基于均值移动确定性漂移的改进CONDENSATION人脸跟踪

针对视频序列目标跟踪粒子滤波经典CONDENSATION算法用先验转移概率,即采用一阶或二阶AR模型难以有效进行粒子传播的问题,提出了一种改进的CONDENSATION人脸跟踪算法.首先利用高效的均值移动跟踪器以低廉的计算成本初步进行人脸目标跟踪定位,并用此初步跟踪结果来确定CONDENSATION粒子动态传播模型中的确定性漂移部分,然后只需加入一个较小的随机扩散噪声来完成粒子的传播.由于这样所得的粒子点能较为集中地分布在状态的真实区域附近,因而大大提高了粒子的利用效率.人脸跟踪实验表明,该改进算法的性能明显优于原CONDENSATION方法.     

基于粒子滤波的静音检测与声源跟踪算法

基于粒子滤波的跟踪算法是解决说话人跟踪问题的一种常用方法.结合了静音检测技术的声源跟踪算法,在静音期间,主要靠声源动态方程来估计目标的位置,可有效地减小误差.传统的噪声环境中的静音检测算法计算量较大,不利于实时跟踪.该文利用声源跟踪中的粒子滤波算法实现静音检测,算法用每帧信号的粒子状态观测值方差来检测静音,简便而可靠.仿真结果表明,该算法能有效地减小静音期间的跟踪误差,且计算量不增加.     

迭代结构的信源信道联合解码及其简化算法

信源信道联合解码算法中的迭代信道解码需要进行比特似然值和概率值转换，以及联乘、累加运算，增加了信道解码的计算复杂度，该文针对这一问题，直接利用信道解码的比特硬判决值和参数的先验概率，估计比特的外信息，用于迭代信道解码。基于高斯-马尔可夫信源参数的仿真实验表明，该简化算法大大降低了迭代信道解码算法的计算复杂度。与独立解码算法相比，简化的联合解码算法明显改善了接收参数的信噪比，同时不会明显降低原迭代结构解码算法的性能。     

运用CSD码的可变特性数字滤波器

本文给出了一种以Z-80为中心的IIR数字滤波器系统。借助键盘输入十进制滤波系数即可改变其滤波特性。文中简要地论述了将滤波系数转换为CSD码以及使系统处理速率得以提高等关键技术的实现方法。     

一种新的基于直接最小二乘椭圆拟合的肤色检测方法

肤色检测是计算机视觉中的一个重要问题,本文提出了一种新的基于直接最小二乘椭圆拟合的肤色检测方法,其基本思想是根据肤色样本分布区域的边界数据点采用曲线拟合的方法得到肤色分布区域的边界方程。在实现时,为了解决直接在笛卡儿坐标系中提取肤色样本分布区域边界数据的困难,算法采用了一种新的解决思路,即首先把训练肤色样本在色度空间的统计分布转化为图像的形式,然后再利用边缘检测方法得到肤色分布区域的边界数据。根据所得的边界数据点用直接最小二乘椭圆拟合方法便可得到肤色分布区域的椭圆边界,方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

异步DS-CDMA系统中基于矩阵点除算法的DOA估计

针对异步DS-CDMA系统中的多用户环境,本文提出了一种低复杂度的DOA估计算法——矩阵点除算法。该算法通过对感兴趣信息的逐次分离,实现了DOA的逐路径估计。算法具有两方面显著优势:(1)克服了传统的DOA估计算法在路径总数大于天线阵元数时不能工作这一缺陷:(2)避免了计算复杂的特征值分解运算,大大降低了算法复杂度。仿真实验验证了算法的有效性。     

一种改进的无损压缩数字音频编码器

文章介绍了无损压缩在音频信号处理中的应用和一种实用的无损压缩编码器的相关技术如分帧、预测和熵编码。同时，为了有效地提高数据压缩比，提出了对AudioPak编码器改进的一些方法，并对改进后的结果作出了评估。     

基于扩展码滤波法的联合角度-时延估计

针对异步DS-CDMA系统中的多用户环境,本文提出了一种低复杂度的联合角度一时延估计算法。该算法 由时延检测,路径分离及角度估计三部分组成。首先,本文基于扩展码滤波法构造了一个时延估计新测度,并通过搜索该 测度的最大值来检测时延信息;然后,借助时延信息实现路径分离;最后,采用无需特征值分解运算的矩阵点除算法,从 分离的感兴趣信息中快速求取角度信息。算法具有计算量极低,估计精度较高以及自动实现角度与时延匹配等优点。仿真 实验验证了算法的有效必。     

概率隐含语义分析模型在行为识别中的编码与归一化方法研究

在视频中的行为识别的语境下,为了提高概率隐含语义分析模型的识别性能,研究了不同编码方法结合归一化方法对于分类性能的影响;还考察了主成分分析预处理原始特征对于性能的影响,在显著降低特征维度进而降低计算量的同时,当特征包含较多噪声成分的情况下性能甚至会有所提升。在KTH和UT-interaction 数据库上的实验表明,编码和归一化方法的适当组合可以显著提高模型的性能。在UT-interaction数据库的两个子集上识别精度分别达到了当前最好的结果96.44%、95%,其中在数据集1上采用稀疏的时空兴趣点特征,得到了94.24%的识别精度。