基于协方差描述子和LogitBoost的交通场景图像分割

针对传统方法直接采用图像特征参与图像分割时存在的特征冗余且分割准确率低的问题,提出了一种基于协方差描述子和LogitBoost的交通场景图像分割方法.采用运动结构特征、纹理和HOG特征描述交通场景,并利用协方差描述子进行特征融合以消除特征冗余;采用多类LogitBoost分类器进行图像分割,提高了交通场景分割的精度.在公共测试视频数据库CamVid中测试和评估了所提出的算法,结果表明了该方法的有效性.     

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号,利用时间平移构造伪数据矩阵,同时,将伪数据矩阵信号子空间进行旋转,并通过对构造的信号空间矩阵进行特征分解,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息,从而直接获得频率和波达方向（DOA）的同时估计,计算机仿真表明,该方法在中等信噪比下是有效的,且无需搜索过程和配对处理。     

基于子空间-斜投影的MIMO-OFDM盲信道估计算法

信道估计是MIMO-OFDM系统的关键技术,相比非盲信道估计而言,盲估计技术具有带宽利用率高,系统传输效率高的优点.基于子空间盲估计算法在信道变化不是很快的情况下有比较精确的估计效果,但是多径衰落、噪声等会引起子空间之间的非正交,从而导致估计性能急剧恶化,此时采用斜投影可以很好的解决这个问题,仿真结果表明子空间——斜投影算法对信道估计性能有明显的提高.     

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。     

高维协方差矩阵估计方法的比较

通过模拟比较门限估计方法和收缩估计方法之间的差异,得出2种方法在实际应用中的使用范围.由模拟结果可知,若有确切的证据表明总体协方差矩阵是稀疏矩阵,则采用门限估计方法,否则,采用稳健的收缩估计方法比较恰当.     

基于子空间的OFDM系统半盲信道估计研究

提出了一种基于子空间的改进OFDM系统半盲信道估计算法,利用信号子空间和噪声子空间的正交特性将子空间分解,实现了色噪声背景下高效半盲信道估计.仿真结果表明,在时变信道下具有更好的收敛性,体现了算法好的稳定性以及快速跟踪系统变化的性能.     

基于协方差矩阵的空间平滑解相干算法

空间平滑是相干信号DOA估计中的一种有效算法,但平滑不仅造成了阵列孔径的减小,而且不能灵活地调整子阵的长度,对于不同的子阵,均需要计算协方差矩阵然后求平均,运算量较大。通过分析协方差矩阵的结构,指出在协方差矩阵中包含了所有子阵协方差矩阵的信息,从而可以通过对协方差矩阵的处理,构成前后向子阵的协方差矩阵,避免了子阵协方差矩阵的运算,可以灵活地实现平滑算法。计算机仿真证明了该处理的有效性.     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

基于频域子空间的UWB信道时延估计算法研究

在介绍了UWB信道估计模型后,讨论了一种基于子空间的UWB信道时延估计快速算法.通过仿真可以看出,该算法在低于Nyquist采样率的情况下可获得较高分辨率的信道时延估计,从而可降低系统的复杂度,减小系统的功耗.该算法在精确定位、测距、定时和同步等方面可得到很好的应用.     

一种基于子空间距离准则的源数目估计算法

 源数目估计是阵列信号处理中的一个重要课题,也是声纳探测领域的一个难题。通过研究特征子空间分析方法,提出了一种新的源数目估计算法。该方法在盲源分离结果的基础上,基于信号子空间和噪声子空间正交的原理,建立了子空间代价函数来估计观测空间的源数目。同时,通过仿真和水池实验,对该方法的性能做了研究,并与基于信息论准则中最小长度描述准则的源数目估计算法进行了比较。仿真和水池实验结果表明,该源数目估计算法能得到准确的源数目,并具有较好的抗噪性,在水声环境中具有更好的稳健性。     

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

基于正交子空间波达方向的新算法

将实际接收到的多个无线信号进行合理的假设，建立数学模型，取得信号的协方差方程及协方差方程的特征子空间，同时引入噪音的协方差方程与噪声空间分析讨论，结合软件编程，提出一种低信噪比、短时数据情况下估计多个信号波达方向的新方法。     

基于子空间跟踪的盲空时多用户检测

针对天线阵同步CDMA系统,运用子空间方法,提出多径条件下空时盲多用户检测方法.用FSYAST子空间跟踪方法来自适应估计信号子空间,同步多径天线阵列系统的信道参数采用Kalman算法自适应估计.仿真结果表明,提出的盲空时多用户检测器性能优于其它子空间多用户检测器.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

强干扰下基于子空间的空时多用户检测算法

在经典的代价函数为最小输出能量的多用户监测算法的基础上,结合子空间算法,提出了一种改进的空时多用户检测算法,并对比了不同信干比环境下,该算法与经典的MMSE多用户监测算法的输出信噪比．仿真结果表明：在低信干比的情况下,该算法能得到更好的输出信干比,适合在强干扰环境下监测用户信号．     

基于信号噪声子空间的OFDM信道估计

在分析基于奇异值分解(SVD)的线性最小均方误差(LMMSE)估计的实现原理的基础上,结合信号、噪声子空间理论,给出了矩阵低阶近似时秩的选取方法.计算机仿真结果表明提出的低阶秩选取准则能够提高该算法在各种工作环境下的适应性.     

基于信号子空间的盲自适应多用户检测

多用户检测技术是DS—CDMA中解决多址干扰问题的一种重要技术。针对基于PASTd多用户检测方法在子空间追踪收敛速度慢和收敛的不稳定问题，提出一种快速子空间追踪的盲自适应多用户检测改进算法。该算法通过空间分解得到信号子空间，并利用信号子空间的特征值和特征向量得到解相关多用户检测器；最后，应用归一化正交Oja快速自适应地追踪信号子空间。仿真结果表明，相对PASTd多用户检测方法，降低计算复杂度，加快算法的收敛速度，系统稳定性好，拟制多址干扰具有良好的性能，达到很好的多用户检测效果。     

基于矩形框的人群密度数值估计算法研究

摘 要：公共场景监控下的人群密度估计已经是公共安全管理中的一个重要环节,为了提高对视频监控中人群密度估计的实时性和准确率,提出一种改进的混合高斯背景建模进行前景提取并用大小随目标边缘可变的矩形框对人群目标进行圈定以代替传统的边缘像素数和前景像素数,通过最小二乘法拟合估计人数和实际人数的线性关系,使用平均相对误差和平均绝对误差进行定量对比分析。实验结果表明：与基于边缘像素统计和阈值分割像素统计的算法相比,该算法能够直接统计出有效人数,较为准确的估计出视频图像中的人群数目,且误差最低。