运动模糊图像方向角的估计方法研究

研究了运动模糊图像方向角的估计方法,通过数学原理分析,以及编写matlab程序进行数值实验,对Hough变换、Radon变换和Cepstral变换三种方法进行了对比研究,综合比较了三种方法的估计精度,指出了每种方法的适用范围。结果表明,Hough变换依赖于特征点的选取,选取不好则估计失效;Radon变换最为实用,噪声干扰对其估计精度影响不大,而且运动距离大时估计更准确;Cepstral变换在噪声水平低的时候估计较好,但噪声较大时估计精度差。     

基于Harris-LM全局运动估计的电子稳像算法研究

全局运动估计用途非常广泛,但是由于全局运动估计计算量大、噪声多等因素使得它很难在实时应用中使用.为了减少全局运动估计的计算量,提高全局运动估计的速度,选取Harris角点进行计算.基于LM(Lev-enberg-Marquardt)全局运动估计的思想,提出一种去除图像画面抖动的算法.通过LM算法估计全局运动参数,从而获得参考帧和当前帧之间的全局运动矢量.然后采用Kalman滤波的方法,一方面较好地平滑运动矢量以降低视频抖动,另一方面有效跟随摄像系统的有意扫描运动.最终进行运动补偿,以达到输出稳定图像的目的.实验结果表明,该算法能较好地实现图像序列的稳定.     

SαS噪声环境下的宽带信号二维波达方向估计算法

为克服在SαS噪声环境下的DOA估计方法没有考虑宽带信号的情况,在分析SαS噪声环境下宽带信号阵列输出矩阵性质的基础上,将时域方法与频域方法有机结合起来,通过构造L型阵列的各频带的分数阶累计量,将一维宽带信号阵列模型拓展到二维,并利用CSM聚焦算法,通过k个聚焦矩阵T(fk)把不同频率处的方向矩阵变换到同一参考频率f0下的矩阵,采用改进的分数低阶矩阵(MFLOM)来作为共变矩阵的估计子.实现了SαS噪声环境下的宽带信号的二维波达角估计,通过仿真分析证明了该算法的有效性.     

基于TDE技术的声源定位算法

针对基本互相关法在估计时延时没有明显的峰值及实际环境中的噪声会减损峰值,甚至出现伪峰的问题,提出了一种基于广义互相关的改进时延估计方法,并结合麦克风阵列结构,实现了基于两步定位的声源定位.通过仿真实验验证了该方法在有噪声的环境下能准确测量声源的位置,定位的平均距离误差和平均方向角误差都低于5%,且方向角在30°～150°、距离在1.1～2.3m时定位成功率达80%以上.     

冲激噪声背景下基于虚拟阵列变换的DOA估计

目前,大多数的DOA(direction of arrival)估计算法是应用在高斯噪声环境下的.随着冲激噪声的应用越来越广泛,利用虚拟阵列变换的方法,解决了在冲激噪声背景下对任意阵列进行DOA估计的问题.该方法将任意阵列虚拟成等距均匀线阵,使其阵列流型具有Vandermonde矩阵形式.然后结合分数低阶矩的特点,利用FLOM-MUSIC算法对来波方向进行有效的估计.经计算机仿真,证明了该方法的有效性.     

基于角信号子空间的波达方向估计方法

常规多信号分类(MUSIC)在估计信号或噪声子空间时未利用阵列的方向矢量信息.为改善波达方向(DOA)估计性能,提出一种新的角信号子空间概念.首先,由Gram行列式和超维空间中多面体体积公式,给出常规MUSIC方法的几何解释.其次,利用阵列响应矢量扩展观测数据矩阵,在每个搜索方向由增广数据矩阵的奇异值分解获得角信号子空间估计.理论分析表明,常规MUSIC零谱相当于超维空间中由阵列观测数据矢量和搜索方向矢量决定的多面体体积.仿真实验表明,利用角信号子空间能够较明显地改善DOA估计性能,特别是信号相关、信噪比较低以及快摄数较小的情况.     

圆形传感器阵列多运动声源二维波达方向估计

针对超定条件下多运动声源目标二维波达方向角估计中,传统的波束形成法、MUSIC法等不能分辨临近目标、需要设置立体传感器阵列等问题,提出了基于圆形传感器阵列的独立分量分析算法。算法结合完全正交分解和GIVENS旋转实现数据的在线预白化并更新,采用向量来表示传感器和运动目标的方位角,通过结合独立分量分析算法和波束形成法,间接估计出了运动源的二维方向角,最后进行了数值模拟实验并与传统MUSIC方法进行比较。结果表明,该方法能够准确地探测和识别多运动声源目标的数目并估计其二维波达方向,为智能地雷目标探测提供了新方法。     

利用各向异性高斯方向导数相关矩阵的角点检测方法

为了抑制图像边缘上的局部变化和噪声对角点检测的影响,提出了利用各向异性高斯方向导数自相关矩阵的角点检测算法.该算法首先利用Canny边缘检测器提取图像的边缘映射;然后用各向异性高斯方向导数滤波器对输入图像进行平滑,对每个边缘像素,利用它与相邻像素之间方向导数的相关性构造自相关矩阵;若边缘像素点的自相关矩阵所对应的归一化特征值的和是局部极大值,则标记该点为角点.与传统的基于轮廓的角点检测方法不同,文中提出的方法利用的是邻近像素的方向导数的相关信息,而不是轮廓曲线的曲率,因而具有更好的稳健性.实验结果表明:在无噪声和含噪声的条件下,该检测方法与已有的3种算法相比,平均配准角点数分别提高了7.4%和9.3%左右,平均定位误差分别降低了10%和15.2%左右.     

非高斯噪声环境迭代自适应DOA估计的算法

提出一种应用于非高斯噪声环境的迭代自适应(Iterative Adaptive Approach,IAA)波达方向(Direction of Arrival,DOA)估计方法.该方法针对描述非高斯噪声的高斯混合(Gaussian Mixture,GM)模型,给出了通过逐步迭代来估计噪声模型参数,并通过它们来修正信号协方差矩阵的估计,进而将其逆阵作为加权矩阵来进行空间谱估计的方法.仿真结果表明,在非高斯环境下,本文方法有效地提高了迭代自适应DOA估计方法的性能.     

一种改进的逐次递推解模糊方法

针对通道相位噪声较大条件下干涉仪测角算法存在解模糊出错的问题,提出了一种基于相位差矢量平均的逐次递推解模糊改进方法.该方法通过对多次测量的各级相位差测量值进行矢量平均,利用矢量平均后的相位差估计值进行逐次递推解模糊测角运算.通过矢量平均降低通道间相位噪声的影响,提高解模糊过程中各级相位差的估计精度,从而达到即使在通道相位噪声较高的条件下也能够正确解模糊.计算机仿真结果验证了该算法的有效性.