低信噪比环境下的麦克风阵列语音识别算法研究

针对在低信噪比环境下语音增强对语音识别率的提升不明显的问题,提出一种用在识别系统前端的麦克风阵列增强算法。该阵列增强算法基于相干滤波和频率带宽波束形成后置改进维纳滤波器。首先将采集到的阵列信号,求相邻通道间的相关函数,利用阵元间信号的相关性进行初始噪声抑制,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信息的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音可懂度,最后用梅尔频率倒谱系数(MFCC)和隐马尔科夫模型(HMM)对增强后的语音信号做特征提取并识别。仿真过程模仿双耳采集数据,结果表明该语音增强方法在低信噪比环境下获得较好的增强效果,能有效的提高低信噪比环境下的语音识别率。     

无线遥测电子吊秤的系统设计

介绍了利用单片微机对无线遥测电子吊秤中称质量传感器的微伏信号进行自动测量、信号编码、无线遥测发射接收、信号实时处理、显示、打印等处理方法。采用无线传送称质量数据,使称质量物体操作更加简捷方便;在电路设计中,采用PPCM体制,使发射、接收功率大为降低,耗电非常之小;采用二次编码、解码技术发送接收,抗干扰能力显著提高;并且硬件电路软件,使硬件电路简单,性能价格比高。     

多传感器加权观测融合Wiener反卷积滤波器

基于Kalman滤波方法,应用加权观测融合方法,提出了全局最优观测融合Wiener反卷积滤波器。同集中式观测融合方法和分布式状态融合方法相比,不仅可获得全局最优Wiener反卷积滤波器,而且明显减小计算负担,便于实时应用。一个四传感器加权观测融合仿真例子说明了其有效性。     

基于用户非对称相似性的协同过滤推荐算法

针对传统协同过滤推荐算法的数据稀疏以及用户关系衡量不准确的问题,提出了基于用户非对称相似关系的推荐算法.利用用户的潜在特征的样本数量,结合奇异值矩阵分解,计算用户之间非对称的相似度,明确用户间关系.仿真结果表明,随着邻居数量的增加,该算法的平均绝对误差始终优于传统算法,误差值在邻居数量为40~60之间值为最小,约为0.682,传统算法平均绝对误差值约为0.758,可以看出该算法判断用户关系较为准确,预测评分比传统算法更接近实际评分.     

一种改进的图像中值滤波算法

为了满足图像预处理的实时性要求,提出一种基于前一帧图像的改进的中值滤波算法.充分利用相邻窗口间的相关信息,通过移出一列(或一行)像素并移入另一列(或一行)像素,而其余已排序像素保持不变,仅对新移入的像素进行排序的方法,完成中值滤波处理,达到滤波要求.实验证明该算法可以有效地降低图像预处理的复杂度,使传统中值滤波算法的复杂度由原来的O(D2)降到了O(D),应用效果良好.     

稀疏数据下基于用户偏好的协同过滤算法

协同过滤(collaborative filtering,CF)是推荐系统中最常用和最成功的推荐技术之一.现实中的数据往往比较稀疏,用户之间缺少共同评定项目,使一些传统的相似性度量无法进行计算;此外,传统的协同过滤算法忽视了用户偏好问题,这样会造成推荐精度的下降.针对这些问题,从用户全局项目和地方评级信息分析影响用户兴...     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标（试验采集）成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明：该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

基于车载GNSS与IMU组合定位系统的改进定位算法

结合车载全球导航卫星系统（GNSS）与惯性测量单元（IMU）组合定位系统,针对传统定位算法中实际路况变化带来的数据融合噪声误差的问题,以车载传感器收集的运动数据作为阈值条件进行自适应滤波动态切换,提高组合定位系统的稳健性与适应性. 提出一种改进的自适应动态组合定位方法,将扩展卡尔曼滤波（EKF）与无迹卡尔曼滤波（UKF）算法,基于实时运动模型结合,以此抑制在车辆运动模型变化时传统单一算法产生的误差干扰.改进后算法的均方根误差（RMSE）相较于传统的EKF滤波与UKF滤波算法分别提升了约75.26%和58.48%.在高架桥下的实际车载场景实验中,改进算法的平均距离误差为2.32 cm,相较于改进前的定位性能提升了约61.65%.在复杂的城市交通的环境下,能够实现精准定位.