自适应回声对消的初期迭代统计学模型及改进算法

为减少滤波器长度,提出自适应滤波算法初期迭代统计学模型及改进的回声消除算法。提出的统计学模型分析了自适应算法迭代初期滤波器各系数的均值和方差。基于该模型提出的改进算法,先检测回声路径峰值,进而确定回声路径延时,然后以延时为中心,用一个短的滤波器辨识原回声路径活跃系数部分。用实际回声路径进行仿真,理论和实验结果均表明,新算法在迭代的前75～100步已可准确检测回声路径峰值并确定延时;而减少滤波器长度,可大幅提高自适应算法收敛速度并降低算法计算复杂度。     

基于语言模型的有监督词义消歧模型优化研究

词义消歧是自然语言领域中重要的研究课题之一。目前,有监督词义消歧方法已经是解决该问题的有效手段。但是,由于缺乏大规模的训练语料,有监督方法还不能取得满意的效果。该文提出一种基于语言模型的词义消歧优化模型,该模型采用语言模型优化传统的有监督消歧模型,充分利用有监督和语言模型两种模型的消歧优势,共同推导歧义词的词义。该模型可以在训练语料不足的情况下,有效的提高词义消歧效果。在真实数据上表明,该方法的消歧性能超过了参加SemEval-2007:task #5评测任务的最好的有监督词义消歧系统。     

基于KL散度的用户相似性协同过滤算法

大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了其他非共同评分信息的影响.该算法充分利用了用户的所有评分信息,提高了用户相似性度量的可靠性和准确性.实验结果表明,该算法优于当前主流的用户相似性算法,且在没有共同评分信息的条件下,仍能有效地完成用户相似性度量,解决了对共同评分项的完全依赖问题,具有更好的适应性.     

弱稀疏性下的欠定语音盲分离方法

针对语音信号的弱稀疏性,提出一种新的基于混合矩阵估计的欠定语音盲分离方法。该方法通过主成分分析检测只有一个源信号存在时的时频点并用于估计混合矩阵,从而克服语音信号稀疏性变弱时的影响,提高混合矩阵估计精度。结合子空间法重构源信号,进一步提高分离性能,并从几何角度证明子空间方法,仿真结果表明该方法的分离性能优于Cluster-UBSS,且鲁棒性更好。     

利用词性信息改进Katz平滑算法

对已有的N-gram平滑算法进行了系统地分析,分别实现了Absolute、W-B和Katz平滑算法.为解决传统Katz平滑算法在处理某些汉语固定搭配时无法进行概率折扣的问题,利用词性信息构造了新的折扣系数.新的折扣系数使词频越大,折扣越小,后接词越多,折扣越大,满足平滑算法对折扣系数的期望.试验结果表明:新的Katz平滑算法降低了N-gram模型的交叉熵,在汉语分词中应用改进的平滑算法也提高了分词结果的F量度.     

基于稀疏约束贝叶斯估计的相对波阻抗反演

地震道积分是一种利用地震资料进行的无约束反演技术,可以方便地得到地层的相对波阻抗,但采用稀疏反演的反射系数递推反演相对波阻抗,横向连续性差、可用性低。给出了一种基于稀疏约束贝叶斯估计的地震相对波阻抗反演算法,即在反射系数Cauchy概率分布稀疏约束下,基于贝叶斯最大后验概率估计,采用预条件共轭梯度法估计地震子波和反射系数,从而得到高分辨率的反褶积结果,进而得到高分辨率的相对波阻抗剖面。利用理论模型和实际数据对算法进行了验证,结果表明:基于稀疏约束贝叶斯估计的相对波阻抗反演方法可行;与直接法稀疏反演相比,预条件共轭梯度法稀疏反演精度高、收敛快、数值计算稳定。     

基于Curvelet变换的多次波去除技术

本文基于波动方程的自由表面多次波压制预测减去法,采用近期迅速发展的多尺度变换系统中的Curvelet变换替代减去法,收到了较好的效果。该变换具有最优稀疏约束条件,能使一次波在一组基函数上的投影能量尽可能小。其主要实现过程为:对地震记录数据进行Curvelet变换,以预测多次波的Curvelet域的系数为阈值,采用类似去噪的手段去除多次波。该方法能满足去除多次波过程的能量最小准则。文中在Curvelet算法数值实验中尝试了先把地震记录做Radon变换,并用Curvelet阈值法减去Radon域的多次波,再把去除了多次波的数据做反Radon变换即为多次波去除结果。数值实验结果表明,在Radon域进行Curvelet变换去除多次波的效果更好,并能更好地保留一次波的能量。     

一种欠定盲源分离中混合矩阵的估计方法

欠定盲源分离问题中基于源信号稀疏性的两阶段法中,混合矩阵估计的准确与否,直接影响源信号的恢复效果。文中提出了一种在稀疏域估计混合矩阵的新方法。该方法通过搜索稀疏域中同一直线附近的点,利用这些点重构出混合矩阵,避免了远离直线周边的点对估计混合矩阵的干扰,从而大大降低了计算量。仿真表明该算法性能良好。     

L1 Graph联合转换学习多观测样本分类算法

不同分布多观测样本分类问题中,训练样本和测试样本来自不同的域,针对如何利用转换学习提高不同分布多观测样本分类性能问题,提出L1 Graph联合转换学习的多观测样本分类算法。首先基于转换学习构建一种非负矩阵三因子分解框架,将其中不变信息作为源域到目标域的转换桥梁;其次,基于稀疏表示思路构造L1 Graph,自适应寻找数据近邻,保留样本及特征几何结构;最后,将两个互补目标函数联合到统一优化问题中,然后利用迭代算法解决优化问题,进而估计出测试样本类别。在USPS Binary数字数据库、Three Domain Object Benchmark数据库和ALOI数据库上进行对比实验,实验结果表明该方法的有效性,既提高了识别精度又保证了算法鲁棒性。     

MATLAB在通信系统仿真中的若干应用

在通信系统的设计与仿真中经常会碰到一些相似的基本问题，它们都可以建立相似的数学模型，并且用数学工具或仿真工具加以解决。文中以实际项目中3个不同的通信系统模型为例，说明了建立数学模型的过程并具体阐述了如何利用MATLAB设计语言所提供的各种函数加以实现。