-
公开(公告)号：CN117978129A
公开(公告)日：2024-05-03
申请号：CN202410067707.8
申请日：2024-01-16
Abstract: 本发明公开了一种用于盲辨识多通道低秩声系统的频域自适应滤波方法，将最近克罗内克积(NKP)分解方法推广到频域多通道低秩声学系统盲辨识，提出了基于NKP分解的归一化多通道频域最小均方(NKP‑NMCFLMS)自适应算法，具体讲，利用NKP将较长的多通道自适应滤波器分解为两组短的子滤波器，建立了两组广义的多通道频域块信号模型，然后将采集到的数据变换到频域，根据频域数据完成自适应子滤波器系数向量计算。
-
公开(公告)号：CN113655441A
公开(公告)日：2021-11-16
申请号：CN202110927525.X
申请日：2021-08-11
IPC: G01S5/22
Abstract: 本发明公开了一种低复杂度折中预白化的鲁棒声源定位方法，利用克罗内克积将线性预测器系数向量降维分解，构建基于克罗内克积的最优化子模型；对最优化子模型迭代求解，获得两个子预测器系数向量，进而得到预测器系数向量a，由此可得麦克风信号的预测误差信号c(n)；最后根据SRP算法，对预测误差信号时移，通过计算时移预测误差信号对间的互相关之和在空间搜索声源方位，峰值位置则为估计的声源方位。该发明通过利用克罗内克积对线性预测器系数向量降维分解，由此降低声源定位算法的计算复杂度。
-
公开(公告)号：CN115050063B
公开(公告)日：2025-04-04
申请号：CN202210677527.2
申请日：2022-06-15
Applicant: 西南科技大学
IPC: G06V40/14 , G06V40/50 , G06V10/82 , G06V10/98 , G06V10/44 , G06V10/72 , G06V10/74 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于轻量化双线性卷积网络的手指静脉图像识别方法，包括以下步骤：S1：预处理公开数据集中的手指静脉图像；S2：构建一个轻量化的双线性卷积网络；S3：构造损失函数，利用S1构造的训练集训练S2构建的卷积网络；S4：建立本地注册人的手指静脉特征库；S5：提取待识别人的手指静脉特征向量；S6：求得S5提取的特征向量与S4中的特征向量之间的余弦相似度，从而判定待识别人身份。本发明的优点是：解决了传统双线性网络输出的特征维度大的缺点，进一步减少了网络中的参数量和计算量。提升了捕获手指静脉图像中细粒度差异的能力，从而提升了识别精度。减少了耗时和存储空间的损耗。
-
-
公开(公告)号：CN115967372A
公开(公告)日：2023-04-14
申请号：CN202211578812.5
申请日：2022-12-07
IPC: H03H21/00 , H03K5/1252
Abstract: 本发明公开了一种基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法，对FxlogRLS算法进行了扩展，基于最近克罗内克积的滤波输入递归最小M估计算法(简称FxRLM‑NKP)对脉冲噪声进行有源控制。利用克罗内克积将自适应控制器的系数向量w(n)分解成两组短的子滤波器向量w1(n)、w2(n)，由此建立信号模型。采用具有自适应参数的鲁棒估计器定义一组代价函数，由此推导出相应的自适应控制算法。克罗内克积分解的使用降低了自适应控制算法的计算复杂度；自适应M估计器使得本发明(FxRLM‑NKP算法)对脉冲噪声具有鲁棒性。实验结果表明，本发明在脉冲噪声有源控制中表现出良好的性能，且具有计算复杂度低的优点。
-
Patent Agency Ranking
公开(公告)号：CN113193855B
公开(公告)日：2022-04-19
申请号：CN202110446659.X
申请日：2021-04-25
IPC: H03H21/00
Abstract: 本发明公开了一种用于辨识低秩声系统的鲁棒自适应滤波方法，为了增强自适应滤波器对非高斯噪声的鲁棒性，利用Cauchy估计器或Welsch估计器建立代价函数，获得一类数值稳定的鲁棒自适应滤波算法。相对于基于递推最小二乘类方法，本发明提出的方法对非高斯噪声更加鲁棒，实验验证了所提方法的有效性。同时，采用和分别对和进行近似，以计算加权因子γ1(n)和γ2(n)，由于自适应参数ξ和c的记忆功能，加权因子γ1(n)和γ2(n)反映了近期噪声样本的统计特性，因此这种近似对本发明鲁棒性的影响可忽略不计。
-
公开(公告)号：CN106896395A
公开(公告)日：2017-06-27
申请号：CN201710288376.0
申请日：2017-04-27
Applicant: 西南科技大学
IPC: G01T1/202
CPC classification number: G01T1/202
Abstract: 本发明公开一种基于信号稀疏表示的微弱放射性信号的检测装置，涉及核辐射检测技术领域，本发明技术要点：包括射线探测器、数据采集卡、数据处理单元及高压电源；所述射线探测器用于采集环境中的射线并将其转换为核脉冲信号，其与数据采集卡具有信号连接；数据采集卡用于对所述核脉冲信号进行预处理，其与数据处理单元具有信号连接；数据处理单元用于对核脉冲信号进行稀疏表示；高压电源用于向射线探测器供电。
-
公开(公告)号：CN105652243A
公开(公告)日：2016-06-08
申请号：CN201610142030.5
申请日：2016-03-14
Applicant: 西南科技大学
Abstract: 本发明公开了一种多通道群稀疏线性预测时延估计方法，采用各个可能的时延值计算多通道互相关系数，将多通道互相关系数的平方最大值所对应的时延作为时延估计值；多通道互相关系数的计算方法为：对每只传声器拾取的声信号分别截取一个长度为L的信号帧，对这些信号帧进行时移后叠放成信号向量以及信号矩阵，根据F/l1,2范数优化准则建立时延估计模型，求解群稀疏预测系数矩阵，然后计算预测误差相关矩阵，根据预测误差相关矩阵计算得到多通道互相关系数。本发明利用预测系数矩阵列向量的群稀疏特性构建一个F/l1,2范数优化准则，统一了多通道互相关系数方法和多通道空时预测方法，联合应用空间和时间线性预测的白化能力，以提高时延估计性能。
-
公开(公告)号：CN118658485A
公开(公告)日：2024-09-17
申请号：CN202410953055.8
申请日：2024-07-16
Applicant: 西南科技大学
IPC: G10L21/0208 , G10L21/0216 , G10L25/30
Abstract: 本发明涉及语音通信声学回音抵消技术领域，具体涉及基于ADALINE模型输入数据重用个数可变的声学回音抵消方法。该方法采用ADALINE神经网络模型来完成语音回音抵消。本发明解决了APA算法重用输入数据个数固定的问题，以及提高算法在稀疏系统中的学习速度，最终表现出学习速度快，稳态失调低，以及声学回音抵消效果好的特点。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.019 seconds)
