基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

基于高阶统计量信号检测的研究

研究了高阶统计量（主要是三阶累积量）在信号检测中的应用，探讨了信号检测的高阶累积量算法.利用高斯噪声的高阶累积量的零均值特性，用计算机对SNR=20dB和SNR=0dB的输入信号进行模拟仿真，并将检测结果与原始信号进行比较，从结果上看执行效果较好．     

基于三阶累积量一维切片的微地震信号时延估计

由于微地震有效信号易受环境噪声的干扰,严重影响时延估计值获取的准确性.基于此,提出了基于三阶累积量一维切片的方法进行微地震信号时延估计.首先计算信号的三阶自累积量和互累积量,为减少运算量满足野外实时要求取其一维切片,最终通过准则函数求取时延值.相对于传统的互相关方法,该方法对相关性未知的高斯噪声具有不敏感的特点,对相关高斯噪声有更强的抑制能力.仿真结果表明,在添加信噪比为-5~15dB的随机高斯噪声和相关高斯噪声时,其时延检测概率和均方根误差优于互相关方法.在实际资料应用中,对实际微地震噪声进行了概率分布统计分析,并且基于井地联合监测方式,选取井中信号作为参考道对地面资料进行时延值的求取.仿真和实际资料处理验证了该方法的有效性和实用性.     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

比例微分变步长盲源分离中高阶累积量的影响

介绍比例微分变步长法在盲源分离中的应用,着重阐述对于非高斯混合输出信号,高阶累积量对比例微分变步长盲源分离结果的影响.研究表明,比例微分变步长法不仅适用于高斯型混合输出信号,也适用于非高斯型混合输出信号.对于非高斯型信号,应考虑高阶累积量的贡献.将二阶、三阶和四阶累积量分别作为比例微分算法的控制量,结果表明,三者均能获得相同量级的收敛速度和分离精度,但四阶累积量的初始步长取值范围最大,为0.1~1.2;而二阶和三阶累积量的初始步长取值范围相对较小,仅为0.1~0.4.因此,基于比例微分变步长算法的盲源分离技术,通过合理选择累积量阶数,可适用于不同类型的混合源信号的分离.     

基于高阶累积量的格型结构及算法

为了解决格型结构对噪声敏感的问题,从基于高阶累积量的均方误差（ＣＭＳＥ）准则出发,提出了一种基于高阶累积量的格型（ＣＬ）结构,并讨论了该结构具有的一些重要性质。在此基础上进一步推证了系统参数辨识的基于高阶累积量的Ｂｕｒｇ算法（ＣＢｕｒｇ）,并给出了三阶ＣＢｕｒｇ算法的一种快速递归实现方案。仿真结果证明：就辨识结果的无偏性而言,这种ＣＢｕｒｇ算法的抗高斯噪声性能明显优于常规Ｂｕｒｇ算法而两种算法的运算量大体相当。     

基于四阶累积量相关信号的DOA估计

目的 针对相干信号,在高斯色噪声的背景下,有效地进行信号的DOA估计.方法 应用四阶累积量和修正MUSIC算法.结果 二阶矩算法性能严重失效,累计量算法DOA估计性能好.结论 利用四阶累积量和修正MUSIC算法相结合,在高斯色噪声的背景下具有良好的统计性能,是实现相干信号高分辨方位估计的有效方法.     

利用高阶统计量进行非最小相位FIR系统识别研究

该文将高阶统计量应用于线性，时不变非最小相位ＦＩＲ系统的识别问题。对由非高斯、非对称分布白噪声激励的非最小相位ＦＩＲ系统，当仅已知其输出信号（可能含有噪声）时，该文提出一种利用输出信号三阶，四阶累积量进行系统辨识的新算法，在计算机仿真中，将该算法与ＧＭ法和Ｔ法进行比较，结果表明，当输出信号中含有高斯有色观测噪声时，新算法的处理效果明显好于ＧＭ法和Ｔ法。     

一种推广的非高斯相关噪声中高斯信号的时延估计方法

介绍了高阶统计量与互相关运算相混合的方法，在对非高斯相关噪声中，高斯信号进行时延估计中的应用。该方法首先计算出观测的四阶累积量，然后利用累积量投影公式计算二阶统计量，最后利用互相关方法确定信号的时延参数。仿真结果与二阶和三阶统计量相结合的混合方法进行了比较。结果表明该方法具有优越性。     

基于密度模糊C均值量测集划分的多扩展目标跟踪算法

针对多扩展目标跟踪中的量测集划分问题,提出一种自适应门密度模糊C均值(fuzzy C-means,FCM)量测集划分算法.首先,该算法利用自适应门对量测集进行预处理,滤除部分杂波量测,在降低算法计算复杂度的同时提高了量测集划分的准确度.然后,采用密度函数法产生FCM的初始聚类中心,并给出自适应门密度FCM多扩展目标量测集划分算法的详细过程.最后,采用容积卡尔曼滤波求解非线性框架下具有封闭解的扩展目标高斯混合概率假设密度(ET-GMPHD)滤波算法.仿真实验验证了算法的有效性.     

飞行状态敏感的关联门调节算法

机动目标的跟踪精度受飞行状态、噪声等多种因素影响,机动目标发生强机动或者杂波干扰过大都会导致跟踪精度下降。关联门是数据关联算法筛选的有效量测和提高跟踪精度的重要环节。本文提出了一种飞行状态敏感的关联门调节算法(Flight-Status-Sensitive Tracking Gate Adjustment Algorithm, FSSTGAA)。该算法根据目标的飞行状态分析误差的来源及其变化趋势,在跟踪误差尚可接受的范围内,依据误差动态变化率动态调整关联门大小。仿真结果表明,相比于传统关联门自适应算法,本文算法能有效地降低目标丢失率,提高机动目标的跟踪精度。     

基于高阶累积量和星座图的调制识别算法

提出了一种基于高阶累积量和星座图的数字调制信号识别的算法.该算法利用信号的高阶累积量,并结合改进的星座图聚类分析法,采用一种分层的多分类器对信号进行分类.算法中所选用的特征参数对信号的幅度和相位抖动不敏感,同时能有效地抑制加性高斯噪声.仿真结果表明,在接收数据长度为800和信噪比不低于6 dB的情况下,该算法对不同调制...     

基于三阶累积量的自适应多变量相空间重构

利用三阶累积量反映多变量序列的高阶非线性相关性,建立了一种具有良好抗噪性的多变量相空间重构方法.将三阶累积量引入到序列局部本征维数(LID)的计算中,对不同相空间点构造新的三阶累积量相关矩阵;同时建立累积量切片评价函数,通过比较得到了对噪声及嵌入维数等重构参数变化鲁棒性强的累积量切片,然后确定序列的嵌入维数、嵌入延迟,重构多元变量相空间.仿真结果表明,建立的新方法对带噪声混沌序列具有较好的鲁棒性,多元变量奇异吸引子轨迹在重构相空间中得到了良好扩展.
     

应用粒子群优化器的立体声回波消除算法(英文)

把三阶累积量和粒子群优化器应用于立体声回波消除.首先,把三阶累积量误差用作调整自适应滤波器系数的准则而提出了一个新的代价函数;然后,通过利用改进的粒子群优化器来优化新的代价函数而获得了一个用于立体声回波消除的累积量域自适应滤波算法.模拟结果显示:利用三阶累积量和粒子群优化器的立体声回波消除算法是可行和有效的,并有好的收敛性能.     

一种新的多机动目标跟踪的GMPHD滤波算法

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.     

基于快速密度峰值聚类的多扩展目标跟踪算法

为降低杂波对量测集划分的影响,提出了一种基于快速密度峰值聚类的多扩展目标跟踪算法.首先分析不同分区对跟踪结果的影响,得到最"信息"分区的形式,然后利用快速密度峰值聚类(FDPC)算法对量测集进行划分,减少杂波对量测集划分的影响.实验结果表明,所提算法能够有效抑制杂波的影响,在保证跟踪性能损失不大的情况下大大提高了算法的计算效率,具有较好的应用价值.     

基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。     

雷达模拟器的噪声模拟研究

雷达噪声杂波特性的模拟是进行雷达信号处理算法设计的前提。在雷达模拟器设计的基础上,重点对雷达探测过程中产生的噪声和杂波相关特性进行了分析,同时给出了高斯白噪声的计算方法,并通过计算机仿真,实现了较为逼真的雷达噪声环境模拟。     

空-时相关高斯噪声中基于累积量的联合角度-频率估计算法

提出一种基于累积量的联合角度-频率估计(CB-JAFE)的新算法,用于估计多个独立非高斯信号源的方位和频率参数.同利用空-时数据矩阵奇异值分解的现有联合角度-频率估计(JAFE)算法不同,所提出的算法利用空-时数据的4阶累积量,可有效地抑制具有未知相关结构的空域和时域相关的高斯噪声.仿真结果表明,所提出CB-JAFE算法是有效性的,而且性能上优于现有的JAFE算法.     

一种基于三阶累量的空间谱估计的方法

针对有色高斯噪声背景相干信号源空间谱估计中存在的问题，给出一种基于三阶累量的空间谱估计的方法：首先根据三阶累量对高斯型过程不敏感这一事实，抑制高斯有色噪声，然后利用空间差分平滑方法估计相干源的空间谱，最后给出模拟实验验证该方法的有效性．