简介:基于激光陀螺高带宽和数字化输出的特点,提出激光陀螺数字信号处理的两个基础性问题,采样频率合理性与抗混叠滤波。分析了国产高精度激光捷联惯导常用的2000Hz采样频率下激光陀螺频谱特性。指出在该采样频率下,激光陀螺输出信号中存在某些固定频率干扰信号。提出一种逐步升高采样频率的方法,给出了谱峰位置确定公式,证明国产高精度激光陀螺输出信号中存在机抖频率的3倍频和5倍频干扰信号,并给出合理的最低采样频率应为4500Hz。为了解决激光陀螺数字化输出的抗混叠滤波问题,建议引入过采样技术,继续提高采样频率,降低激光陀螺功率谱密度,并利用低通滤波抑制噪声,提高激光陀螺精度。
简介:传统的语音识别方法,信噪比较低时识别率也较低。为了使语音识别更具有环境适应性、抗噪性,从非齐次隐马尔可夫模型(nonhomogeneousHiddenMarkovModel,HMM)出发,结合自适应函数链神经元网络,训练出适应环境变化的混合语音模型,并采用该混合模型进行语音识别。实验结果表明,该模型适用于含噪语音的识别,特别是在低信噪情况下,可以相对提高识别率。
简介:稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。