排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
3.
论文对现有的变步长自适应滤波算法进行了分析,并定性地给出了变步长自适应滤波算法中步长变化应满足的4条准则。根据这些准则,文章提出了一种新的基于模糊推理的变步长自适应滤波算法。理论分析和实验仿真结果都表明,新算法能够符合文中提出的变步长准则,很好地满足了收敛速度和收敛精度的要求。此外,还给出了该算法应用于回声消除中的结果。 相似文献
4.
本文在简介目前浮点运算功能最强的浮点DSP芯片AD-SP21060以及定点DSP芯片AD-SP2181的结构和性能的基础上,具体阐述了应用这两种芯片构成基于PCI总线的多媒体通信卡的设计原理,并展望了这一系统设计的前景。 相似文献
5.
6.
如何学习有效的人脸特征表达是人脸识别的关键性问题。现有基于卷积神经网络(Convolutional Neural Networks, CNN)的人脸深度特征表达学习方法大多在人脸图像经过了有效检测和校正的情况下,能够获得优异的性能,而在复杂场景下其推广性和鲁棒性受到极大限制。对此,本文提出了结合CNN不同层信息的全变量建模人脸特征表达学习方法,将提取的人脸局部深度特征中所包含的差异信息按照子空间进行建模,有效聚合局部深度特征的同时得到人脸在低维子空间的特征表达(iVector)。在IJB-A(IARPA Janus Benchmark A)上的实验结果表明,与现有的深度特征表达相比,该方法学习得到的人脸iVector表达能够显著提升人脸识别系统的识别性能和计算效率。 相似文献
7.
近年来基于深度神经网络(Deep Neural Network,DNN)的全差异空间建模方法(Total Variability, TV)在语种识别领域得到了广泛研究。本文提出了一种基于DNN的改进TV方法,既利用了DNN对数据的音素状态对齐效果,又充分考虑了语种任务的相关性。该方法首先利用带有瓶颈层的深层神经网络(Deep Bottleneck Network, DBN)对语种数据特征按照音素状态进行聚类,得到语种任务相关通用背景模型(Universal Background Model, UBM),然后利用该UBM模型并结合深度瓶颈特征(Deep Bottleneck Feature, DBF)进行TV建模。实验表明,与经典的TV方法相比,该方法能够显著的提升系统性能和效率,并且融合后性能得到了进一步提升。 相似文献
8.
9.
本文在简介目前浮点运算功能最强的浮点DSP芯片ADSP21060以及定点DSP芯片ADSP2181的结构和发基础上,具体阐述了应用这两种芯片构成基于PCL总的多媒体通信卡的设计原理,并展望了这一系统设计的前景。 相似文献
10.
集成多种自适应滤波算法的回声消除器 总被引:2,自引:1,他引:1
如何选择自适应算法的步长,从而有效解决收敛速度和稳态失调之间的矛盾是回声消除中的一个重要问题。论文提出一种集成多种自适应滤波算法的回声消除框架,以挖掘不同自适应滤波算法以及不同步长选择之间的互补性,来获得稳定的消除效果。所提算法可以分析同一时刻不同算法的误差,并始终选择一种最好的算法。通过对LMS、NLMS、PNLMS和IPNLMS这四种自适应算法的结合实验,显示了该算法可以集合各种算法以及步长选择的优点,具有更快的收敛速度和良好的稳态特性。 相似文献