中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 张剑湖云南大学 1999年硕士导师: 何湘藩共54页

摘要 : 该论文讨论了离散的多目标变权综合决策方法及其多目标群排序问题.主要内容有:1.提出了两种多目标群赋权的集结方法,克服了用单一方法(或个别决策者)确定权数的弊端,提高了权数的精确度.2.给出了惩罚型、激励型和混合型变权的公理化定义和相应的均衡函... 展开

关键词 : 多目标变权多目标群排序决策

2. 多目标神经网络优化理论与方法

[学位论文] 王天虹武汉大学 2000年硕士导师: 钟守楠共74页

摘要 : 该文在参阅大量国内外关于神经网络系统的文献的基础上,介绍了神经网络的基本概念,神经网络模型,模糊神经网络,优化神经网络,神经网络与其他技术的结合,以及神经网络在某些领域的应用,神经网络的实现技术等.既借鉴了许多已有的经验成果,也阐述了一些新... 展开

关键词 : 多目标规划多目标优化神经网络多目标有效解

3. 基于DSP的多目标跟踪系统算法研究

[学位论文] 李秋竹重庆大学 2007年硕士导师: 何伟共71页

摘要 : 运动多目标的检测、识别与跟踪在工业应用、导航特别是武器制导等军事领域得到了广泛的应用。论文从算法和实验的角度，对多目标检测、识别与跟踪技术及其实时处理方法进行了研究，在满足实时性要求的前提下，克服环境影响和噪声干扰，实现了多目标的... 展开运动多目标的检测、识别与跟踪在工业应用、导航特别是武器制导等军事领域得到了广泛的应用。论文从算法和实验的角度，对多目标检测、识别与跟踪技术及其实时处理方法进行了研究，在满足实时性要求的前提下，克服环境影响和噪声干扰，实现了多目标的连续、稳定的跟踪。整个系统分为多目标捕获和多目标跟踪两大阶段。多目标捕获阶段又分为多目标搜索和多目标检测两个部分。多目标搜索阶段的操作主要是去除背景。本文结合帧差法和多帧累积法的思想，采用了基于自适应背景相减的改进的差异累积图像法，搜索到所有运动对象及其大致位置。在多目标检测阶段采用由粗到精两步检测法，先用图像标识法粗检测出运动目标，再采用一维最大类间方差图像分割法结合改进的区域生长法精确检测出真目标。在多目标跟踪阶段，跟踪策略采用自适应多波门跟踪法，每个目标对应一个波门进行自适应跟踪，多个波门之间采用优先级策略进行控制。目标跟踪的算法主要采用预测算法，对目标的轨迹、速度，以及波门的位置进行预测。本文通过对线性逼近、标准Kalman滤波和Sage-Husa自适应滤波三种预测方法进行Matlab仿真比较，根据现场环境和系统实时性分析了最佳算法的选取原则。跟踪过程中，还对目标被遮挡、目标丢失、出现新目标等特殊情况进行了较好地应对。在多目标捕获和跟踪过程中，目标识别技术是非常重要的。本文采用计算目标特征信息和模板匹配的方法，设置一定条件实时更新特征信息和模板，实现了对目标的自适应判决识别。整个软件系统中采用链表+目标特征信息结构体的思想进行编程，有效地解决了目标多，信息杂，难以查找和管理的问题。本文的跟踪算法成功地在PC机上和基于DSP的多目标跟踪系统上得到了验证。验证结果表明，在一定误差范围内，系统可以准确捕获到多目标；在目标运动的一定速度范围内，可以实时地连续跟踪各个目标。证明这一系列算法具有较高的可行性。收起

关键词 : DSP 多目标捕获多目标跟踪轨迹预测多目标识别

4. 多目标DOA跟踪算法研究

[学位论文] 张怀根西安电子科技大学 2008年博士导师: 吴顺君共93页

摘要 : 阵列信号处理是现代信号处理的一个重要分支，主要包括波束形成和波达方向(DOA)估计两个方面。其应用广泛涉及到雷达、声纳、导航、通讯、成像、地质勘探和生物医学工程等诸多领域。实际中被估计的目标大部分处于运动状态中，其DOA往往也都随着时间变... 展开阵列信号处理是现代信号处理的一个重要分支，主要包括波束形成和波达方向(DOA)估计两个方面。其应用广泛涉及到雷达、声纳、导航、通讯、成像、地质勘探和生物医学工程等诸多领域。实际中被估计的目标大部分处于运动状态中，其DOA往往也都随着时间变化。因此，研究DOA跟踪技术有着十分重要的意义。本文主要研究了角度快变和角度慢变模型下的多目标DOA跟踪算法。主要研究工作如下： 1)介绍了一种经典的子空间跟踪算法-PAST算法，讨论了两种关联算法。提出了一种改进的PAST算法，改进算法将预测值利用到投影近似中，得到了更为精确的子空间估计。进一步利用所更新的导向矩阵的特定形式，避免了常见算法中的数据关联过程，具有较小的运算量。 2)提出了一种基于协方差矩阵元素的多目标DOA跟踪算法，该算法首先在初始时刻利用高分辨方法估计得到各个目标的个数、初始角度以及回波功率。接着将相邻时刻协方差矩阵的差通过两个近似转化为关于各个目标角度差的线性方程组。重复解方程组可以得到不同时间段各个目标的角度，完成了跟踪过程。该算法前后时间段估计得到的各个目标的角度是自动关联的，省去了运算量较大的数据关联过程；当噪声为平稳噪声时，可以有效地减小噪声的影响；可以同时跟踪大于阵元个数的目标。 3)当目标的角度变化较快时，基于协方差矩阵元素的多目标DOA跟踪算法中两个近似带来的误差较大，影响了跟踪精度。针对此种情况，提出了两种旨在提高跟踪精度的修正算法。修正算法1采用了二次估值，修正算法2利用了角度预测信息。此外，提出了修正算法3，通过对预测值和估计值进行加权求和，使目标交汇时的正确关联概率大大提高。 4)目前大多算法都是假设不同时间段各个目标的回波功率不变，但实际情况中，随着角度的变化，回波功率往往也会变化。本文提出了一种基于协方差矩阵元素的多目标角度、功率联合跟踪算法，可以对各个目标的角度和功率进行联合跟踪。 5)通过分析协方差矩阵的内部结钩，发现从协方差矩阵的元素出发，其有用的信息只有M-1(M为阵元个数)个元素。据此，本文对C.R.Sastry的基于范数最小准则的多目标DOA跟踪算法进行了改进，只利用了协方差矩阵第一行的元素，大大简化了C.R.Sastry的代价函数。这种算法本质上是通过目标回波功率上的差异进行数据关联，在各个目标的回波功率不同的情况下，即使目标的角度出现交汇的情况，此算法也能进行正确的关联。同时，通过近似解一组线性方程组，可以求出各个目标的回波功率，完成了对各个目标的角度和功率的联合跟踪。 6)提出了两种多目标二维角跟踪算法，他们是前两种算法在二维方向上的一个扩展，可以对各个目标的方位角和俯仰角进行联合跟踪。它们具有本文一维跟踪算法同样的优点。 7)提出了一种角度时延联合跟踪算法，将相邻时间段估计得到的频域冲激响应作差，得到了各个目标的角度差和时延差。这种方法在不同时刻估计得到的角度和时延是自动关联的，具有运算量小的特点。收起

关键词 : 多目标跟踪

5. 融合局部搜索策略的多目标优化算法研究

[学位论文] 王一鸣西安电子科技大学 2022年硕士导师: 高卫峰共91页

摘要 : 现实生活中许多问题是多目标优化问题。多目标进化算法以种群进化的方式不断逼近最优解，具有全局优化能力，已成为处理多目标优化问题的常用方法，是目前的研究热点。然而，多目标进化算法收敛慢，需要消耗较多的计算资源才能获得满足要求的解。相反... 展开现实生活中许多问题是多目标优化问题。多目标进化算法以种群进化的方式不断逼近最优解，具有全局优化能力，已成为处理多目标优化问题的常用方法，是目前的研究热点。然而，多目标进化算法收敛慢，需要消耗较多的计算资源才能获得满足要求的解。相反，局部搜索策略可以快速收敛到局部最优解，却没有全局搜索能力，难以维持多样性。本论文的研究目的是将局部搜索策略与多目标进化算法相结合，利用两者的优点，设计高效的混合多目标优化算法，以求解多目标优化问题。论文的主要创新点如下: 1)针对多目标进化算法收敛慢的不足，提出了融合梯度搜索策略的多目标优化算法。该算法使用目标梯度信息找到帕累托下降方向，构造基于多目标最速下降法的局部搜索策略，加快算法收敛速度。同时，该算法利用两种聚类技术为种群中的个体选择合适的帕累托下降方向。为了减少局部搜索带来的多样性损失，该算法使用基于分解的多目标进化算法(Decomposition-basedMulti-objectiveEvolutionaryAlgorithm，MOEA/D)增强种群的多样性。此外，该算法提出了一个交替机制，交替使用局部搜索策略和MOEA/D，达到平衡收敛性和多样性的目的。数值实验表明，该算法在多目标测试问题上表现优异。 2)针对多目标进化算法难以平衡多样性和收敛性的不足，提出了融合约束子问题梯度信息的两阶段多目标优化算法。该算法在两个独立连续的阶段分别处理收敛性和多样性。第一阶段，该算法将多目标优化问题分解为一组约束子问题，根据子问题梯度信息，找到对应的下降方向，构造局部搜索策略，快速得到一组具有良好收敛性的有前景的解。第二阶段，该算法在有前景的解周围生成种群，使用多样性改进策略增强种群的多样性。数值实验表明，该算法具有良好的性能。 3)考虑到一些多目标优化问题的梯度信息难以获取，提出了融合无梯度搜索策略的多目标优化算法。该算法通过学习种群的进化趋势找到潜在的下降方向，构造局部搜索策略来加快算法收敛速度，并利用MOEA/D维持种群的多样性。同时，该算法动态调整使用局部搜索策略的概率，来平衡收敛性和多样性。此外，该算法利用改进的差分算子增强目标空间中稀疏区域的多样性。数值实验表明，该算法对于多目标优化问题是有效的。收起

关键词 : 多目标优化问题多目标进化算法多目标梯度约束子问题

6. 复杂问题的多目标进化优化算法研究

[学位论文] 王晗丁西安电子科技大学 2015年博士导师: 焦李成共169页

摘要 : 多目标优化问题在优化领域中是难以解决的瓶颈问题。多目标进化算法是一类基于种群的自然启发的随机算法，具有单次运行可输出问题解集的优点，因此多目标进化算法蓬勃发展，已成为解决多目标优化问题的主流算法。可是，复杂多目标优化问题仍是多目标... 展开多目标优化问题在优化领域中是难以解决的瓶颈问题。多目标进化算法是一类基于种群的自然启发的随机算法，具有单次运行可输出问题解集的优点，因此多目标进化算法蓬勃发展，已成为解决多目标优化问题的主流算法。可是，复杂多目标优化问题仍是多目标进化算法的挑战。多目标优化问题的复杂性源于两个方面，即决策和目标空间的复杂性。决策变量间的关联增加了问题困难程度，目标空间的高维度使得Pareto支配关系失效，以及目标空间内的观测噪声误导算法。针对以上两类复杂问题，本文进行相关的探索，完成了具有国际同行认可的工作，主要研究成果有: 1.针对决策空间复杂的多目标优化问题，本文提出了一种基于方向向量的多目标协同进化算法。该算法将方向向量概念引入协同进化算法中，首先将整个种群根据目标空间上的初始方向向量将种群划分成若干子群，个体根据其方向向量分配所属子群，然后通过子群间的协同互动求解问题，最后，在欠开发地区内搜索增加多样性。实验结果表明，该算法对于此类问题在收敛性、多样性和均匀性上相比于已有算法具有一定优势。 2.多目标优化问题中决策变量和目标函数间具有复杂的映射关系。通常，一决策变量对不同目标函数的影响不同。因此，这种不平衡映射关系引起了决策空间的搜索冗余。针对这种情况，本文提出了一种基于决策空间维数约减的密母局部搜索策略。该策略首先分析决策变量和目标函数间的映射关系，然后通过所得关系将决策空间划分成若干个子空间，最后在子空间内进行密母局部搜索策略来提高算法性能。此外，该策略可容易地移植到已有多目标进化算法中。实验结果表明该策略可有效提高已有多目标进化算法在具有不平衡映射关系问题上的性能。 3.非支配排序是基于Pareto的多目标进化算法中的重要一步。对于高维多目标优化问题的非支配排序需要更多次比较。为提高其排序速度，本文提出了一种角解优先的排序方法（简称角排序）。角排序首先以一种简单快速的方法从角解中获得一非支配解，然后忽略掉其他解与该解支配掉的解比较。角排序中获得非支配解的方法所需目标比较次数较少，因此可节约比较次数。实验结果表明角排序对高维多目标优化问题相比于已有排序方法所需目标比较次数少。 4.一些高维多目标优化问题的冗余目标间的相关性可能是线性或非线性的。目标约减方法可以有效的降低具有冗余目标的高维多目标优化问题的难度。为此，本文提出了一种基于非线性相关信息熵测度的目标约减方法。该算法采用非线性相关信息熵矩阵测量当前非支配种群作为数据集来分析目标间线性和非线性相关关系，并采用一种简单方法选取最矛盾的目标集合。实验结果表明该算法有助于基于Pareto的多目标进化算法求解具有冗余目标的高维多目标优化问题，却无益于基于指标的多目标进化算法。 5.高维多目标优化问题给多目标进化算法在收敛性、多样性和复杂度方面上都带来了困难，已有算法仅能在其中一方面表现良好。双档案算法是一种包含两个分别针对收敛性和多样性档案且低复杂度的多目标进化算法。为了设计一种在收敛性、多样性和复杂度三方面上具有平衡性能的算法，本文提出了一种针对高维多目标优化问题的双档案算法。该算法分配两个档案不同选择规则，收敛性档案是基于指标的，多样性档案是基于Pareto的。此外，该算法采用一种基于Lp范数距离(p＜1)多样性保持策略针对高维多目标优化问题的多样性。实验表明该算法在高维多目标优化问题上的收敛性和多样性相比以往算法有一定优势，可处理20目标优化问题。 6.描述Pareto前端范围的最底点有助于决策者更准确地输入其偏好信息。然而，高维多目标优化问题的最底点难以获得。为此，本文提出了一种重要区域优先的最底点估计方法。该算法除了保存非支配解集中极点周围个体以外，还均衡保存具有单个目标最优值的重要区域来增加种群的多样性，进而加快收敛速度。此外，该算法采用一种自适应ε-删除策略删除近似个体进一步增强种群多样性。实验表明该算法对10-35目标优化问题的最底点估计优于已有算法。 7.源于目标观测的噪声降低多目标进化算法性能。模型的方法已经用于去噪，但已有方法并没有考虑任何多目标优化问题本身特性。正则模型是一种针对多目标优化问题降维模型。本文通过对正则模型研究发现该模型可高效地求解含噪多目标优化问题，并且可嵌入已有算法中。实验证明多目标进化算法嵌入正则模型后可改善该算法在含噪问题上的性能，却不能改善在无噪问题上的性能。收起

关键词 : 多目标进化算法复杂多目标优化问题高维多目标优化问题

7. 水下多目标模拟信号源的设计与研制

[学位论文] 王留全西北工业大学 2007年硕士导师: 黄建国共84页

摘要 : 水下多目标定位和跟踪技术的实现已成为新型水下自导系统的关键和迫切需要解决的问题。水下多目标模拟信号源的设计及研制为多目标定位和跟踪技术的深入研究和开展水池实验提供了理论依据和物质保障。结合在研项目，本文从鱼雷自导系统中常用的水声目... 展开水下多目标定位和跟踪技术的实现已成为新型水下自导系统的关键和迫切需要解决的问题。水下多目标模拟信号源的设计及研制为多目标定位和跟踪技术的深入研究和开展水池实验提供了理论依据和物质保障。结合在研项目，本文从鱼雷自导系统中常用的水声目标回波模型出发，结合多目标定位和跟踪水池实验系统组成及多目标回波模拟系统，设计并研制了多目标定位和跟踪实验系统的关键设备一水下多目标模拟信号源，并投入实验室使用。本论文的主要工作和研究成果包括以下几个方面： (1) 本文系统地论述了鱼雷自导系统中常见的基于参数估计的水声回波信号模型和多目标多参数水声回波模型。在对它们深入分析的基础上，给出了多目标模拟信号源及多目标定位和跟踪水池实验系统中对多目标多参数水声回波模拟的有关参数的控制与实现方法。 (2) 文中在深入研究多目标定位和跟踪水池实验系统组成和多目标回波信号模拟系统的基础上，提出了多目标模拟信号源的技术指标和性能参数。通过对当前信号源常用几种信号实现方案的分析，构造出了多目标模拟信号源的技术方案，给出了硬件系统整体结构图和用硬件实现的途径。为了设计和调试的方便，把硬件系统划分成信号生成和信号处理两块电路板来实现，并给出了它们各自的硬件原理框图。 (3) 在分配了各个电路模块的任务和功能，选择了各模块的主要器件之后，设计了信号生成电路板和信号处理电路板的各子模块电路。针对多目标模拟信号源的硬件系统及其要实现的功能，分别编写了L)SB固件程序、以FPGA为主芯片的波形信号生成程序和CPLD命令参数控制程序，最终完成了多目标模拟信号源的硬件和软件设计及研制。 (4) 对多目标模拟信号源系统软件和硬件分别进行了调试，先排除了各个部分的故障，然后对整个系统进行联合调试，直到系统能够按照设计要求正常工作为止。同时，对调试中存在的典型问题及其原因进行了分析并给出了解决办法，并对其进行了性能测试。结果表明，该信号源稳定可靠，参数控制灵活简单，技术指标达到了原设计要求，能够满足多目标定位和跟踪水池实验的各项需要。收起

关键词 : 多目标定位多目标模拟信号源水池实验多目标跟踪

8. 多目标进化算法研究

[学位论文] 黄林峰中国科学技术大学 2009年博士导师: 王煦法;罗文坚共118页

摘要 : 现实世界的很多优化问题都是由多个互相作用且互相冲突的目标组成的，它的最优解不是一个解，而是一组均衡解，这组解被称为Pareto最优解集。进化算法作为一种群体智能搜索方法十分适合用来求解多目标优化问题。从20世纪80年代中期开始，进化算法就被... 展开现实世界的很多优化问题都是由多个互相作用且互相冲突的目标组成的，它的最优解不是一个解，而是一组均衡解，这组解被称为Pareto最优解集。进化算法作为一种群体智能搜索方法十分适合用来求解多目标优化问题。从20世纪80年代中期开始，进化算法就被应用于求解多目标优化问题。近年来涌现出大量的多目标进化算法，其中一些已成功应用到工程实践中，进化多目标优化也因此成为目前进化计算和多目标优化领域的一个研究热点。多目标0/l背包问题是经典的组合优化问题，具有重要的理论研究和工程应用价值，并且常常被用来测试多目标进化算法的性能。本文旨在通过对多目标进化算法进行深入的探索和研究，针对多目标0/1背包问题设计高效的求解策略，并进行相应的实验和理论分析。本论文的研究内容主要包括以下几个方面： (1)针对多目标0/1背包问题，提出了两种新的加权修复策略。自Zitzler等人提出SPEA算法以来，多目标进化算法被广泛地用于求解多目标0/1背包问题。多目标0/1背包问题必须满足容量约束，然而进化算法在求解过程中会产生超出容量的不可行解。最直接最有效的方法之一是通过修复操作将不可行解变成可行解，而目前最常用的基于最大化利率的修复策略并没有全面考虑物品对各个包的影响。因此，本文提出了两种新的加权修复策略，分别基于背包容量和个体约束违反程度。将这两种新的修复策略分别应用到经典算法SPEA2中来求解多目标0/1背包问题，实验结果表明新的修复策略不仅在2到4个目标的样本上收敛性有较大提高，并且分布性也有一定的改善。与此同时，在目标数超过4个的高维多目标0/1背包问题上性能也有明显提高。 (2)针对多目标优化问题，基于Minkowski距离和对各个目标值进行加权，提出了多种新的密度评估策略。多目标优化的目标就是找到一个解集。这个解集要满足两个要求，即收敛性和分布性。收敛性就是要使得到的解集在目标空间上与真正Pareto最优前沿的距离尽可能小，而分布性则是要使这个解集在目标空间尽可能均匀分布。当前多目标进化算法的设计正是围绕着这两个要求来进行的。引入Pareto支配关系是为了尽可能保证算法的收敛性，而密度函数的引入则主要是为了尽可能保证算法有更好的分布性。当然，这两方面是相互关联、相互影响的。当非支配解的数目超过归档群体大小时，就需要根据密度函数删除一部分个体。而在遗传选择时，大量支配关系相同的个体就要根据密度函数来决定其优劣。因此，密度评估策略对多目标进化算法的性能是很重要的，但对于高维多目标问题，现有密度评估策略的可扩展性却存在一定问题。为此，本文更全面地考虑目标空间上各个子目标的影响，基于Minkowski距离和对各个子目标值进行加权，提出了几种新的密度评估策略。在4到9个目标的多目标0/1背包问题样本上的实验结果表明，使用新的密度评估策略的多目标进化算法能更有效的收敛到Pareto前沿。然后，将其与本文提出的修复策略相结合，实验结果表明二者结合后使得算法收敛性有更大提高。此外，进一步将已有的基于欧氏距离与随机距离的密度评估策略相结合提出了混合密度评估策略，并用实验验证了它的有效性。 (3)针对多目标进化算法，提出了多种新的遗传选择策略。遗传选择是多目标进化算法的一个重要步骤。现有的多目标进化算法在进行遗传选择时，大都是从外部群体中来选择父代个体，并且基本是采用基于局部竞争的选择方法，如锦标赛选择等。竞争获胜的标准一般是根据适应度的大小来判断，而适应度的大小通常由个体间的Pareto支配关系和个体信息（比如密度函数）来共同决定。当目标数增多时，非支配解的数目急剧增加，外部群体中的大多数个体均为非支配解，此时哪个个体获胜完全依赖于密度函数的值，偏向于保持解集的分布性，这显然不够合理。因此，通过在锦标赛选择时加入考虑两个体间各子目标值的具体对比情况，本文提出了多种新的遗传选择策略。实验结果表明，使用新的遗传选择策略的多目标进化算法在求解超过4个目标的多目标0/1背包问题时性能有很大提高。然后，将其与本文提出的修复策略相结合，实验结果表明二者结合后对于算法收敛性有更大提高，对于算法的分布性也并没有不利的影响。本论文以多目标优化问题为背景，对多目标0/1背包问题的修复策略、多目标进化算法中的密度评估策略、遗传选择策略进行了较为深入的研究。这不仅对多目标进化算法的研究有着重要的意义，也对多目标优化的实际应用有着重要的意义。收起

关键词 : 多目标优化进化算法多目标0/1背包问题

9. 基于深层神经网络的多目标学习和融合的语音增强研究

[学位论文] 王青中国科学技术大学 2018年博士导师: 刘庆峰；杜俊共117页

摘要 : 近几年，随着智能终端机功能的增强和云端计算能力的提高，人和计算机之间的交流方式发生了很大的变化。而语音作为人类最重要、最常用和最方便的信息交换方式，自然成为不可或缺的媒介。在日常生活进行语音通信或者在军事通信中进行作战指挥时，常常... 展开近几年，随着智能终端机功能的增强和云端计算能力的提高，人和计算机之间的交流方式发生了很大的变化。而语音作为人类最重要、最常用和最方便的信息交换方式，自然成为不可或缺的媒介。在日常生活进行语音通信或者在军事通信中进行作战指挥时，常常伴随各种噪声干扰，这些噪声干扰不仅影响语音的质量和可懂度，同时也给后续语音识别和语音端点检测等处理带来困难。语音增强的主要目标就是从带噪语音中提取干净的原始语音，提高语音质量和可懂度。传统单声道语音增强算法基本都是无监督语音增强算法，通常会对语音信号和噪声信息的概率分布做一定假设，对平稳噪声处理比较好，但对非平稳噪声抑制能力较弱。近些年来，随着深度学习技术在语音领域取得重大突破，给语音增强提供一种有监督学习的解决方案和有望取得突破性进展的可能性。研究发现，基于深层神经网络（Deep Neural Network，DNN）的语音增强方法取得比传统语音增强算法很大的性能提升。本文围绕用回归DNN来拟合语音和噪声间的复杂非线性关系，着力解决低信噪比语音可懂度不高、噪声非平稳问题，然后通过多目标学习和融合技术，设计适用于实时应用的紧凑和低延时模型，最后在最大似然估计的框架下对基于时频掩蔽的DNN进行参数优化。首先，基于已有的DNN语音增强算法框架，本文研究不同的输入信息对系统性能的影响，解决在低信噪比情况下语音可懂度不高的问题。通过设计不同的输入特征，比如对数功率谱（Log power Spectra，LPS）和幅度谱（Amplitude Spectra，AS），研究回归深层神经网络的学习过程，基于不同特征之间的互补性，在输入层采取特征拼接，输出层对不同学习目标进行后处理，来同时提高语音质量和可懂度。其次，针对宽带(16k Hz)语音数据上噪声不匹配的问题，本文提出了一种改进的动态噪声估计方法，利用双绝对门限、平滑策略以及与静态噪声融合，使得估计的全频带噪声更准确，并且使用噪声的子带特征和表征语音存在概率的掩蔽值(Ideal Ratio Mask，IRM)进行联合感知训练，在减少模型复杂度的同时可以提高模型对不可见噪声的泛化能力。再者，本文提出了一个基于DNN的多目标学习和融合语音增强框架，包括多目标学习和多目标融合两个阶段，能够在较小的模型复杂度和较低的延时情况下达到比较好的性能，更适用于实时语音应用。在多目标学习阶段，设计一个DNN模型来学习辅助信息，包括LPS特征、梅尔频率倒谱系数（Mel frequency Cepstral Coefficient，MFCC）和Gammatone频率倒谱系数（Gammatone Frequency Cepstral Coefficient，GFCC）以及每组特征对应的干净语音、动态噪声和IRM。在多目标融合阶段，用上个阶段学习到的辅助信息与原始带噪信号一起作为网络输入，在输出层同时预测LPS、MFCC和GFCC对应的干净语音和IRM信息。最后对这两个阶段DNN预测的干净语音做后处理融合。由于在DNN学习过程中引入了多个目标，利用多目标的自适应学习，两个阶段的DNN模型可以设计的很紧凑，降低模型复杂度，可以在较低延时的情况下保持不错的性能。最后，在概率分布框架下，对使用IRM作为目标函数的DNN，本文假设IRM预测误差服从广义高斯分布，并采用最大似然估计方法来优化DNN的参数。针对广义高斯分布不同的形状参数，本文分析和讨论了IRM预测误差分布，选择合适的形状参数，相比于最小均方误差准则，基于最大似然估计的方法在所有客观指标上都有显著提高，缓解语音失真，保留更多语音高频部分。收起

关键词 : 语音增强多目标学习多目标融合深层神经网络

10. 基于凝视的大视场多目标检测与估计技术研究

[学位论文] 吴日升厦门大学 2019年硕士导师: 高春仙共98页

摘要 : 随着环境复杂化、目标多元化以及任务多重化，现代雷达系统在多目标处理问题上面临着极大的挑战。针对目前多目标处理存在的问题:1）密集多目标场景在检测过程中存在遮蔽效应，高速目标的距离走动问题影响相参积累;2）多目标测距测速算法通常难以兼备... 展开随着环境复杂化、目标多元化以及任务多重化，现代雷达系统在多目标处理问题上面临着极大的挑战。针对目前多目标处理存在的问题:1）密集多目标场景在检测过程中存在遮蔽效应，高速目标的距离走动问题影响相参积累;2）多目标测距测速算法通常难以兼备估计性能和计算量;3）距离不可分辨的多目标场景下，传统的测角方法无法区分目标而导致测角失效。本文以凝视雷达系统为基础，利用其发射宽波束来获取较大的视场，并围绕大视场下的多目标检测与估计问题展开，分别对检测、测距测速以及测角三个方面进行研究。 (1)针对线性调频信号构建了回波模型，并介绍了基于匹配滤波的脉冲压缩原理以及回波信号在频域进行脉压处理的流程。根据单脉冲系统中的测角模型以及和差波束的合成原理，结合波束增益修正了和差通道的输出信号模型。 (2)针对目标高速运动场景，本文提出了一种速度粗补偿与速度精补偿相结合的预处理方法，用于解决高速运动目标在脉冲积累时间内产生的距离走动问题。为了解决密集多目标情况下的目标遮蔽效应，介绍了一种改进的恒虚警率(Constant False Alarm Rate，CFAR)检测方法，该方法通过在参考窗内进行极值剔除来获取更准确的干扰功率估计值，并且通过扩展二维待检信号使得信号边缘也满足CFAR检测的运算条件。 (3)本文提出一种基于最大似然估计(Maximum Likelihood Estimation，MLE)的多目标分区间估计算法，用于解决MLE全局搜索下的时间复杂度问题。同时，本文给出了一种基于CZT-IFFT的快速算法，该快速算法通过CZT和IFFT变换进行降阶处理，从而提高算法的运行效率。然后针对速度模糊问题，给出了一种基于MLE的速度解模糊方法，并通过仿真实验验证了该方法的可行性。 (4)针对传统的单脉冲比幅（Amplitude Comparison Monopulse，ACM）测角法在距离不可分辨的多目标场景中存在测角失效的问题，本文提出了一种基于CLEAN的MAC-ML(Multi-Target Amplitude Comparison Based on Maximum Likelihood，MAC-ML)算法，并对角度估计值的克拉美罗下限(Crumér-Rao lower Bound，CRLB)进行推导。针对不同的多目标场景，通过仿真实验验证了基于CLEAN的MAC-ML算法的测角精度可以达到CRLB。收起

关键词 : 多目标检测多目标估计大视场凝视雷达