采用多任务稳健主成分分析的运动目标分割

提出一种多任务稳健主成分分析方法,用以结合多视觉特征实现运动目标分割. 给定由多类型特征矩阵描述的视频数据,将它分解为低秩和稀疏部分,其中的稀疏部分对应于运动目标. 该矩阵分解过程是一个凸优化问题,通过用ALM方法最小化核范数和`2,1-范数的约束组合. 与仅利用单类型特征的方法相比,本文提出的方法能够结合多类型特征,因此可获得更加精确可靠的结果. 对HumanEva和Change Detection两个数据集的实验表明了该方法的有效性.     

调制宽带转换器与多陪集采样在稀疏多频带信号采样中的应用

目前研究的亚奈奎斯特采样方法有调制宽带转换器和多陪集采样,二者都是用于获取时间连续、频谱稀疏信号的采样方法,多陪集采样是非均匀的亚奈奎斯特采样,调制宽带转换器是均匀的奈奎斯特采样.从采样方法、频谱支撑区恢复、信号重构和复杂度等方面,对调制宽带转换器与多陪集采样在稀疏多频带信号采样中的应用进行分析.仿真实验结果表明,在相同的平均采样速率下,调制宽带转换器的均方误差大于多陪集采样,但多陪集采样对各通道时延的精确要求给其硬件实现带了很大困难,而调制宽带转换器易于在实际应用中允许的误差范围内硬件实现.     

基于稀疏重构的海杂波抑制和目标提取算法

在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性.针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏...     

基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法

基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件. 采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性.     

基于压缩感知的MIMO系统稀疏信道估计

在多输入多输出通信系统中,接收端信道均衡与相干检测需要利用信道状态信息. 传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下. 为此,该文研究在单载波MIMO系统中的稀疏信道估计,利用多径信道的稀疏特性提出一种基于压缩感知理论的信道估计方法. 这种方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率. 仿真验证和理论分析表明,基于压缩采样匹配追踪的压缩感知信道估计方法为MIMO系统稀疏信道估计的最优选择.     

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.     

基于稀疏编码投影特征的布匹瑕疵检测

为了改善传统算法通用性不强、计算量较大的缺点,提出了基于稀疏编码投影特征的布匹瑕疵检测算法。采用稀疏编码来训练得到特征提取的过完全字典,使得不同种类布匹纹理的特征选取具有充分的灵活性。利用布匹图像在字典上的投影代替稀疏表达作为特征,提高了特征的鲁棒性,有效地减小了算法的计算量和时间复杂度。最后,根据待检测图像块特征和标准之间的距离,得出检测结果。对德国TILDA样本库的实验结果表明,该方法得到的特征更加的稳健,对不同种类布匹的适应能力更强,检测时间更短,对比其他算法的检测率也有明显优势。     

基于半监督宽度学习系统的气温空间插值

近年来,基于人工神经网络的气象空间插值研究因其较强的非线性映射能力受到越来越多的关注。然而,由于网络参数众多,这些方法的训练过程都非常耗时。考虑到以上原因,基于宽度学习系统提出了一个高效的气温空间插值模型,首先使用稀疏编码对输入数据进行特征提取,然后将映射后的向量引入宽度学习系统中得到一个半监督宽度学习模型。相关实验建立在山西省的气象数据集上,实验结果表明,该方法比基于深度学习的方法和传统空间插值方法具有更好的预测性能和时间损耗。     

基于高阶交叠组稀疏正则项的图像恢复方法

为进一步提高交叠组稀疏全变分模型的图像恢复效果,通过在现有模型的基础上结合图像的二阶梯度信息,增加二阶梯度正则项的方法对交叠组稀疏正则项进行改进,研究了基于高阶交叠组稀疏正则项的模型建立和算法以及在图像恢复中的效果及各参数的影响。结果表明：在一定水平噪声标准差的情况下,应用该方法对图像进行恢复时,基本上均可获得比其他模型更好的恢复效果。可见在交叠组稀疏全变分模型中考虑二阶梯度信息有助于提高图像的恢复性能。     

时变OFDM稀疏信道估计中最优导频选择

针对时变OFDM系统中基于压缩感知的频率选择性衰落信道估计,为了提高其估计精度,结合最优导频选择方式,给出一种自适应求最优导频方法。通过闭环反馈信道稀疏度变化的方式,实时的求取最优导频进行信道估计,并与周期性求最优导频方法进行对比分析。仿真结果表明,自适应方法具有更低的信道估计均方误差,与随机方式相比,性能增益平均提高了11 dB,比周期性方法,平均提高了4 dB,且自适应方法误差曲线更平滑。