低速率DP-CELP语音编码中的多路径代数码书搜索算法

为了解决高质量散布脉冲码激励线性预测语音编码算法中的代数码书搜索复杂度高的问题,通过在候选的脉冲位置上保持目标信号和脉冲响应的相对最大相关,提出了一种不降低主观话音质量的多路径散布脉冲搜索算法,计算负载从19.66 MOPS减少到0.069 4:MOPS,大幅度减轻了散布脉冲码书的计算负载.主观和客观听力测试表明,算法的改进前后的合成语音质量没有感性差别.     

基于异构多处理平台视频编码并行化复杂度与率失真研究

针对高效视频编码(HEVC)实时编码高清视频和超高清视频而带来视频编码速度慢、计算复杂度高的问题,提出了基于异构多核CPU+GPU处理平台上的并行实时编码算法以及在GPU中基于率失真优化快速搜索算法,以提高视频编码的速度和降低计算复杂度。经实验验证,所提算法简单且有效,在不牺牲率失真性能的前提下,使编码速度得到明显提升,并进一步接近了实时编码的要求。     

面向MPEG Type-1视频编码器的UMHexagonS算法

针对Type-1视频编码平台中的帧间预测仅有全搜索算法,从而计算复杂度很高的问题,提出了改进的UMHexagonS快速搜索算法.该算法采用了UMHexagonS算法的框架,针对该算法在参考帧数目和编码模式受限的条件下,建立了一种起始位置运动矢量预测模型;同时,为了解决UMHexagonS算法中第2类提前截止阈值计算不准...     

一种基于神经网络的LD-CELP算法

在低延时矢量励线性预测 (LD -CELP)编码算法的基础上 ,提出直接矢量量化的低延迟矢量激励线性预测编码方案 (DVQ -LD -CELP) ,采用误差反向传播神经网络 (BPNN)来实现DVQ -LD -CELP方法中的码本搜索算法 ,实现在保持原编码方法 (LD -CELP)生成语音的音质和码率的同时 ,降低码本搜索的复杂度 ,提高码本搜索算法的效率     

线谱频率参数的快速、低存储矢量量化

为降低码书的存储空间和搜索复杂度,更充分地利用线谱频率参数帧内和帧间的相关性,提出了一种快速、低存储的矢量量化器。将线谱频率参数去除平均值后进行一阶滑动平均预测,将残差进行三级矢量量化。在第二级量化时,将高维线谱频率参数矢量分裂成两个低维的部分,分别用不同的码书进行量化,降低了码书的存储空间和搜索复杂度。C语言仿真结果显示,在满足低速率编码的前提下,平均谱失真达到0.91dB,2～4dB的谱泄露为0.13%,无4dB以上谱泄露,同时码书的存储空间和搜索复杂度均降低了31%以上。     

改进的多进制LDPC码的EBF算法

针对随机构造多进制LDPC码编码复杂度高的问题,基于具有线性编码复杂度的迭代编码算法,提出一种改进的多进制LDPC码的扩展比特填充构造算法.该算法通过改进编码方案和构造校验矩阵降低系统复杂度.经计算机仿真对比采用EBF算法和采用改进EBF算法的多进制编码系统的误码率,结果表明,改进后的多进制EBF算法所构造出的LDPC码,不仅具有线性的编码复杂度,且有较强的纠错能力.     

一种基于神经网络的LD—CELP算法

在低延时矢量励线性预测（LD－CELP）编码算法的基础上，提出了直接矢量量化的低延迟矢量激励线性预测编码方案（DVQ－LD－CELP），采用误差反向传播神经网络（BPNN）来实现DVQ－LD－CELP方法中的码本搜索算法，实现在保持原编码方法（LD－CELP）生成语音的音质和码率的同时，降低码本搜索的复杂度，提高码本搜索算法的效率。     

矢量量化图象编码的快速搜索算法

矢量量化用于图象编码的计算复杂度是矢量量化器设计的一个关键问题。本文针对搜索复杂度提出了两种新的快速算法。在保证不降低编码性能的前提下实现所求码矢是码书中的最佳匹配并大大提高了编码速度。计算机模拟结果表明:这两种算法无论在加法、乘法、还是比较操作上均比Gray的改进型算法节省许多。     

H.264中一种快速分组算术编码器算法

H.264是目前国际上最新、最有前途的视频压缩标准,基于上下文的二进制算术编码算法（CABAC）是H.264中一种高效的熵编码算法,但比较复杂。为此,提出一种快速的分组算术编码算法。通过采用分组化输出有效降低重整次数,从而降低运算复杂度。测试结果表明,该算法能够减小运算复杂度,降低编码时间。     

间接交互模式的时间复杂度分析及应用

为了定量分析间接交互模式的时间复杂度,提出了3种基础间接交互模式的模糊时间Petri网模型及其模糊时间复杂度.整体交互模式的发起者到接收者的可达树搜索算法设计了包含间接交互模式的整体交互模式的搜索算法,同时评估了整体交互模式的模糊时间复杂度.并以一个实例分析了间接交互模式在网络交互模式建立中的应用.这种方法能快速评估整体交互模式的时间复杂度,为整体交互模式的筛选提供准确的数据.     

MIMO系统双向自适应高斯逼近检测算法

针对多输入多输出(MIMO)系统高斯逼近检测算法计算复杂度高，以及在搜索径数较少的时候，可能出现严重的误差传播，导致检测性能下降等问题，对多输入多输出系统检测进行了研究，提出了一种新的双向自适应高斯逼近算法.传统的高斯逼近算法在接收端进行树形搜索，当搜索径数较多时，高斯逼近算法能很好地抑制误差传播，但算法开销很大；当搜索径数较少时，存在严重的误差传播.双向自适应高斯逼近检测算法（BID-A-GA），通过从正向和反向并行地进行检测，判断误差传播是否产生，从而自适应地调整搜索径数，在抑制误差传播的同时，降低了算法复杂度.新的双向自适应检测算法能并行计算，运算时延低，且能在低复杂度情况下有效地抑制误差传播.     

一种基于MH抽样的极化域—空域联合谱MUSIC估计算法

针对联合谱MUSIC算法中谱峰搜索计算量大的问题,通过运用马尔可夫蒙特卡罗（MCMC）方法,提出一种计算量减小的联合谱MUSIC测向算法。该算法通过将极化联合谱MUSIC函数视为信号来向的概率密度函数,采用MCMC的MH抽样方法,能够在保持常规联合谱MUSIC算法高分辨能力的同时大大减少运算量,仿真结果验证了算法的有效性。     

利用堆排序优化路径搜索效率的分析

随着计算机技术的发展,路径搜索算法在许多领域内得到广泛的应用,对搜索时间要求提出更高的要求．为了解决这一问题采用基于人1二智能的启发式搜索算法,利用网络拓扑图给出的信息动态地调整搜索方向,并利用二叉堆进行算法优化,从而达到提高搜索效率的要求．常规使用启发式搜索算法进行路径搜索计算,其时间复杂度是O（n2）（n为网络节点数量）,即当面临百万节点的复杂网络拓扑时,启发式搜索算法的搜索耗时将会呈指数级快速增长,无法完全满足工程技术需求．通过理论分析与实验数据证明应用二叉堆的启发式搜索算法对于长路径,大搜索空间的搜索应用时表现出良好的时间线性,其时间复杂度是O（logn）（n为Openlist的节点数）,没有出现常规启发式搜索算法应用时搜索时间爆炸式增长的情况,具有较高的性能和效率,对工程实践有一定的实用参考实用价值．     

预防性反馈PCNN模型及在组合优化问题中的应用

利用脉冲耦合神经网络(PCNN)的自动波特性求解组合优化问题。在三态层叠脉冲耦合神经网络(TCPCNN)模型基础上,结合三角不等式定理,构造具有预防性反馈的脉冲耦合神经网络模型。在搜索最优解的过程中,利用三角不等式定理对解进行预判断,不理想的解被删除,起到预防反馈作用,降低求解的空间复杂度,提高求解效率和准确性。将该算法应用于SP和TSP问题实验仿真,结果表明,该算法有效降低了解空间复杂度,进一步提高了搜索速度。     

基于遗传算法和MSWF的子空间拟合测向算法

针对传统算法在快时变环境性能不够理想,而在快时变环境性能较好的子空间拟合算法其多维非线性搜索运算量较大而且易于收敛于局部最优解的问题,本文采用基于MSWF的子空间快速分解及子空间维数的快速估计,避免了协方差矩阵的估计和特征值分解;同时用子空间拟合准则构造遗传算法的目标函数实现随机搜索功能,实现全局快速搜索。最后实验验证了遗传算法测向的有效性。     

词法多重散列与包容语义相结合的服务查找

为进一步提升服务组合性能,提出将词法多重散列与包容语义相结合的快速服务查找法.该方法有如下特点：将服务描述模型分解为不同粒度的词法和语义子块,同时将服务查找过程转换为按词法子块粒度递增的多重散列过程,利用子块间的包容语义消解散列冲突,实现降低查找失败时间至最低;所建立的服务库一方面通过缩减服务组合路径搜索空间降低查找成功时间,另一方面为设计高效组合路径查找算法提供了基础;可提供近似常数时间的原子服务查找和服务建库过程.实验证明该方法查找准确,较当前权威组织提供的基准服务查找方法效率提升显著,并具有查找时间几乎与服务库规模无关的良好稳定性.     

基于遗传算法的一类非线性规划问题的求解

根据一类含有取整数值变量的非线性规划问题的特点,提出＂遗传算法与自然搜索法＂相结合的求近似解的方法.在解决大系统优化问题时,会有效地降低求解的难度,提高精度.     

基于改进的遗传算法的图像匹配研究

匹配算法的计算量由搜索位置数与相关算法的计算量之积来决定,因此,为了减少总的计算量,需要改进匹配算法和减少搜索位置。提出一种改进的遗传算法的匹配方法,设计了染色体的表示方法、新的适应度函数以及新的遗传操作算子。为了加快算法的收敛速度,对初始种群的选取和遗传算子操作概率的选取提出了新的方法。实验结果表明,该方法更有效地完成了特征图像之间的匹配。     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。