面向高可靠低时延无线传感器网络的优化算法

    公开(公告)号:CN109890040A

    公开(公告)日:2019-06-14

    申请号:CN201910182049.6

    申请日:2019-03-11

    Abstract: 本发明涉及一种面向高可靠低时延无线传感器网络的优化算法,包括建立关于无线传感器网络节点的染色体及其种群;构建对应的数据矩阵并获取改进数据矩阵;利用主成分分析法分解该改进数据矩阵并转化为映射数据矩阵;利用遗传算法对映射数据矩阵对应的染色体种群进行优化计算,并产生更新的染色体种群;最后构建该更新染色体种群的最小模式集合,并将其作为该染色体种群的优化收敛条件,直到所述更新染色体种群的最小模式集合满足优化收敛条件。本发明考虑传感器节点的能量特性、连通特性和可靠特性,综合运用主成分分析法和遗传算法的优点降低优化迭代次数和提高算法计算效率,有助于降低高可靠低时延无线传感器网络中优化调度的计算复杂度。

    一种基于改进独立向量分析算法的声信号盲分离方法

    公开(公告)号:CN106887238B

    公开(公告)日:2020-05-15

    申请号:CN201710117865.X

    申请日:2017-03-01

    Abstract: 本发明提供一种基于改进独立向量分析算法的声信号盲分离方法,包括:步骤1,通过M个传感器采集N个源信号的卷积混合信号,以得到M个观测信号;步骤2,通过短时傅里叶变换将所述观测信号从时域转换到频域,并建立基于分离矩阵的频域分离信号模型;步骤3,逐频点对频域的所述观测信号和分离矩阵进行预处理;步骤4,采用基于自适应更新的自然梯度独立向量分析算法逐频点进行盲分离处理,以得到频域的分离信号;步骤5,对频域的分离信号进行逆短时傅里叶变换,以得到时域的分离信号。本发明考虑声信号的卷积混合,自适应更新,能够更精确地恢复源信号,更快达到收敛;算法对更新步长的初始值不敏感,鲁棒性好,稳定性高。

    面向高可靠低时延无线传感器网络的优化方法

    公开(公告)号:CN109890040B

    公开(公告)日:2021-09-03

    申请号:CN201910182049.6

    申请日:2019-03-11

    Abstract: 本发明涉及一种面向高可靠低时延无线传感器网络的优化方法,包括建立关于无线传感器网络节点的染色体及其种群;构建对应的数据矩阵并获取改进数据矩阵;利用主成分分析法分解该改进数据矩阵并转化为映射数据矩阵;利用遗传算法对映射数据矩阵对应的染色体种群进行优化计算,并产生更新的染色体种群;最后构建该更新染色体种群的最小模式集合,并将其作为该染色体种群的优化收敛条件,直到所述更新染色体种群的最小模式集合满足优化收敛条件。本发明考虑传感器节点的能量特性、连通特性和可靠特性,综合运用主成分分析法和遗传算法的优点降低优化迭代次数和提高算法计算效率,有助于降低高可靠低时延无线传感器网络中优化调度的计算复杂度。

    一种基于麦克风阵列的信号增强方法

    公开(公告)号:CN109389991A

    公开(公告)日:2019-02-26

    申请号:CN201811243475.8

    申请日:2018-10-24

    Abstract: 本发明涉及一种基于麦克风阵列的信号增强方法,其包括:步骤S1,获得频域观测信号;步骤S2,将所述频域观测信号输入一固定波束形成器中进行固定波束形成,以获得含有残留噪声的语音信号;步骤S3,将所述频域观测信号输入一阻塞矩阵,并经过与该阻塞矩阵连接的自适应滤波器处理后,获得参考噪声信号;步骤S4,将所述含有残留噪声的语音信号以及参考噪声信号输入到自适应噪声消除器中进行自适应滤波,以获得频域增强语音信号;步骤S5,对所述频域增强语音信号进行时频转换,以获得时域增强语音信号。本发明采用自适应方法优化广义旁瓣消除器,对含有残留噪声的语音信号的增强效果良好,鲁棒性高。

Patent Agency Ranking