基于重复模式的Web信息语义表示方法的研究

根据Web页面中出现的重复信息对Web页所体现的语义进行表示,可以提高Web页分类正确的精度.基于这一思想,本文通过对传统重复模式表示法的分析,提出基于重复模式的Web信息语义表示法.该方法在形式化描述重复模式的基础上,抽取Web信息中的重复模式建立表达Web信息语义特征的相关矩阵,并通过γ相似匹配算法计算重复模式的权重继而进行Web信息分类.实验证明,采用基于重复模式的Web信息语义表示法能够较好的体现Web网页信息的主题特征,可以提高Web信息分类的准确率.     

多径簇产生的阵列天线输出及其测向误差分析

在分析了单一来波多径簇与单一来波信号所产生的阵列输出自相关矩阵之间差别的基础上,通过引入平均误差角度及误差角度均方根扩展,讨论了单一多径簇来波方向估计结果与其中心角度之间的差异.通过数值计算,具体分析了多径簇的入射中心角、角域分布范围等因素对来波方向估计结果的影响.     

采用二阶特征窗的语音盲分离方法

利用语音信号的短时平稳特性,提出了一种二阶特征窗语音盲分离方法。该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响;用长度等于语音信号基音周期的等距特征窗连续分割预白化观测数据,在每个加窗的数据帧计算不同的时滞协方差矩阵。利用联合近似对角化时滞协方差矩阵集合得到旋转参数,最终达到语音信号的盲分离。该方法消除了有色噪声的影响,只需用到二阶信息就能很好地分离语音信号。仿真实验验证了该方法的有效性。     

基于蚁群算法的产品配置方法及其应用

为了更有效地解决产品配置优化问题,建立了基于相关矩阵的多目标产品优化配置模型,运用了改进的层次分析法计算各目标权重,提出了一种基于蚁群算法的产品配置求解方法,并在C#环境下进行了仿真实验,利用多次实验优化了算法参数。实验结果表明,该方法能有效解决产品配置求解问题,具有一定的理论参考价值和实际意义。     

非均匀组阵中基于互相关矩阵信息挖掘合成算法

针对天线组阵中常用的合成算法在非均匀组阵下合成性能较差的问题,提出了一种基于互相关矩阵信息挖掘的合成算法。该算法根据最优权值幅度与各路噪声功率之间的关系,并结合利用互相关矩阵交替迭代估计合成权值与噪声协方差矩阵,得到最佳复权值向量。理论推导与仿真结果均表明,该算法近似等价为基于MSNR准则的Eigen算法,在非均匀组阵中的合成权值幅度接近于理论值,合成损失明显低于现有算法,而且收敛速度、运算量与现有文献算法相当,在"异构/异地"组阵中具有重要的工程应用价值。     

用于扩频码型估计的改进自相关矩阵构造算法

子空间理论中被用于奇异值分解或特征值分解的自相关矩阵,通常可表示为接收向量与其自身转置的乘积。提出了自相关矩阵的新型构造算法。该算法构造的自相关矩阵,特征值分解后其对噪声不敏感,克服了常规子空间方法的弱点。仿真试验表明,该方法应用在高噪声、低信噪比的实际通信环境下,特征值不会被噪声湮没,从根本上解决了传统子空间分辨率不足的问题。同时,仿真表明,该方法对于多用户扩频信号同样适用,可解决多用户扩频信号的码元分离问题,其计算结果与理论计算一致,验证了算法的正确性。     

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆(SMI)算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构(CMR)算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构(TCMR)算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。     

基于瑞利多径衰落信道的信号包络频谱感知

为提高信号采样值之间的相关性和降低噪声对感知性能的影响,该文提出基于信号包络自相关矩阵的频谱感知算法。首先对采样信号等间隔时长截取,以相邻间隔的采样值计算信号自相关性,并构造出近似自相关矩阵。其次依据矩阵次对角线元素性质构造了统计量。分别计算了该统计量的检测概率分布函数与虚警概率分布函数,分析了频谱感知算法的检测性能,算法优化了信号相关性的计算,降低了噪声对感知性能的影响。最后通过仿真验证了不同参数对检测概率和虚警概率的影响,并提出了进一步提高检测性能的措施。     

基于前向空间线性预测的声源时延估计算法

在带有混响和噪音的复杂环境中,传统广义互相关时延估计算法的抗噪能力弱、时延估计精度低。为解决该问题,基于前向空间线性预测技术,提出一种时延估计算法。结合多传感器提供的冗余信息与空间相关矩阵,改进不利声学环境下的声达时间差估计方法。采用空-时预测法,根据麦克风阵列输出中包含的语音信号源的空间和时间相关性,在抑制多麦克风噪声的同时最小化语音失真。仿真实验结果表明,与传统广义互相关时延估计算法相比,该算法时延估计错误率更低、稳定性更强。     

基于显著性的自适应分块压缩感知算法

现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息,优化算法。鉴于此,提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础,采用确定性正交对称托普利兹矩阵对目标图像进行测量,提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置,并结合不同重构算法进行了分析和验证。实验表明,所提算法策略在多项指标上较传统算法具有更好的表现,易于硬件实现,针对不同重构算法和测试图像具有普适性和稳定性。