基于FFT的快速小波变换算法研究

多分辨率小波分析和Mallat算法在数字信息处理和信号分析中得到了广泛的应用,但是按照Mallat算法计算信号的分解和重建,其计算量是很大的,文章通过对基于FFT的快速卷积,Mallat算法原理及离散小波变换（DWT）算法结构的分析,针对其算法结构特征,提出了一种基于FFT的离散小波变换快速算法,并从理论上论证,具有一定的实用价值。     

视频镜头分割与关键帧提取算法研究

为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.     

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.     

采用残差估算的卫星云图压缩传感重建

摘要： 卫星云图数据量庞大,获取、传输、存储的代价很高. 为了有效减小云图采样率及数据量,提出一种基于残差估算的压缩传感云图重建方法. 该方法首先构造一种抗混叠方向多尺度变换,用于压缩传感的稀疏表示. 借助随机投影技术将带平滑处理的投影Landweber算法引入分块压缩传感的重建过程,通过估计当前云图与前一相邻时次云图的残差获得理想的重构云图. 实验结果表明,抗混叠方向多尺度变换适用于压缩传感的稀疏表示,所采用的残差估算重建方法可明显提高重建云图的视觉效果及客观评价指标. 当测量率为0.5时,重建云图的峰值信噪比较直接重建法平均提高0.5 dB以上.     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

改进ICP算法的点云配准

针对传统ICP算法所存在的对初始点云位置要求高、算法效率低等局限性,本文对算法进行研究改进,改进结合K-近邻搜索和法向量估计,采用组建不变角度作为不变特征求解旋转矩阵和平移向量实现初配准,利用基于八叉树的ICP算法进行精配准。研究表明,改进算法能提高配准精度,缩短配准时间,优势明显。     

面阵中降维Capon的二维DOA估计

提出了面阵中基于降维Capon的二维波达方向(direction of arrival,DOA)估计算法.先求得接受信号的协方差矩阵,再对其变换式进行谱峰搜索估计出一个参数,进而通过最小二乘估计出第2个参数.采用一维全局搜索实现二维DOA的联合估计,可避免二维Capon算法由二维谱峰搜索带来的巨大计算量,从而大大降低了计算复杂度,且角度估计性能非常接近于二维Capon算法.该算法既可以实现二维角度的自动配对,又可以精确地估计出相同方位角(或仰角)的信源,其优越性均可在文中得到验证.     

应用聚类进行移动机器人定位

提出一种基于激光测距雷达的移动机器人定位新方法. 对每帧扫描数据进行聚类,对前后帧扫描数据按类进行匹配,获得两种匹配类,即完整匹配类和非完整匹配类. 对完整匹配类,取它们的两对端点以及质心作为匹配点;而对非完整匹配类,只取两对端点作为匹配点. 采用随机采样一致性算法剔除匹配点集中的外点,用非线性最小二乘法估计机器人运动参数,从而确定出机器人的当前位姿. 在静态和动态室内环境下进行的实验验证了该文提出方法的有效性.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于一种二维ESPRIT算法的ISAR超分辨成像

应用ESPRIT算法能很好地提高逆合成孔径雷达(ISAR)的成像分辨率,但是传统的ESPRIT算法是一种一维估计方法,因此本文通过构造一个特殊阵元阵列,引入一种二维ESPRIT算法,并且使用了空间平滑技术,试验证明这种方法计算量低、分辨率高、估计方差小等优点。     

基于双帧差分的自适应背景提取算法的分析与实现

本文阐述了一种帧差方式的自适应背景提取算法.该算法先用当前帧（IK）和参考背景图像进行差分,获得第一次的背景更新;然后通过用当前帧和其帧间距为N的前两帧图像（IK-N和IK-2N）分别差分,对第一次更新后的背景再进行修正后取代原来的参考背景.实验结果表明用该算法提取和更新背景的速度快,具有较好的鲁棒性和准确性.     

基于特殊选择的抽象进化算法的收敛性

首先定义了抽象选择算子和抽象进化算子，基于这两种算子给出了一般抽象进化算法的定义．特别讨论了一种基于特殊选择的抽象进化算法，根据状态空间的分类，分析了这种特殊选择进化算法种群的一步转移概率矩阵的性质，最后证明了这种算法的Markov链存在极限概率分布．     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

动态分段的飞机舱音记录器混合信号在线盲分离性能分析

针对飞机驾驶舱话音记录器(CVR)中存在轻微时变特性和信号有大量近零值的情况,提出一种基于信号样本动态分段的在线盲分离算法.应用独立分量分析的在线算法对CVR混合信号进行动态分段处理,再通过快速的FastICA算法进行精确化求解.为了使估计器获得最佳性能,适当调整分离矩阵各行权值.仿真结果表明,该算法可有效地将CVR混合信号中独立的声音信号分离出来,分离效果优良.     

稀疏矩阵乘法运算的并行算法

许多实际的应用问题可以被归结为稀疏矩阵的计算 ,讨论了稀疏矩阵乘法运算的并行算法 ,稀疏矩阵中的元素采用三元组表示法作为它的存储结构 ,给出的并行算法具有较高的并行度和较好的运行效率     

改进的二维最小交叉熵阈值分割快速迭代算法

基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高. 针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式. 对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.     

基于流程时间矩阵的单元化制造系统设计

近几年来,单元化制造系统(CMS)作为一种由于能满足不同客户需求、缩短产品生产周期、提高企业的全球竞争力的先进制造组织模式而备受关注。本文提出了一种新的矩阵聚类方法（HERBAL）设计制造单元,并探讨了该方法与其它聚类方法如ROC、ROC2、DCA等方法在成组效率、成组功效等评价指标上的优劣,证明了该方法的可行性和高效率。同时该方法中的设备_零件矩阵（MCM）中的二元值元素,采用反映实际生产中的流程时间替代,可使聚类结果更符合实际的生产需求。     

预条件CMRH方法加速求解半空间三维电磁散射问题

为了高效求解半空间三维电磁散射问题中离散电场积分方程产生的大型对称稠密复线性矩阵,将半空间多层快速多极子方法与CMRH方法相结合,其中多层快速多极子方法用于加速CMRH方法中的矩阵矢量乘运算.为了验证文中方法的有效性,分别计算了位于有耗半空间的圆柱体、长方体以及某导弹模型的散射特性. 结果表明,所提出的方法不仅可以滤除高频误差,平滑低频误差,而且能使求解半空间离散电场积分方程的迭代次数和计算时间比现在广泛使用的广义最小余量法显著减少. 同时,CMRH方法与稀疏近似逆预条件、对称超松弛预条件结合可进一步提高求解效率.     

用于行对角占优信道矩阵的MIMO盲均衡算法

对MIMO通信信道提出了一种基于矩阵初等变换的均衡算法,将其用于行对角占优的MIMO系统,则得到相应的MIMO盲均衡算法.该算法基于通信源信号的统计特性,利用数学上通过矩阵初等变换实现矩阵对角化的原理对MIMO信道矩阵实现了对角化.将该盲均衡算法用于常规的MIMO系统,则可以克服系统因突发干扰等因素产生的常规均衡器均衡参数的估计偏差,提高系统的误码性能.仿真实验证实,所提出的MIMO盲均衡算法在行对角占优信道矩阵的均衡和常规均衡器均衡参数估计偏差的克服中均取得了良好的效果.