| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 递归噪声减小器 | CN97113601.7 | 1997-05-14 | CN1171696A | 1998-01-28 | 荒井尚久; 太田正志; 滨田敏道 |
| 一种用于对DCT编码的编码数据解码所得到的图像数据的噪声减小器,包括:析取噪声分量的噪声析取单元;删除来自输入图像数据的所析取的噪声分量的第一和第二噪声删除单元;将第一噪声删除单元的图像数据延迟一预定量并向该噪声析取单元提供被延迟的图像数据的存贮器;对要写入该存贮器的图像数据进行抽选的抽选单元;和插入该噪声析取单元的输出并向其输出被取出的第二噪声删除单元提供该所插入的输出的插入单元。 | ||||||
| 2 | 递归噪声减小器 | CN97113601.7 | 1997-05-14 | CN1148953C | 2004-05-05 | 荒井尚久; 太田正志; 滨田敏道 |
| 一种用于对DCT编码的编码数据解码所得到的图像数据的噪声减小器，包括：析取噪声分量的噪声析取单元；删除来自输入图像数据的所析取的噪声分量的第一和第二噪声删除单元；将第一噪声删除单元的图像数据延迟一预定量并向该噪声析取单元提供被延迟的图像数据的存贮器；对要写入该存贮器的图像数据进行抽选的抽选单元；和插入该噪声析取单元的输出并向其输出被取出的第二噪声删除单元提供该所插入的输出的插入单元。 | ||||||
| 3 | 具有噪声模型适配的递归噪声功率估计 | CN201780036576.5 | 2017-06-12 | CN109328380B | 2023-02-28 | 厄恩斯特·阿什巴彻; 弗洛里安·弗吕霍夫 |
| 一种用于为听力植入系统生成听力植入物刺激信号的信号处理方法包括将输入声音信号变换为带通信号，每个带通信号表示音频频率的相关频带。以采样时间帧序列和迭代步骤处理带通信号以产生噪声功率估计。这包括使用噪声预测模型来确定当前观察到的信号采样是否包括目标信号，如果是，则在不使用当前观察到的信号采样的情况下更新当前噪声功率估计，否则使用当前观察到的信号采样更新当前噪声功率估计。还基于更新的噪声功率估计来适配噪声预测模型。然后从带通信号和噪声功率估计开发出听力植入物刺激信号。 | ||||||
| 4 | 具有噪声模型适配的递归噪声功率估计 | CN201780036576.5 | 2017-06-12 | CN109328380A | 2019-02-12 | 厄恩斯特·阿什巴彻; 弗洛里安·弗吕霍夫 |
| 一种用于为听力植入系统生成听力植入物刺激信号的信号处理方法包括将输入声音信号变换为带通信号，每个带通信号表示音频频率的相关频带。以采样时间帧序列和迭代步骤处理带通信号以产生噪声功率估计。这包括使用噪声预测模型来确定当前观察到的信号采样是否包括目标信号，如果是，则在不使用当前观察到的信号采样的情况下更新当前噪声功率估计，否则使用当前观察到的信号采样更新当前噪声功率估计。还基于更新的噪声功率估计来适配噪声预测模型。然后从带通信号和噪声功率估计开发出听力植入物刺激信号。 | ||||||
| 5 | 基于M估计器的递归有源噪声控制方法 | CN201611079136.1 | 2016-11-30 | CN106531145B | 2019-05-17 | 赵海全; 芦璐 |
| 基于M估计器的递归有源噪声控制方法，其步骤主要是：A、噪声输入向量的生成；B、权向量的生成；C、滤波器输出值的生成；D、残差信号阈值的确定，D1、置于噪声消除点的误差麦克风拾取出噪声消除点在当前时刻n的声音信号；并得到残差信号平方e2(n)，组成残差信号平方窗函数向量E(n)，E(n)＝[e2(n),e2(n‑1),...,e2(n‑Nw+1)]；D2、计算M估计器的期望方差D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2；E、误差信号限定值的计算，滤波器计算出M估计器的误差信号限定值ψ(n)；F、权向量更新；G、迭代，令n＝n+1,重复A、B、C、D、E、F的步骤,直至滤波结束。该方法对冲击噪声的消除效果好，收敛速度快，残留误差小。 | ||||||
| 6 | 基于M估计器的递归有源噪声控制方法 | CN201611079136.1 | 2016-11-30 | CN106531145A | 2017-03-22 | 赵海全; 芦璐 |
| 基于M估计器的递归有源噪声控制方法，其步骤主要是：A、噪声输入向量的生成；B、权向量的生成；C、滤波器输出值的生成；D、残差信号阈值的确定，D1、置于噪声消除点的误差麦克风拾取出噪声消除点在当前时刻n的声音信号；并得到残差信号平方e2(n)，组成残差信号平方窗函数向量E(n)，E(n)＝[e2(n),e2(n-1),...,e2(n-Nw+1)]；D2、计算M估计器的期望方差D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2；E、误差信号限定值的计算，滤波器计算出M估计器的误差信号限定值ψ(n)；F、权向量更新；G、迭代，令n＝n+1,重复A、B、C、D、E、F的步骤,直至滤波结束。该方法对冲击噪声的消除效果好，收敛速度快，残留误差小。 | ||||||
| 7 | 基于电影的视频的递归噪声降低方法及装置 | CN200710124028.6 | 2007-10-18 | CN101415078B | 2010-08-18 | 克莱布·麦克; 拉姆瑞克·马克 |
| 本发明公开了一种基于电影的视频的递归噪声降低方法，该方法首先接收具有第一帧率的第一电影帧与具有第一帧率的第二电影帧，随后将该第一电影帧转换为具有第二帧率的第一视频帧组，接下来将该第二电影帧转换为具有第二帧率的第二视频帧组，并仅在该第一视频帧组与该第二视频帧组间边界处对噪声降低修正信号进行调整。本发明的技术方案可以为电影帧边界的视频帧提供有效的噪声修正，并能够根据用户需求自由转换工作模式。 | ||||||
| 8 | 基于电影的视频的递归噪声降低方法及装置 | CN200710124028.6 | 2007-10-18 | CN101415078A | 2009-04-22 | 克莱布·麦克; 拉姆瑞克·马克 |
| 本发明公开了一种基于电影的视频的递归噪声降低方法，该方法首先接收具有第一帧率的第一电影帧与具有第一帧率的第二电影帧，随后将该第一电影帧转换为具有第二帧率的第一视频帧组，接下来将该第二电影帧转换为具有第二帧率的第二视频帧组，并仅在该第一视频帧组与该第二视频帧组间边界处对噪声降低修正信号进行调整。本发明的技术方案可以为电影帧边界的视频帧提供有效的噪声修正，并能够根据用户需求自由转换工作模式。 | ||||||
| 9 | 用于时域递归色度信号噪声减弱的方法和装置 | CN200410090334.9 | 2004-10-18 | CN1610416A | 2005-04-27 | 沃尔夫冈·恩德雷斯; 英戈·德泽; 京特·安东·格林 |
| 为了实现不同等级的噪声减弱，通过以下处理可以实现时域递归色度信号的噪声减弱：从色度输入信号(UVin)中减去(S)色度输出信号(UVout)的延迟(FD，FD－LD－4PD)形式，将相关差信号(D)与可变的共享系数(k)相乘(M)，再将结果与所述的色度输出信号相加(A2)。从所述的差信号(D)中计算(NRC；LD1，LD2，MFSDET)运动表示值(MOT)和表示模糊效应存在的数值(SD)，并将二者用于计算可变系数(k)。在与该系数(k)相乘之后，将差信号与色度输出信号的帧延迟(FD，FD－LD－4PD)形式合并，以便形成噪声减弱的色度输出信号(UVout)。 | ||||||
| 10 | 用于时域递归色度信号噪声减弱的方法和装置 | CN200410090334.9 | 2004-10-18 | CN100512450C | 2009-07-08 | 沃尔夫冈·恩德雷斯; 英戈·德泽; 京特·安东·格林 |
| 为了实现不同等级的噪声减弱，通过以下处理可以实现时域递归色度信号的噪声减弱：从色度输入信号(UVin)中减去(S)色度输出信号(UVout)的延迟(FD，FD-LD-4PD)形式，将相关差信号(D)与可变的共享系数(k)相乘(M)，再将结果与所述的色度输出信号相加(A2)。从所述的差信号(D)中计算(NRC；LD1，LD2，MFSDET)运动表示值(MOT)和表示模糊效应存在的数值(SD)，并将二者用于计算可变系数(k)。在与该系数(k)相乘之后，将差信号与色度输出信号的帧延迟(FD，FD-LD-4PD)形式合并，以便形成噪声减弱的色度输出信号(UVout)。 | ||||||
| 11 | 一种自适应抗混合噪声递归神经动力学方法、装置 | CN202410320788.8 | 2024-03-20 | CN118313242A | 2024-07-09 | 蔡君; 钟诗涛; 易称福; 廖丽平 |
| 本发明属于神经动力学技术领域，涉及自适应抗混合噪声递归神经动力学方法、装置、计算机设备及存储介质，所述方法包括获取信息输入，判断所述信息输入是否为时变矩阵方程问题，否则抽象所述信息输入为时变矩阵方程问题；确定关于所述时变矩阵方程问题的误差函数；建立求解时变矩阵方程问题的自适应抗混合噪声递归神经网络算法；确定以所述误差函数为所述自适应抗混合噪声递归神经网络算法输入的求解模型；测量谐波噪声的频率并将所述频率输入求解模型求解模型；在混合噪声下，迭代求解至无残差且稳定时间至预定值。递归神经网络算法能扩展到抵抗混合多谐波噪声和随机噪声，应用范围更广。 | ||||||
| 12 | 用于以神经网络或递归神经网络支持多个频带的自干扰噪声消除 | CN202180028330.X | 2021-04-13 | CN115552425A | 2022-12-30 | 罗法隆 |
| 本文所描述的实例包含包括具有以递归神经网络进行多频带发射的实例的无线装置和系统的系统和方法，所述递归神经网络补偿由功率放大器在相应无线接收器的谐波频率下产生的自干扰噪声。所述递归神经网络可耦合到无线装置的天线且经配置以产生补偿自干扰的经调整的信号。所述递归神经网络可包含经配置以将发射信号组合为中间结果集合的处理元件的网络。每一中间结果集合可在所述递归神经网络中求和以产生对应经调整信号。所述经调整信号可由对应无线接收器接收，以补偿由在与所述无线接收器进行接收的频带相同或不同的频带上进行发射的无线发射器产生的自干扰噪声。 | ||||||
| 13 | 一种基于抗噪声模糊递归神经网络的FPGA实现方法 | CN202310350455.5 | 2023-04-04 | CN116117825A | 2023-05-16 | 张智军; 何昊天; 罗亚梅; 张铭洋 |
| 本发明公开一种基于抗噪声模糊递归神经网络的FPGA实现方法，包括以下步骤：将机械臂末端轨迹运动规划任务转换为受多类约束的时变二次规划任务；时变二次规划任务引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过抗噪声模糊递归神经网络对时变矩阵方程进行求解；将抗噪声模糊递归神经网络映射到FPGA构成FPGA求解模块；确立FPGA求解模块的数据格式和底层乘法器；FPGA求解模块在FPGA中基于流水线实现并获得最优解；对最优解进行积分，得到时变二次规划任务的最优解。本发明的有益效果是：求解模块实时性好，计算速度快，效率更高，能够考虑多种约束条件。 | ||||||
| 14 | 基于噪声抑制递归神经网络模型的清管器声源定位方法 | CN202110591373.0 | 2021-05-28 | CN113341375A | 2021-09-03 | 肖秀春; 金龙; 陈柏桃; 宋致远 |
| 本发明公开了一种基于噪声抑制递归神经网络模型的清管器声源定位方法，首先在清管器上安装信号发射装置，并在管道外布放声学接收阵列和移动通信客户端，然后通过声学阵列接收信号提取声场特征量，最后通过提出的噪声抑制递归神经网络算法推算清管器位置，并由移动通信客户端将信息发送到上位机实现清管器实时位置精确监测；与传统的清管器声源定位方法相比，本方案具有抗噪能力强、信号监测范围广、定位精度高等优点。 | ||||||
| 15 | 一种基于递归指数双曲余弦函数的主动噪声控制方法 | CN202410181002.9 | 2024-02-18 | CN118116357A | 2024-05-31 | 刘倩倩; 刘慧; 何鎏璐 |
| 本发明公开了一种基于递归指数双曲余弦函数的主动噪声控制方法，属于自适应主动噪声控制技术领域，包括：构造权向量；构造噪声输入向量，拾取出置于噪声源的主麦克风噪声源当前时刻n产生的初级噪声值u(n)，生成噪声输入向量U(n)；生成滤波器输出值，得到当前时刻n输出到扬声器的滤波器输出值#imgabs0#误差信号限定值的计算；生成增益向量，计算滤波器当前时刻n的增益向量Φ(n)；递归矩阵更新，迭代可以得到下一时刻(n+1)的递归矩阵F(n+1)；滤波器权向量更新；迭代,令n＝n+1,重复上述步骤，直至滤波结束。通过本发明对冲击噪声和高斯噪声的噪声抑制能力好，残留误差小。 | ||||||
| 16 | 一种基于抗噪声模糊递归神经网络的FPGA实现方法 | CN202310350455.5 | 2023-04-04 | CN116117825B | 2023-08-08 | 张智军; 何昊天; 罗亚梅; 张铭洋 |
| 本发明公开一种基于抗噪声模糊递归神经网络的FPGA实现方法，包括以下步骤：将机械臂末端轨迹运动规划任务转换为受多类约束的时变二次规划任务；时变二次规划任务引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过抗噪声模糊递归神经网络对时变矩阵方程进行求解；将抗噪声模糊递归神经网络映射到FPGA构成FPGA求解模块；确立FPGA求解模块的数据格式和底层乘法器；FPGA求解模块在FPGA中基于流水线实现并获得最优解；对最优解进行积分，得到时变二次规划任务的最优解。本发明的有益效果是：求解模块实时性好，计算速度快，效率更高，能够考虑多种约束条件。 | ||||||
| 17 | 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 | CN201911162667.0 | 2019-11-25 | CN111082837B | 2021-04-23 | 李有明; 王勇; 吕新荣; 梁晖 |
| 本发明公开了一种基于递归压缩感知的电力线通信系统脉冲噪声抑制方法，其通过从众多子载波中选取一部分子载波作为导频子载波用于块衰弱信道估计，将导频子载波上接收信号中的信道脉冲响应和异步脉冲噪声进行联合并给出联合概率密度函数，利用期望最大法分E‑step和M‑step两步交替迭代求解超参数，并在E‑step中利用卡尔曼滤波器和平滑器对超参数进行迭代估计，从而进一步获得信道脉冲响应和异步脉冲噪声的估计值；最后在接收的频域信号中减去异步脉冲噪声的估计值；获取经异步脉冲噪声抑制后得到的频域信号；优点是其能够联合估计出慢时变信道中的块衰弱信道和异步脉冲噪声，且估计准确度高。 | ||||||
| 18 | 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 | CN201911162667.0 | 2019-11-25 | CN111082837A | 2020-04-28 | 李有明; 王勇; 吕新荣; 梁晖 |
| 本发明公开了一种基于递归压缩感知的电力线通信系统脉冲噪声抑制方法，其通过从众多子载波中选取一部分子载波作为导频子载波用于块衰弱信道估计，将导频子载波上接收信号中的信道脉冲响应和异步脉冲噪声进行联合并给出联合概率密度函数，利用期望最大法分E-step和M-step两步交替迭代求解超参数，并在E-step中利用卡尔曼滤波器和平滑器对超参数进行迭代估计，从而进一步获得信道脉冲响应和异步脉冲噪声的估计值；最后在接收的频域信号中减去异步脉冲噪声的估计值；获取经异步脉冲噪声抑制后得到的频域信号；优点是其能够联合估计出慢时变信道中的块衰弱信道和异步脉冲噪声，且估计准确度高。 | ||||||
| 19 | 一种用于拾音器的基于递归最小追踪的噪声估计方法 | CN201610199809.0 | 2016-04-03 | CN105788606A | 2016-07-20 | 赖锦培; 张正文; 高铭泽 |
| 本发明提供一种用于拾音器的基于递归最小追踪的噪声估计方法。该方法中的平滑因子使用了递归平均技术，在估计噪声互功率谱时，该平滑因子会根据每个频点的实际信噪比作相应的调整。仿真结果表明，本发明的噪声估计方法应用于一个语音增强系统时，取得了较小的噪声均方估计误差及较好的感知语音质量评价(PESQ)得分。 | ||||||
| 20 | 非递归地为可变速率码分多址生成正交伪噪声代码 | CN99810409.4 | 1999-06-24 | CN1319283A | 2001-10-24 | T·吉尔罗伦兹; S·C·金斯顿; L·A·布特菲尔德; W·T·拉尔斯顿; L·L·尼茨波洛维茨; A·E·伦德奎斯特 |
| 用来构造一连串可被用于多速率同步和准同步CDMA系统的PN代码集(30)的一种方法和设备。该构造技术生成的PN代码(22)是平衡的,且不要求相邻基站的任何同步。该方法是一种非递归方法,利用一个转置正交矩阵(24)调制转置正交矩阵以生成支持多速率操作的PN代码。进一步,当代码长度n足够大时,利用该方法构造的代码具有很好的频谱特性(若选择合适的话)。 | ||||||
QQ群二维码
意见反馈
意见反馈