H.264帧间模式选择快速算法

为尽可能降低H.264标准中的帧间模式选择时间复杂度,降低码率,提出一种快速帧间模式选择算法。算法利用目标检测技术中的Surendra算法以及所提出的速度特性和方向特性检测算法提前判定最佳候选模式,降低了帧间模式选择算法时间复杂度。实验结果表明,在保证重建视频质量的前提下,算法不仅能有效降低时间复杂度,还能降低码率;算法总体性能优于H.264标准算法和目前常见的帧间模式选择快速算法;对于含有大量静止背景或只含少量低速运动的视频,算法性能更加优越。     

一种基于最小二乘优化的快速压缩感知算法

压缩感知方法可以以远低于传统采样定理规定的采样率对信号采样。针对压缩感知重构信号的时间较长且随信号增大以极高速率快速增长的问题,提出了面向图像信号的快速压缩感知算法FBWRFI。FBWRFI基于最小二乘方法实现信号的优化重构,利用新定义的整体相关性度量参数选择针对图像信号的最相关原子,引入分块重构理论并重新设计分块大小和测量矩阵,有效降低了重构操作的计算复杂度和计算规模。实验结果表明,FBWRFI算法可以显著降低信号的重构时间,并使随信号增大而高速增长的重构时间的增长趋势变为线性,证明了算法的有效性。     

一种基于循环谱特征识别的频谱感知算法

针对传统循环谱计算复杂度高的问题,提出一种基于循环谱特征识别的频谱感知算法,该算法采用自相关矩阵替代频域平滑方法计算信号的谱特征,在降低算法复杂度的同时,能够准确区分噪声与有用信号,利用软件无线电构建测试平台,用以验证算法的有效性.实验结果表明,该算法能够准确检测出频谱空穴,准确度大于90％,并能降低时间复杂度,可以满...     

一种频率域相关性分布式扩散最小均方算法

以均方误差为代价函数的最小均方（LMS）自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方（DLMS）算法易受到噪声的干扰,从而降低估计精度。针对该问题,提出一种频率域相关性分布式扩散最小均方（FCDLMS）算法。利用不相关信号的相关函数值趋近于零的性质,在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据,消除噪声干扰,从而给出相关性DLMS （CDLMS）算法,并将算法扩展至频率域,在频率域中使用乘法运算而非卷积运算来更新抽头系数,减少计算复杂度。实验结果表明,与传统DLMS算法相比,频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果,算法性能更优,同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。     

大规格安全组件的碰撞性测试方法研究

大规格安全组件是一种新型扩散混合机制,它在分组密码、认证码等密码系统的设计中有广泛用途。文章针对大规格安全组件,深入分析了它的碰撞性测试的一般途径及其计算复杂度,在此基础上提出了一种时间复杂度和空间复杂度都不高的有效测试方法,并给出了碰撞性测试算法的具体描述,同时对该算法进行了实验,结果表明该文提出的算法较有效地解决了大规格安全组件的碰撞性测试问题。     

一种基于标签传播的数据分块算法

数据分块有助于降低大规模数据中实体分辨的计算复杂度,但现有算法存在效能和效率难以平衡的问题。为此,在标签传播的基础上设计数据分块算法,以实现两者的平衡。根据记录间相同词项的数量估计记录相似度,通过标签传播算法发现潜在相似重复记录,降低时间复杂度。在通用测试数据中的实验结果表明,该算法能有效提高F-Measure值,减少运行时间,实现大规模数据中的数据分块。     

球形译码算法在信号空间分集系统中的应用研究

针对信号空间分集系统中最大似然检测算法复杂度高的问题,选用球形译码算法作为信号空间分集系统接收机检测算法,可以使接收机在接近最大似然算法检测性能的同时,降低接收机检测复杂度。为进一步降低检测复杂度,通过采用最小均方误差算法减小噪声对接收信号的干扰,来降低因搜索噪声点而产生的复杂度,并利用衰减因子k加快搜索半径收缩来达到进一步降低球形译码算法检测复杂度的目的。仿真结果表明,在信号空间分集系统中引入球形译码算法可以降低接收机检测复杂度,并且改进后的球形译码算法检测时间在低信噪比情况下约为传统球形译码算法的12%—33%。因此,球形译码算法可以有效地降低信号空间分集系统接收机检测复杂度。     

一种改进的堆排序算法

对传统堆排序算法进行分析并做出改进。利用堆的性质降低堆排序过程中的数据比较次数,从而在不提高空间复杂度的前提下改进了堆排序算法的效率。通过理论分析得到改进算法在堆重建过程中的数据比较次数是传统堆排序算法的一半,即改进算法的时间复杂度的主项系数是传统算法的1/2。同时,实验结果表明,改进算法的效率比传统算法提高了20%左右。     

基于BCU-Tree与字典的高效用挖掘快速脱敏算法

针对隐私保护效用挖掘（PPUM）中脱敏时间长、计算复杂度高,以及算法副作用大等问题,提出一种基于BCU-Tree和字典（BCUTD）的高效用挖掘快速脱敏算法。该算法提出了一种新的树结构BCU-Tree来存储敏感项信息,基于按位运算符编码模型降低树的构建时间并减小搜索空间。采用字典表存储树结构中的所有节点,修改敏感项时只需访问字典表,最终达到数据库脱敏目的。在4个不同的数据集上进行的实验中,BCUTD算法在脱敏时间和副作用上的表现要明显优于经典的优先隐藏高效用项（HHUIF）算法、最大敏感效用-最大项效用（MSU-MAU）算法和使用树与表结构的快速扰动（FPUTT）算法。实验结果表明,BCUTD算法能够有效减少脱敏时间,降低算法副作用以及计算复杂度。     

低复杂度的大规模MIMO上行链路软输出信号检测

针对信道矩阵维度高以及接收信号复杂的情况,提出了一种适用于大规模MIMO系统上行链路信号检测的混合迭代算法,即结合自适应阻尼雅克比(damped Jacobi,DJ)算法和共轭梯度(conjugate gradient,CG)算法。首先利用CG算法为自适应阻尼雅克比迭代算法提供有效的搜索方向;随后提出切比雪夫方法消除松弛参数对信号检测的影响,在降低算法复杂度的同时加快收敛速度;最后,利用信道编译码中的比特似然比近似求解软信息,以提升检测性能。通过理论分析算法的复杂度,仿真在不同判决方式下对不同检测算法进行误码率对比,并对混合迭代算法的收敛进行了分析。仿真结果表明,混合迭代算法在少量迭代次数下快速收敛并近似达到最佳MMSE检测性能,且算法复杂度远低于MMSE算法。     

快速时频原子方法在辐射源信号中的应用

计算复杂度高是制约时频原子分解算法在信号处理中应用的主要问题,由此,本文提出一种基于混沌粒子群算法的时频原子分解快速算法。在过完备Chirp原子库的基础上,采用时频原子分解算法分解信号,并利用混沌初始化粒子的初始位置,采用粒子群算法降低时频原子分解算法搜索过程的计算复杂度,提高信号处理效率。对雷达辐射源信号的仿真实验结果表明,该方法与传统的时频原子分解算法相比计算速度大幅提高,且用在数量上比Gabor少的Chirp原子刻画出信号的主要时频特征。     

一种优化的生物序列比对算法

序列比对是生物信息学中一种基本的信息处理方法，在序列比对所使用的算法中当前重点解决的问题是如何降低算法的时间和空间复杂度。在介绍基本动态规划原理的基础上，提出了一种基于动态规划思想的优化序列比对算法。对3种算法对比实验表明，该算法在保证其生物敏感性的基础上，有效地降低了时间和空间复杂度。     

基于动态规划的Needleman-Wunsch双序列比对算法的分析与研究

生物序列比对是生物信息学中最基础的研究课题之一。基于动态规划的Needleman- Wunsch双序列比对算法主要采用迭代算法及空位罚分规则对基因序列进行逐一比对,计算二者相似性得分,最后通过回溯分析得出序列之间的最佳比对。虽然该算法可以得到最佳比对结果,但是时间复杂度和空间复杂度较高。首先对原算法进行分析,对计算得分和回溯进行改进。接着设计2次实验,以金黄色葡萄球菌和银葡萄球菌分别作为目标序列和待比对序列,分别生成序列长度范围相同和不同的5组数据进行实验测试。最后通过对新型冠状病毒和SARS病毒全序列进行比对,进一步验证了改进算法的有效性。实验结果表明,改进后的算法可以缩短序列比对时间,提高序列比对效率。     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

基于不可靠节点序列和面感知路由的目标跟踪

目标跟踪是无线传感器网络最基本的应用之一,如何在节约能量的同时保证一定的跟踪精度一直是研究热点之一.本文提出基于不可靠节点序列和面感知路由的目标跟踪算法,采用基于不可靠节点序列的定位模式有效减少网络中数据传输量,大大节约了能量.为了解决基于节点序列的定位算法在节点数目过多时算法复杂度过高的问题,算法引入了面感知路由技术...     

基于数据压缩的二次扩频信号时域捕获方法

提出了一种基于数据压缩的二次扩频信号时域捕获方法,可以在几乎不影响捕获性能的条件下,降低时域捕获的运算量,提高捕获速度。根据传统捕获法中重复数据的特点,本文提出了一种数据压缩方法:首先,利用NCO原理将接收数据按半码片边界进行压缩;其次,根据二次扩频信号中PRN码的周期性特点进行周期压缩;最后,进行二维扩频码相位搜索。仿真结果表明该方法的捕获增益损失很小,并且在很大程度上降低了运算的冗余度。     

基于网格与R-树空间索引的矢量线图任意简单多边形窗口裁剪算法

针对大规模矢量线与大量裁剪窗口同时出现的线裁剪算法存在的三个主要问题,减少线段求交次数、简化交点出入属性计算以及无交点矢量线的取舍,本文提出了一种基于双空间索引的大规模线图任意多边形裁剪算法。算法根据裁剪多边形的边分别建立R-树索引和均匀Cell索引,应用两种索引各自的优点大幅减少被裁剪线段与裁剪多边形上线段的求交次数。在此基础上,基于均匀网格索引,提出局部射线法,简化交点出入属性计算和无交点矢量线的取舍。本文在传统算法基础上提出三点改进:首先提出基于两种空间索引模型进行线段求交计算,保证算法在理论上具有较低的时间复杂度;其次,在射线法和网格索引基础上提出局部射线法,使得判断每个交点出入属性的时间复杂度为O(1)～ O(n~(1/2)),与参考文献中的算法相比,此方法的优点是避免判断多边形上顶点的方向;最后,算法中裁剪多边形可以是包含任意多个洞的任意简单多边形,克服传统算法中对裁剪多边形的特定约束条件。     

一种频繁核心项集的快速挖掘算法

传统的频繁核心项集挖掘需多次生成和反复扫描数据库,导致生成效率低下。为此,提出一种快速生成频繁核心项集算法FMEP。该算法使用Rymon枚举树作为搜索空间,并采用分而治之的策略选择特定的路径进行剪枝。利用频繁核心项集特有的反单调性质,可以快速地判断某一个候选项集是否为频繁核心项集,而无需和所有直接子集的析取支持度进行比较。通过上述方法,可以达到快速挖掘的目的。实验结果证明,该算法能够在挖掘出所有的频繁核心项集精简表示元素的同时,降低消耗时间,与MEP算法相比,在密集型数据集上的时间可缩短2倍以上,在稀疏型数据集上时间至少缩短30%。     

一种基于数据压缩的二次扩频信号时域捕获方法

本文提出了一种基于数据压缩的二次扩频信号时域捕获方法,可以在几乎不影响捕获性能的条件下,降低时域捕获的运算量,提高捕获速度。根据传统捕获法中重复数据的特点,本文提出了一种数据压缩方法：首先,利用NCO原理将接收数据按半码片边界进行压缩;其次,根据二次扩频信号中PRN码的周期性特点进行周期压缩;最后,进行二维扩频码相位搜索。仿真结果表明该方法的捕获增益损失很小,而在很大程度上降低了运算的冗余度。