部分传输序列的遗传模拟退火搜索方法

在正交频分复用(OFDM)系统中,基于遗传算法的部分传输序列(GA-PTS)技术有效地降低了 PTS 的计算复杂度,但在 改进峰值-平均功率比(PAPR)性能方面却并不理想。 为此,提出在遗传算法中嵌入模拟退火(SA)算子从而构造一种混合的遗 传模拟退火(GSA)算法,并把它应用于对 PTS 的最优相位因子进行搜索。 首先,通过对 PTS 相位因子编码形成染色体,采用随 机元素组成的染色体作为遗传算法的初始群体,并评估每个染色体的适应度值。 然后,根据适应度值选择染色体,建立染色体 的变异规则和交叉规则,对群体进行迭代进化。 最后,群体中的染色体利用退火温度进行更新,从而产生出新的下一代种群。 仿真结果说明,与 GA-PTS 方案相比,该方法不仅能降低计算负担,而且能够有效地降低 OFDM 系统 PAPR 值。     

抑制漂移误差的多描述视频编码*

针对多描述编码的漂移问题,提出一种基于H.264的多描述编码方案。该方案先对原始图像空间域采样形成两个子图像,然后通过相关联的两路H.264编码器,生成包含相同运动信息的描述,并在解码端采用自适应三次线性插值法恢复补偿信息,达到抑制漂移误差的目的。实验结果表明,该方案能有效提高编码效率,同时获得较好的视频传输质量。     

启发式联合PCD快速降噪算法

基于稀疏冗余表示,并行坐标下降(PCD)是最优秀的降噪算法之一。然而在音频信号处理中,当分割的帧数很大时,PCD的计算负担加重,造成运行时间剧增。该文基于联合稀疏表示(JSR)和同时稀疏近似(SSA),建立一种新的时域框架,并提出了一种启发式联合PCD算法(Joint-PCD)。在该框架中,每个音频帧作为一个列向量生成信号矩阵;利用超完备字典,Joint-PCD同步(同时)对信号矩阵降噪,提高了算法的运行效率,减小了运行时间。仿真结果表明:Joint-PCD算法不仅与PCD具有几乎相同的降噪性能,且把PCD算法的降噪速度提高了约5倍,极大地改进了PCD算法的收敛性能。     

一种自适应的奇偶量化水印算法

数字水印是数字媒体版权保护的一种有效方法。提出了一种自适应的奇偶量化水印算法,其量化步长由Watson模型和JPEG量化表共同确定,并通过二者自适应地调节量化步长。水印在DCT的中频系数中嵌入,由于采用奇偶量化,水印提取方法简单。实验结果表明,该算法具有良好的不可见性,算法简单,并能抵抗常规的图像处理和噪声攻击,具有很强的鲁棒性。     

一种降低OFDM信号PAPR的改进PTS方法

部分传输序列（PTS）方法通过选择合适的相位序列以降低信号峰值出现的概率,该方法不会使信号发生畸变。但是传统的PTS技术计算复杂度非常大,需遍历所有可选的相位因子,其计算量随分割子序列数按指数增长。提出了一种正倒二叉树多层相位序列方法,该方法通过对称的树形搜索,搜索出最优的相位序列。仿真结果表明,该方法大大降低系统的复杂度,同时PAPR得到更好的抑制。     

具有相似性传播的K-均值欠定盲分离算法

对于稀疏信源的欠定盲分离问题,混合矩阵的估计是至关重要的。为了提高估计性能,提出一种组合的聚类分析算法。首先,利用短时傅里叶变换把时域中的观测信号转变成频域中的稀疏信号,并通过数据的归一化把稀疏信号在频域的线性聚类转变成致密聚类。然后,利用相似性传播AP聚类方法搜索每个观测数据的邻域自动形成数据族的数量和相对应的关键数据。最后,以AP聚类的结果作为K-均值算法的初始值,对每类(族)数据的聚类中心进一步修正。仿真结果表明,组合聚类法能有效地提高混合矩阵的估计精度。把AP聚类和K-均值算法相结合的另一个优势是,能够克服经典K-均值算法需要事先知道信源数量和对数据的初始划分非常敏感的缺陷。     

基于SLM的边带信息嵌入与检测方法

为了克服SLM算法需要单独发送边带信息的缺陷,提出了一种基于奇偶周期相位旋转不同角度以嵌入边带信息的方法。在发送端,将信号相位序列值简化为{±1,±j},根据各子载波上数据的相位序列值,对奇周期和偶周期的相位旋转州4或不旋转以实现边带信息嵌入在发送信号中;在接收端,利用1位二进制码表示相位是否旋转,通过计算信号的模并与相邻两个周期的相位嵌入规则结合形成相位判决表以检测边带信息,利用3个奇周期（偶周期）的信号模值进行纠错。实验结果证明,在节约系统频带资源的前提下,实现了边带信息的可靠传输,并有效地降低OFDM信号的PAPR约1．8-3．4dB。     

K-Means算法最优聚类数量的确定

K-均值(K-means)聚类算法是学术与工业领域的经典算法。然而,它却具有两个明显缺陷:1) 需要预先知道聚类的数量;2) 对算法的随机初始化非常敏感。为了解决这两个问题,首先归纳了K-均值算法的基本步骤,并对聚类有效性进行了分析;然后以数据样本点的欧几里德距离为基础,定义了以聚类数量k为自变量的类间质心距离之和以及类内距离之和,由此构造了聚类有效性评价函数;最后根据经验规则,在聚类数量的可能范围内通过求解聚类有效性评价函数的最小值以确定数据集的最优聚类数量。对UCI的3个数据集Iris、Seeds和Wine的仿真结果说明,提出的聚类有效性评价函数不仅能够准确地反映数据的真实聚类结构,还能有效地抑制算法对随机初始化的敏感性,通过对K-均值算法的多次运行,其结果也验证了聚类有效性评价函数的鲁棒性。     

基于证据融合的频谱检测方法

在具有衰落及噪声变化的无线通信环境中,为了提高认知无线电用户的检测性能,根据参与合作检测的认知用户数量和信噪比的不同,通过动态调整权值和判决门限得到每个认知用户的检测概率,融合中心采用"或"判决规则给出系统的检测结果;在此基础上,引入D-S证据理论,对参与合作检测的每个认知用户检测结果的可靠性赋予一个信任度参数并计算出...