基于线性预测的自适应语音压缩感知

该文介绍了压缩感知在语音信号处理中的应用,利用语音信号经过线性预测分析,其残差信号近似认为是稀疏的特性,因此语音信号的稀疏变换基可由线性预测系数构成.同时根据语音帧之间的相关性,该文提出了自适应LP基.实验结果表明该文构造的自适应LP基与非自适应LP基相比,减少了传输量,同时保持重构性能基本一致,且优于DCT基.     

自适应估计算法的系统辨识及DSP实现

介绍了自适应估计算法在系统辨识过程中的应用,通过滑动平均迭代估计法实时的估计系统输入的自相关矩阵及输入与输出的互相关向量,来不断更新自适应滤波器的权值。该算法有更好的稳定性及低的复杂度,在工程实践中有很好的应用性。     

粒子滤波和正则粒子滤波算法性能研究

主要介绍了解决系统状态估计问题的滤波算法。在提出非线性高斯系统模型的基础上着重阐述了扩展卡尔曼滤波(EKF)、粒子滤波(PF)和正则粒子滤波(RPF)算法。对这三种算法在不同的噪声条件下的估计性能进行了仿真分析。结果表明,在非线性高斯系统中,PF和RPF的估计性能远比EKF的估计性能要好,由于RPF是从离散分布中重构其近似连续分布,再从该连续分布中采样粒子,估计性能比PF要好,尤其在小噪声的环境下,估计性能更加稳定。