摘要：人的表情包含大量信息,可用于显示人的很多情感状态,例如疲劳和疼痛的表情等。卷积神经网络(CNN)是一种识别人脸表情的有效方法,它可以同时执行特征提取和分类,并可以自动发现数据中的多个表情特点。针对卷积神经网络参数大以及传统表情识别方法准确率不高的问题,提出一种基于改进的稠密卷积神经网络的面部表情识别模型。首先通过使用Gabor滤波器初始化第一层卷积层;然后采用一种对数线性函数(LLU)进行网络优化,该模型中的特征重用和参数压缩技术提高了网络的学习能力,大大减少了模型参数;最后基于此模型设计了一个表情识别系统,该系统能够准确地识别照片上的表情和在线识别人脸表情。实验结果表明,该模型可以显著提高三个表情数据集的准确率,并能很好地识别人脸表情。

摘要：本文提出一种基于最小二乘法的LS-FIR滤波器。根据色散补偿滤波器与有限长单位冲激响应的频域函数之间的关系构造线性方程组,线性方程组中独立方程的个数大于未知量个数,所以此方程组无解。但在最小范数意义下,能够找到一组解使得估计误差模的平方和最小,得到的解是最小二乘解。用所得到的最小二乘解作为滤波器的抽头权值,即是所要设计的滤波器。滤波器仿真结果表明:不同调制格式(QPSK、16QAM、64QAM)和信噪比(1~20)条件下,当全频带且滤波器的抽头数为315时,均方误差稳定于2.6109×10^(-6);当窄频带滤波器的抽头数为197时,均方误差稳定于2.5566×10^(-6);与FIR和Hm-FIR滤波器对比,LS-FIR滤波器算法具有较高的稳定度、较好的逼近效果,且滤波效果更佳。