针对大型室内场所用户移动定位复杂度较高、定位精度较低和定位不合理等问题,提出一种基于隐马尔可夫模型的可见光与惯导融合定位算法。首先在离线建库阶段建立室内停车场地图和定位指纹图,采集每个参考节点的可见光接收信号强度和节点间的距离与角度,建立隐马尔可夫模型。其次,在在线定位阶段,根据用户最大移动速度减小状态转移候选集,并获取可见光信号和运动信息。最后,利用改进的维特比算法进行用户轨迹匹配定位。仿真结果表明:所提算法在2500m 2室内停车场中能准确预测用户的运动轨迹,参考节点的预测准确率约为85%,平均定位误差约为3.35m;与其他4种定位算法相比,所提算法的定位轨迹连续、更平滑、精度更高。

提出一种基于多候选基频提取和歌声基频判别的声乐主旋律提取算法。该算法可以有效降低旋律定位虚警率，提高整体准确率。利用度量距离 (DIS)算法对音乐进行音符切分，并用方差法实现浊音段检测；采用幅度压缩基音估计滤波器 (PEFAC)多基频提取技术，通过计算音高显著度提取每个浊音帧的多个候选基频。最后用维特比算法跟踪浊音段主导基频轨迹，并用基频判别模型进行歌声主旋律判别。在 MIR-1K数据集上进行的实验表明，在信干比为 5 dB和0 dB的情况下，本文算法提取的声乐主旋律整体准确率分别达到了 86.22%和77.4%，相比于其他算法至少提高了3.79%和2.01%。