭代期望最大化算法,实现了全局优化算法的超线性收敛。模拟仿真与真实数据实验验证了该文算法是有效的、快速的以及鲁棒性较强的。     

基于GMM的语音情感信息识别

实际的研究表明,语音情感识别方法有多种.介绍了一种基于GMM的语音情感识别方法,包括该方法的优点、存在的问题或不足等,并对此进行了思考,给出了一些处理办法.     

引入新PLMN时的网络指示研究

从分析新引入PLMN带来的网络指示问题入手,着重阐述了SIM/USIM卡中的运营商PLMN列表、MM/GMM info通知、UE中的运营商PLMN列表等方案,并对各方案的可行性进行了探讨,并给出了建议。     

夜间近红外线视频监控图像人体目标检测

人体目标检测是很多机器视觉应用的难点,如安全视频监控和车辆辅助驾驶等,其检测方法多针对可见光图像,对夜间图像则少有涉及。夜间监控常使用近红外线摄像机,然而其所摄视频图像光线不均、噪声高、对比度差、色彩信息不足,此外夜间监控常伴有感应式照明设施,因此图像人体目标检测难度较大。提出双模式高斯混合模型,即分开建构开、关灯环境的背景高斯混合模式,并由检测感应式照明设施的开、关灯切换高斯模式。试验证明,双模式可较好地对近红外线视频图像中人体目标进行检测,但未对重叠人体目标检测进行分析,这有待于进一步研究。     

基于动词相似度的特征分类方法

本文提出了一种新的说话人特征分类方法,基于计算动词相似度理论,建立距离和趋势的评价模型,通过计算特征向量与k-means算法聚类所得的聚类中心的相似度矩阵,将说话人个性特征从MFCC特征域映射到说话人相似度属性空间中,形成新的特征向量集,这样,每个说话人的特征向量将被聚为在距离和变化趋势上最具相似性的k分类。之后,利用GMM模型在属性空间内进行联合概率分析、匹配,建立新的说话人识别系统。本文采用标准TIMIT语音库与NIST语音库在该识别系统中进行一系列实验,结果表明,该基于新的优化特征分类的识别系统,对比传统的说话人识别系统,在等错误率上有很好的提高。     

基于小波包分解的抗噪说话人识别特征参数

为了提高说话人识别中语音特征参数的鲁棒性,提取了新的特征参数DWT-MFCC,在提取该参数时利用了新构造的阈值函数,并基于高斯混合模型的说话人识别系统进行实验。实验结果表明,相对于传统的MEL倒谱系数（MFCC）参数,在相同的噪声环境下,DWT-MFCC参数具有更高的说话人识别率。     

基于幅度压缩滤波的清浊音分类及基音估计

该文针对传统算法在实环境(不同噪声类型和信噪比)下容易发生清浊误判和基音估计错误问题,提出一种基于幅度压缩基音估计滤波(PEFAC)的清浊音分类及基音估计方法。首先,通过PEFAC削弱语音的低频噪声,提取出基音谐波;然后,采用基于对称平均幅度和函数的脉冲序列加权算法(SIM)确定谐波数目;最后,利用动态规划估计出基音,用基于3元素特征矢量的高斯混合模型对清浊音进行分类。仿真结果表明,在实环境下,所提方法能有效抑制清浊误判及基音估计错误现象的发生,性能优于传统方法。     

基于MVQM的说话人识别的研究

提出了一种新的说话人识别方法。该方法综合了VQ和GMM的优点,通过用VQ误差尺度取代传统GMM的输出概率函数,减少了建模时对训练数据量的要求,提高了识别速度。实验结果证明了该方法的有效性。     

FBG电流互感器非线性校正系统研究

为了提高电流互感器的测量精度,减小相位误差 ,研究了基于现场可编程门阵列(FPGA)的光纤光栅(FBG)电流互感器非线性校正系统,分析 了超磁致伸缩材料GMM,giant magnetostrictive material)的 磁滞特性,采用参数可变曲线拟合法实现数据的非线性校正处理。通过FP GA完成数据采集、 滤波、缓存、分频、校正处理和数据转换等单元的设计,实现了对电流互感器输出信号的实 时非线性校正,减小了GMM的磁滞特性对FBG电流互感器的影响,使电流互感器的 相位误差由7°降为1°,幅度误差小于1%,提高了电流测试系统的测量精度。