基于平均模糊函数的BOC信号参数盲估计方法

    公开(公告)号:CN105445767B

    公开(公告)日:2018-04-20

    申请号:CN201410464587.1

    申请日:2014-09-12

    Abstract: 本发明请求保护一种基于平均模糊函数的BOC信号的参数联合估计方法,属于信号处理技术领域。通过对BOC信号平均模糊函数处理以后,在载频,副载波码片速率,伪码速率和伪码周期等参数上表现出较强的信号分量,从该特征可以对BOC信号的载频,副载波速率,伪码速率和伪码周期进行联合估计。同时通过对多段信号的平均模糊函数进行累加平均,可以进一步提高该算法的处理增益。该算法计算量相对较小,估计精度较好,克服了谱相关方法非线性运算复杂的问题以及不能估计伪码周期的问题。本方法可以在低信噪比下较准确地估计BOC信号的多个参数,从而对该信号的后续处理以及细微特征分析(副载波类型识别,伪码序列估计)具有重要意义。

    Gold序列参数估计方法
    2.
    发明授权

    公开(公告)号:CN104158557B

    公开(公告)日:2016-08-17

    申请号:CN201410372982.7

    申请日:2014-07-31

    Abstract: 本发明请求保护一种Gold序列参数估计方法。Gold序列是一种伪随机序列,其互相关特性比m序列好,在现代通信中被广泛应用。Gold序列的参数是Gold序列的重要组成部分,但其参数估计相关研究甚少。针对Gold序列参数估计问题,本发明提出了基于梅西迭代算法的Gold序列参数估计方法。本方法先根据截取的Gold序列的部分序列,利用梅西迭代算法估计其生成多项式,再通过多项式除法估计产生该Gold序列的m序列优选对的本原多项式。在截取序列长度较短且含误码的情况下,该方法可以有效地估计出Gold序列的参数。

    基于平均模糊函数的BOC信号参数盲估计方法

    公开(公告)号:CN105445767A

    公开(公告)日:2016-03-30

    申请号:CN201410464587.1

    申请日:2014-09-12

    Abstract: 本发明请求保护一种基于平均模糊函数的BOC信号的参数联合估计方法,属于信号处理技术领域。通过对BOC信号平均模糊函数处理以后,在载频,副载波码片速率,伪码速率和伪码周期等参数上表现出较强的信号分量,从该特征可以对BOC信号的载频,副载波速率,伪码速率和伪码周期进行联合估计。同时通过对多段信号的平均模糊函数进行累加平均,可以进一步提高该算法的处理增益。该算法计算量相对较小,估计精度较好,克服了谱相关方法非线性运算复杂的问题以及不能估计伪码周期的问题。本方法可以在低信噪比下较准确地估计BOC信号的多个参数,从而对该信号的后续处理以及细微特征分析(副载波类型识别,伪码序列估计)具有重要意义。

    Gold序列参数估计方法
    4.
    发明公开

    公开(公告)号:CN104158557A

    公开(公告)日:2014-11-19

    申请号:CN201410372982.7

    申请日:2014-07-31

    Abstract: 本发明请求保护一种Gold序列参数估计方法。Gold序列是一种伪随机序列,其互相关特性比m序列好,在现代通信中被广泛应用。Gold序列的参数是Gold序列的重要组成部分,但其参数估计相关研究甚少。针对Gold序列参数估计问题,本发明提出了基于梅西迭代算法的Gold序列参数估计方法。本方法先根据截取的Gold序列的部分序列,利用梅西迭代算法估计其生成多项式,再通过多项式除法估计产生该Gold序列的m序列优选对的本原多项式。在截取序列长度较短且含误码的情况下,该方法可以有效地估计出Gold序列的参数。

    一种运动损伤严重程度评估方法及评估装置

    公开(公告)号:CN116798639A

    公开(公告)日:2023-09-22

    申请号:CN202310780871.9

    申请日:2023-06-29

    Abstract: 本发明涉及计算机视觉技术领域,特别涉及一种运动损伤严重程度评估方法及评估装置,评估方法包括:获取待评估用户的临床视频数据,并利用VIBE模型进行运动目标检测提取关节点坐标;计算每个关节点之间欧式距离,得到所有关节点欧式距离构成的对称矩阵,即得到关节收集距离特征;利用骨骼的髋关节作为其他关节点的起点,提取每个关节的归一化笛卡尔坐标;在不同采样率下从临床视频中获取一帧图像的慢动作特征、正常动作特征以及快动作特征并进行位置编码;将位置编码后的特征以及关节收集距离特征和每个关节的归一化笛卡尔坐标进行预处理后拼接在一起;将拼接后的特征输入分类器进行损伤程度评估;本发明在评估中取得更高的准确率。

    一种结合HPSS的MFCC-多反复模型的音乐分离方法

    公开(公告)号:CN104616663A

    公开(公告)日:2015-05-13

    申请号:CN201510023609.5

    申请日:2015-01-16

    Abstract: 本发明请求保护一种MFCC-多反复模型的音乐分离方法,涉及信号处理技术领域。考虑到平缓音源较易被忽略,及音乐的时变变化特性,本发明通过谐波、冲击源分离方法(HPSS)对音源类型进行分析,分离出谐波源,然后对剩下的音源提取MFCC特征参数,并对其进行相似运算,构建相似矩阵,以此建立一个适合曲调变换的音源的多反复结构模型,从而得到掩蔽矩阵,最后通过理想二元掩蔽(IBM)和傅里叶逆变换得到歌声及背景音乐的时域波形。该方法可以对不同类型的音源信号进行有效分离,提高了分离的精度,同时,该方法复杂度较低,处理速度快,稳定性较高,在歌手检索及歌曲检索、旋律提取、乐器背景下的语音识别等领域将具有广泛的应用前景。

Patent Agency Ranking