一种基于光谱距离约束的非负矩阵分解算法

在处理混合像元分解问题中,非负矩阵分解算法是一种比较热门的算法,因其算法模型与线性光谱模型有着相似性和解出的结果符合现实要求而被广泛应用。现有的非负矩阵分解方法在针对端元之间差异性的同时,并没有考虑到有部分端元可能会有相似的光谱特征的存在。因此,提出一种基于光谱距离约束的非负矩阵分解算法,该方法在对图像中所有类别进行解混的同时,既考虑到不同物质端元之间的可分性,也考虑到具有相似光谱特征物质之间的端元相似性。实验结果表明了所提方法的有效性。     

基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法

在贝叶斯框架下,基于增量正交投影非负矩阵分解目标跟踪算法能够适应各种复杂的场景,准确处理跟踪目标外观变化,取得了较好的跟踪效果,但是该算法计算量大,难以满足实时性要求。针对这一缺点,提出了一种基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法,建立基于L2范数最小化和增量正交投影非负矩阵分解的目标表示模型,在贝叶斯框架下得出跟踪结果。实验结果表明,新算法能够较好地处理视频场景中的光照变化、尺度变化、局部遮挡、角度变化等干扰,有较低的中心位置误差平均值和较高的重叠率平均值,平均处理视频达4.08帧·s-1,能够满足实时性的要求。     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

图Laplacian半监督特征加权用于高光谱波段选择

提出一种利用图Laplacian实现半监督波段选择的方法. 该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序. 实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.     

基于半监督非负矩阵分解的人流量分析

非负矩阵分解(Non-negative Matrix Factorization,NMF)由于可以保证矩阵分解的非负性,这符合许多实际问题的要求,比如遥感、生物信息等数据都具有非负性.而且其分解结果具有可解释性和明确的物理意义,因此在很多领域都有广泛的应用.将半监督非负矩阵分解应用于人流量统计数据处理,实验结果表明加入...     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

STBC-OFDM协作通信系统存在载波频偏时的均衡算法

在基于空时分组编码正交频分复用的协作通信系统中,不同用户节点间存在的载波频偏会产生子信道间干扰与子信道内干扰. 该文研究对抗这两种干扰的实用均衡方法. 针对较小的归一化频偏差,提出一种实现迫零均衡的低复杂度迭代算法IAZF. 针对较大的归一化频偏差,构造一种串行最小均方误差组间干扰消除与并行干扰消除联合的均衡算法JEA,并根据信道矩阵的近似带状结构,实现了均衡所需的矩阵求逆的递推计算,节省了计算量. 仿真结果表明：在相当大的归一化频偏差范围内,JEA的性能稳健,特别是在归一化频偏差大于0.25 时明显优于现有方法. 在归一化频偏差小于0.15时,IAZF提供了逼近其他方法的性能且复杂度更低.     

小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

基于非负矩阵分解和均方根误差的遥感图像分类方法

在利用非负矩阵分解(NMF)对高光谱图像进行降维时,并没有考虑图像中的噪声信息。因此,在利用NMF对图像进行分类时,往往不能获得很好的分类精度。基于此,提出了一种新的分类方法,该方法先利用均方根误差(RMSE)对图像进行去噪,然后再利用NMF对图像进行分类。     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

OFDM中利用酉变换和结构最小二乘的角度和时延联合估计

在正交频分复用系统中,低信噪比条件下基于子空间分解的角度和时延联合估计算法的估计精度受限,为此提出一种利用酉变换和结构最小二乘的联合估计算法.利用酉变换将接收数据转换至实数域,然后用二维结构最小二乘建立目标优化函数,计算含有角度和时延信息的两个实对角矩阵.将这两个实矩阵构成一个复矩阵后对该复矩阵进行特征值分解,通过特征值实部和虚部的对应关系实现角度和时延的配对.该算法的目标函数合理地考虑了误差项之间的耦合关系,更加精确地修正了存在误差的信号子空间矩阵,因此估计结果更接近最优解.实验结果表明,该算法的估计精度和估计成功率比传统子空间算法高.     

DS-CDMA系统中基于矩阵点除算法的DOA估计

针对DS-CDMA系统的多用户环境,提出了一种有效的DOA估计算法.该算法首先分离出每一条路径上的信息,然后通过矩阵点除运算,高效地实现了DOA估计.算法避免了特征值分解这类复杂运算,同时也不需要估计信源个数并自动实现了路径配对,是一种简便易行的高精度算法.仿真实验验证了算法的有效性.     

反向响应时滞过程的二自由度Smith预估控制

针对反向响应时滞系统,将Smith预估控制和内模控制相结合,提出一种二自由度
控制方法. 设定值跟随控制器采用Smith预估器形式,可使系统具有良好的设定值跟随特性,
而干扰抑制控制器则采用内模控制器设计方法,可改进系统的干扰抑制性能和鲁棒性,克服
传统Smith预估器的不足. 通过两种不同的方法(直接分解和全通分解),把过程对象的传递
函数分解为最小相位部分和非最小相位部分,相应导出了两种不同控制器的设计方法,并给
出了系统满足鲁棒稳定性的充要条件. 理论分析和仿真对比研究表明,该方法可使系统具有良
好的设定值跟随性能、干扰抑制性能和鲁棒性.     

大规模MIMO系统中基于子空间跟踪的半盲信道估计

基于特征值分解(eigen value decomposition, EVD)或奇异值分解(singular valuedecomposition, SVD)的半盲信道估计算法需要进行重复的EVD或SVD计算,计算量较大,不适用于多小区多用户的大规模MIMO系统. 为此,针对多小区多用户大规模MIMO系统中的半盲信道估计给出了一种快速实现算法. 该算法主要利用最小二乘(least-squares)及线性最小均方误差(linear minimum mean-square error)原理导出一种新的递归计算模糊矩阵的方法,采用快速递归row-Householder 子空间跟踪算法对接收向量的信号子空间的估计进行加速. 仿真结果表明,所提出的算法估计性能良好,并能有效减轻导频污染的影响.     

基于稀疏约束非负矩阵分解的水下线谱增强方法

水下目标线谱增强是被动声纳目标探测的关键问题之一。传统的线谱信号处理方法集中于时域和频域处理,本文提出了利用非负矩阵分解,在时频联合域内进行线谱信号增强的处理方法,以目标线谱信号的时频矩阵作为非负矩阵分解的输入,通过基矩阵提取线谱信号的频谱模式。根据线谱信号在频域的稀疏性质,对基矩阵进行稀疏性约束,利用权重稀疏扫描的方式讨论基矩阵的稀疏度和频率估计精度随权重系数的变化关系,确定稀疏约束项的有效权重系数区间。仿真结果显示,稀疏约束项在低信噪比条件下表现出优越的线谱增强能力,最低信噪比可达-30 dB。海试数据结果表明,此方法可以有效地提高对线谱信号的提取能力。     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

改进子空间跟踪算法的直扩通信系统抗干扰

在深入研究基于特征分析的干扰抑制方法的基础上,先对特征相消器的权矢量进行简化,然后提出一种改进算法—正交稳健最小递归二乘（ORRLS）算法来实现特征相消器。ORRLS算法可以保证所得特征矢量矩阵具有正交性,还可以自适应地估计子空间维数。理论分析和仿真试验表明,ORRLS算法在强干扰的情况下,仍能稳健地收敛,更适合于直接序列扩频系统中的干扰抑制。     

基于模拟退火算法的证券投资最优组合理论研究

诸多求解证券组合问题的方法是基于Markowitz模型中协方差矩阵是正定的前提条件，但该条件不具有一般性．本文着重对预期收益固定、风险最小的证券最优组合的投资比例向量的求解，提出了一种基于模拟退火算法的解决方法，避免了协方差矩阵是正定的问题，更具有实用性．