【摘 要】
：
提出了一种新的基于细菌觅食优化的盲信号提取算法。采用负熵作为信号提取的目标函数,利用球坐标变换原理将对提取向量的求解转换为对旋转角度的求解。使用改进的细菌觅食优化算法对目标函数进行优化求解,从而实现对源信号的盲提取。通过多次提取和去相关消源过程,可以实现对所有源信号的成功提取。对多路语音信号混合后的盲提取实验验证了所提出算法的有效性。
【机 构】
：
天津商业大学信息工程学院,天津大学电子信息工程学院,河北工业大学信息工程学院
论文部分内容阅读
提出了一种新的基于细菌觅食优化的盲信号提取算法。采用负熵作为信号提取的目标函数,利用球坐标变换原理将对提取向量的求解转换为对旋转角度的求解。使用改进的细菌觅食优化算法对目标函数进行优化求解,从而实现对源信号的盲提取。通过多次提取和去相关消源过程,可以实现对所有源信号的成功提取。对多路语音信号混合后的盲提取实验验证了所提出算法的有效性。
其他文献
针对现有RFID三维定位算法在运算时间复杂度问题上,收集的信息量较大、对定位的效率影响比较大,满足不了较高的RFID实时定位系统要求,提出了一种拓扑约束的RFID三维定位算法,使用虚拟地标与拓扑约束相结合对标签进行定位。通过引入一种松约束减少读写错误的影响,同时增加定位的精度。仿真结果表明,算法在不增加移动读写器时,定位精度为间隔的20%左右;在增加移动式读写器情况下,静态读写器间隔6m时,其瞬时
针对BB84协议对存在窃听的有噪信道中进行量子密钥分配效率不高的问题,提出一种改进方案。新方案在发送方与接收方都加入类似签名的过程,能够很好地判断窃听的存在,并且窃听者只能获取少量的密钥信息,在保障传输过程安全的同时,提高了量子密钥分配的效率。
针对异步访存调度机制,设计一种细粒度化的调度方案以提升系统性能。该机制引入信号量和自旋锁,由异构核间协作运作,以实现对流级调度的局部加速。通过在一组测试程序集以及在对应平台上进行的实验,评估了引入该机制的加速效果,并分析了影响其性能的各种因素。
针对可视化语音以及虚拟说话人系统中对唇部和舌部动画的高逼真度要求,提出了一种基于运动轨迹分析的3D唇舌肌肉控制模型。该方法首先根据解剖学原理,建立基于网格和纹理的唇部、舌部模型。然后,根据分析唇部的运动轨迹,将口轮匝肌分解成两部分来联合控制唇部的运动,可以获得各种口型。在舌部的运动模拟中,将它的运动轨迹分解成一些机械运动的组合,通过使用四种肌肉模型来控制这些运动。最终实现了人脸嘴部说话时的各种口型
为了提高隐写术的安全性和嵌入效率,避免湿纸码(wet paper code,WPC)的局限性,提出了基于循环码的湿纸编码方法(wet-paper stego-coding based on cyclic-code,WSC)。利用生成矩阵研究了一种新的陪集生成方法,根据校正子与陪集的映射关系提出了WSC码构造方法,最后结合图像自适应隐写给出了基于WSC码的隐写流程并分析了隐写码的性能。实验和分析表明
http://sweb.cityu.edu.hk/cadcg2013第十三届"计算机辅助设计与图形学国际会议"(CAD/Graphics 2013)将于2013年11月16至18日在香港举行,本次会议由香港城市大学承办。会议与同在香港举行的计算机图形学重要会议ACM SIGGRAPH Asia2013(2013年11月19～22日举办)以及国际会议ACM SIGGRAPH VRCAI 2013在时
提出新的有效的位姿测量算法。该方法使用共面特征点,利用投影变换中的平行性约束等仿射不变量快速求得特征点摄像机坐标系空间深度值,并作为初值求解以特征点几何约束条件建立的无约束非线性最优化目标函数,保证最终解的精确性和收敛性。搭建实验系统验证了算法的有效性,并与最小二乘法进行比较,该算法有效减少了计算过程中的迭代次数,提高了运算速度。该结果为应用单目视觉进行工业实时在线测量提供了一种新的方法。
针对传统EM算法训练GMM不能充分利用训练数据所属高斯分量信息,从而在一定程度上影响说话人识别性能的缺陷,采用RPEM(竞争惩罚EM)算法训练GMM,并引入批处理RPEM算法解决RPEM算法运算量大、收敛速度慢的问题,同时针对RPEM和批处理RPEM算法训练时方差优化存在的问题进行了改进,提出了改进的批处理RPEM算法。在Chains说话人识别数据库上的实验表明,改进的批处理RPEM算法取得了相对
统计数据轨迹一般具有重视变化趋势、数据噪声较大、模式分布不同等特点,直接使用传统的聚类分析方法难有很好的效果。对此在K-means算法的基础上,分别采用了归一化处理、平滑处理以及关键峰匹配等方法处理上述三个问题,设计了一种解决系统使用轨迹模式分析问题的改进聚类方法。通过使用仿真数据与实际数据进行测试分析,在仿真数据上改进算法显著降低了聚类的错误率。在实际数据上,改进算法得出的聚类结果优于K-mea
针对相关算法在挖掘频繁闭项集时所存在的问题,提出了一种基于位运算的频繁闭项集挖掘算法。该算法首先将数据集转换成布尔矩阵,只需扫描数据集一次;通过位运算计算支持度,利用矩阵和数组存储辅助信息,减少时间和空间消耗;深度优先搜索产生频繁闭项集时利用剪枝策略进一步减少挖掘时间;利用同生项集性质进行闭合性检测,无须检查超集或子集。理论分析和实验结果验证了该算法的有效性。