信号处理杂志社
分享到:
《信号处理》杂志在全国影响力巨大,创刊于1985年,公开发行的月刊杂志。创刊以来,办刊质量和水平不断提高,主要栏目设置有:论文与技术报告、算法研究、综述、应用、短文与研究通讯等。
  • 主管单位:中国科学技术协会
  • 主办单位:中国电子学会
  • 国际刊号:1003-0530
  • 国内刊号:11-2406/TN
  • 出版地方:北京
  • 邮发代号:18-143
  • 创刊时间:1985
  • 发行周期:月刊
  • 期刊开本:A4
  • 复合影响因子:1.5
  • 综合影响因子:0.548
相关期刊
服务介绍

信号处理 2015年第09期杂志 文档列表

信号处理杂志论文与技术报告

两级结构的卫星导航压制式和欺骗式干扰联合抑制算法

摘要:压制式干扰和欺骗式干扰是全球卫星导航系统(Global Positioning System,GPS)中的两种典型干扰,当二者共同存在于导航信号传输环境时,干扰抑制会变得更加困难。本文提出了一种新的两级阵列信号处理方案,由于传统的功率倒置(power inversion,PI)算法可以有效抑制压制式干扰,考虑到协方差矩阵的逆矩阵的物理意义,阵列接收的信号首先经过协方差矩阵求逆处理,然后将处理后的信号向欺骗式干扰的正交子空间投影达到抑制欺骗式干扰的目的。此方法基于GPS C/A码的周期特性和相关特性,利用CLEAN方法估计出欺骗式干扰的波达方向(direction of arrival,DOA)进而估计其子空间。实验结果表明新方案可以同时抑制两种干扰,且方法简单运算量小,可作为一个独立的干扰抑制模块嵌入到接收机中,并验证了方法的有效性。
1041-1046

多小区广播干扰信道的加权均方误差最小化收发机设计算法

摘要:未来的第五代无线网络中,由于干扰问题的存在,阻碍了网络性能的提升,尤其是对于小区边缘的用户,其通信质量的需求不能得到满足。本文研究了基于加权均方误差优化的多小区多用户广播干扰信道的收发机算法设计。针对所需求解的优化问题,首先利用分层预编码的方法提出了一种广义干扰对齐的方案,然后提出了一种最小化加权均方误差的交替优化算法。所提算法的收敛性可以由单调有界理论保证。仿真结果表明:与传统的方案相比,所提方案可以有效的消除干扰,并且有效的提升系统的和速率性能。
1047-1054

改进混洗蛙跳算法的软硬件划分方法研究

摘要:本文将混洗蛙跳算法应用于软硬件划分,提出一种新型的软硬件划分方法。针对混洗蛙跳算法应用于离散型问题时普遍存在的种群更新过慢、算法寻优方向盲目等问题,本文采用随机步长来改进青蛙种群的迁移行为,采用子种群内进化与全局混洗进化相结合的策略改进盲目全局寻优的情况,并根据无效迭代次数来提前终止迭代以提高算法效率。在划分实验中,改进后的算法的平均最优解比原始算法减小了17.4~73.3,平均硬件面积比原始算法大对不同结点数的随机DAG图4.32~5.81,平均仿真执行时间只有原算法的42.7~64.0。改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务。
1055-1061

莱斯信道中Polar码的构造及性能分析

摘要:Polar码是由Arikan提出的一种新的编码方式。它是基于信道极化理论,被证明在二进制离散无记忆信道下能够获得信道对称容量。本文给出了Polar码在莱斯信道下的构造及性能分析,针对莱斯信道已知信道边信息(CSI)和未知信道边信息(NCSI)两种情况分别进行Polar码的构造。仿真结果表明:相比于LDPC码,Polar码的性能更加优良。此外,莱斯因子K越大,Polar码的误比特率就越小。Polar码在信道边信息已知的情况下性能比信道边信息未知时的好。因此Polar码在莱斯衰落信道中具有很好的性能,非常适合未来移动通信技术。
1062-1066
信号处理杂志算法研究

基于WiFi的自适应匹配预处理WKNN算法

摘要:针对基于接收信号强度(Received Signal Strength,RSS)的WiFi室内定位技术中,传统加权K邻近(Weighted K-nearest Neighbor,WKNN)算法不能自适应获取WLAN中有效接入点(Acess Point,AP)且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30以上的定位误差改善,有效提高了定位精度和定位稳定性。
1067-1074

先验采样约束结合扩展遮挡字典的细化稀疏人脸识别技术研究

摘要:为解决可能存在遮挡环境下的模式识别问题,提出先验采样约束结合扩展遮挡字典的细化稀疏人脸识别算法。针对训练样本无法包含测试样本遮挡变化的情况,首先需要构造遮挡字典(墨镜、围巾等),进而利用先验局部采样子模块稀疏表示分类方法判断测试样本可能存在的遮挡模式;然后对未被遮挡的局部子模块利用Borda计数投票,依据每类残差大小分配给不同的票数,计算样本类别信息;其次根据遮挡模式结果,利用全局稀疏表示通过构造样本遮挡扩展字典对测试样本进行全局分类投票;最后将两次分类投票结果进行融合,最终实现是否存在遮挡环境下的精细模式判别。实验结果表明,本文算法不仅能够给出准确的模式类别,还能给出遮挡类别信息,可得到精细化识别结果。
1075-1081

利用联合互质阵列的卫星导航抗干扰算法

摘要:随着电磁环境越来越复杂,全球卫星导航系统(GNSS)受到的干扰越来越多。基于均匀间距阵列的抗干扰算法已广泛运用于GNSS干扰抑制中,但是均匀线性阵列抑制干扰的性能受到天线阵元个数和阵列孔径的严格限制。本文提出了一种基于联合互质阵列的卫星导航抗干扰算法,能够在不增加阵元的情况下获得较大的阵列孔径,提高了干扰来向估计性能且不需要知道干扰个数。该方法首先利用互质阵列的空间谱估计方法估计出干扰来向,然后,利用估计出的干扰来向构造干扰子空间,并通过正交子空间投影算法抑制干扰。算法提高了卫星导航系统的抗干扰性能,仿真实验验证了该算法的有效性。
1082-1086

QoS约束下多层异构蜂窝网中基于分层休眠的节能机制研究

摘要:针对多层异构蜂窝网中资源分配和节能问题,本文基于随机几何模型利用分布式配对算法实现了用户连接和资源分配的联合优化,并利用分层休眠机制提升了系统的整体能效。首先,采用随机几何工具对不同类型的基站进行建模,在建立模型的基础上提出用户QoS约束下的最小化系统总功耗的联合优化方案,然后将该方案分解简化为用户连接资源分配和基站休眠两个子问题,并分别利用稳定配对算法和基于投票法的分层休眠机制加以解决。仿真和分析结果表明本文方法可以显著提升系统能效,与已有的休眠策略相比具有更低的用户平均中断比。
1087-1093

利用纹理结构的HEVC快速帧内模式选择算法

摘要:高性能视频编码(HEVC)是刚确立的最新一代视频编码标准。对于帧内编码,HEVC最大的特点是采用了从64×64至8×8的编码单元划分和35种帧内预测模式,HEVC通过遍历所有的分块和帧内预测模式,选取最优的预测方式,这种帧内预测方式在提高预测精度的同时也大大增加了编码的计算复杂度。为了降低帧内预测的计算复杂度,HM2.0版以上的HEVC测试软件采用一种基于两步预测的快速帧内模式选择算法。在此基础上本文首先提出了一种基于纹理方向的快速粗选方案,减少参与计算的粗选模式数,进而提出基于结构相关的决策方法,利用同质图像区域的纹理相似性,减少参与率失真代价函数计算的候选模式数量,进一步降低了帧内预测计算复杂度。实验结果表明,本文所提出的快速算法,在保持编码质量基本不变的条件下,可以使基于两步预测的快速帧内模式选择时间缩短25。
1094-1100

结合光流法与信息熵的人群状态分析

摘要:随着近年来危害公共安全的群体性事件频繁发生,对人群场景下的人群状态分析与异常行为检测成为计算机视觉领域研究的热点问题。目前提出的诸如纯光流法,社会力模型,时空运动模型等算法,在检测准确率方面已能满足需求,但是算法复杂度普遍较高,运算量较大,在实际应用中难以保证实时性。鉴于此,首先,引入了人群移动区域面积的概念并定义了人群状态指数,来描述人群状态的变化,通过光流法获得人群运动矢量场,基于人群运动矢量场定义了人群运动强度指数来描述人群运动强度,基于人群运动矢量场与信息熵定义了人群混乱指数来描述人群运动方向的混乱程度。其次,基于降低算法运算量的考虑,根据上面提到的三个描述人群运动状态的特征变量设计了一种分层处理的人群异常行为检测方案,实验结果证明方案具有很好的效果。
1101-1105

基于分层模型的SC-FDE系统低复杂度稀疏信道估计

摘要:针对单载波频域均衡(SC-FDE)接收机提出一种低复杂度的贝叶斯稀疏信道估计算法。该算法利用广义平均场(GMF)推理方法结合贝叶斯分层先验模型得到。在GMF推理方法中,使用辅助函数来等效未知变量的联合后验概率密度函数;然后对辅助函数进行因子分解,通过对待估计的稀疏向量的辅助函数进行不同大小的分块来实现降低复杂度的目的,而原始的高复杂度算法(SC-VMP-3L)是所提出的算法的特例。最后,将GMF推理方法用于频域均衡中。仿真结果表明,在信道估计精度和误码率方面,所提出的算法性能与SC-VMP-3L算法的性能接近,且明显优于传统的正交匹配追踪(OMP)稀疏信道估计方法。在复杂度方面,与SC-VMP-3L算法相比有显著降低。
1106-1111

目标跟踪时基于射频隐身的采样周期设计

摘要:为进一步提高雷达的射频隐身能力,在分析相控阵雷达采样周期与射频隐身性能关系的基础上,基于交互多模型算法,提出了目标跟踪时基于射频隐身的采样周期设计方法,根据运动状态的不同,自适应设计下一时刻的采样周期。首先对目标跟踪算法中的运动目标设定期望的协方差,利用协方差控制方法求出各模型的采样周期,然后利用跟踪算法更新后的模型概率对各模型采样周期进行加权求和,在满足跟踪精度同时,有效地设计了采样周期。本文算法与传统的采样周期算法、公式法进行比较,仿真结果表明本文算法具有较好跟踪性能的同时,增大了跟踪过程中的采样周期,从而显著提高了雷达射频隐身性能。
1112-1116

改进的非负矩阵分解语音增强算法

摘要:本文提出了一种改进的非负矩阵分解语音增强算法,该算法可分为训练和增强两部分。首先,为了降低训练复杂度,采用卷积非负矩阵分解只提取噪声字典。增强时,考虑语音信号稀疏性比噪声信号稀疏性强,通过稀疏非负矩阵分解重构出语音幅度谱,采用交替方向乘子法进行优化迭代,克服了经典乘性迭代易陷入局部最优、分母只能收敛到零极限等问题。最后,基于算法融合的思想,将重构的语音幅度谱与谱减法、最小均方误差幅度谱估计得到的幅度谱进行加权融合。仿真实验中,在10种不同噪声环境中,通过多种评价标准证明所提算法能取得较好的增强效果。
1117-1123

密钥生成中Karhunen-Loève变换的敏感性分析

摘要:在基于信道特征的密钥生成方案中,用作随机信源的信道特征序列样值之间往往存在着相关性,这会使得最终提取的密钥强度较弱。为了提高生成密钥的强度,相关论文[4-5]引入Karhunen-Loève(K-L)变换对信道特征序列进行去相关处理。然而,通过大量仿真实验,我们发现K-L变换在其实现过程中存在敏感性问题,即通信两端独立地实现K-L变换而不通过公开信道交互协商信息时,两端生成密钥的不一致率非常高。针对这一问题,本文提出利用格型白化滤波器代替K-L变换实现去相关处理。仿真结果表明,采用格型白化滤波器用于去相关处理时无需通过公开信道交换任何信息。
1124-1130

优化的多模型粒子滤波机动微弱目标检测前跟踪方法

摘要:在机动微弱目标的检测和跟踪方面,当前主要研究方法之一是多模型粒子滤波检测前跟踪(MMPFTBD),该方法以尽可能多的运动模型去匹配目标的机动,符合运动模型精细化研究方向,但存在模型数目与类别较多,模型之间转移计算复杂和有效模型使用效率低等问题。本文从多个运动模型结构上的相似性出发,提出一种优化的多模型粒子滤波检测前跟踪方法,通过粒子机动加速度的变化,在一个模型框架下模拟出类似MMPF-TBD中的多种机动模型,简化了算法结构;在该方法实现过程中,采用辅助粒子滤波提高状态估计精度。仿真实验表明该方法相比MMPF-TBD具有更稳定的检测和跟踪性能以及在低信噪比环境中更好的适用性。
1131-1137
信号处理杂志应用

使用手机前置摄像头的机动车驾驶员疲劳检测

摘要:基于车载疲劳驾驶检测系统的需要,使用手机的前置摄像头设计了用于手机的疲劳驾驶检测系统。通过使用Haar-like特征和Adaboost分类器进行人脸的定位,并在此之上以同样的方法进行人眼的粗略检测。然后通过灰度投影结合Otsu法二值化得到眼睛的精确开度,判断人眼的状态。以此根据PERCLOS方法对驾驶员的疲劳程度进行检测。实验结果表明该系统具有较高的准确度,并对光照的变化有一定的适应性,能够有效地应用到疲劳检测中。
1138-1144

光纤光栅脉搏波分析处理及特征提取

摘要:本文提出了一种利用光纤光栅(Fiber Bragg Grating,FBG)检测脉搏波的信号处理及特征提取算法。将光纤光栅采集脉搏波与光电容积(Photoplethysmography,PPG)脉搏波进行对比,分析出光纤光栅脉搏波的特点。提出了小波阈值消噪与改进的数学形态学滤波相结合的光纤光栅脉搏波消噪算法,并根据脉搏周期对形态学结构元素长度进行自适应选择,从而改善了去除基线漂移的效果。研究了脉搏特征提取方法,提高了脉搏波峰值点和起点检测的准确性。实验结果表明,经消噪处理后,输出脉搏波的信噪比是输入脉搏波信噪比的2倍,脉搏波峰值点和起点提取准确率分别达到了97.2和97.6。该算法结构简单,易于实现,对光纤光栅脉搏波检测智能服装的研发和脉搏特征的有效提取具有重要的意义。
1145-1151

采用DBN的TV改进方法在语种识别中的应用

摘要:近年来基于深度神经网络(Deep Neural Network,DNN)的全差异空间建模方法(Total Variability,TV)在语种识别领域得到了广泛研究。本文提出了一种基于DNN的改进TV方法,既利用了DNN对数据的音素状态对齐效果,又充分考虑了语种任务的相关性。该方法首先利用带有瓶颈层的深层神经网络(Deep Bottleneck Network,DBN)对语种数据特征按照音素状态进行聚类,得到语种任务相关通用背景模型(Universal Background Model,UBM),然后利用该UBM模型并结合深度瓶颈特征(Deep Bottleneck Feature,DBF)进行TV建模。实验表明,与经典的TV方法相比,该方法能够显著的提升系统性能和效率,并且融合后性能得到了进一步提升。
1152-1158