变学习速率在线ICA算法在雷达信号分选中的应用

已有的独立分量分析(ICA)雷达分选方法多采用FastICA算法,FastICA算法是一种离线批处理ICA算法,缺乏实时分选能力.文中将一种变学习速率的在线ICA算法应用到雷达分选中,克服了FastICA算法无法实现在线实时分选的缺点;同时,算法能根据相依性测度所反映的信号分离的状态自适应地调节学习速率,平衡了传统在线ICA算法收敛速度和稳态误差之间的矛盾,从而使得采用这种ICA算法的雷达信号分选方法具有收敛速度快,分离效果好的特点.仿真实验验证了分选方法的有效性.     

基于相关熵的盲源分离算法

提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

基于ICA对价值链与企业家心智的关联研究

文章在分析影响价值链的企业家心智因素过程中引入了ICA理论,对应用ICA理论进行企业家心智因素的提取进行了可行性分析.在实证研究中通过基于ICA理论的FastICA算法从一组观测数据中分离出了影响价值链波动的主要因素,经分析,企业家的认知结构对价值链的影响比较显著.该方法用于筛选企业家心智因素是可行的,为ICA理论用于价值链管理和优化提供了理论参考.     

偏亚高斯语音信号有效分离ICA方法研究

针对扩展Infomax语音分离算法仅只对无偏信号的概率密度分布进行建模的不足,提出了一种有效分离的有偏亚高斯信号ICA算法。通过修改扩展Informix算法所基于的Pearson混合模型,使修改后的模型既能较好地逼近对称的概率密度分布,又能逼近非对称的概率密度分布,从而在源信号是非对称分布的情况下,能获得更好的分离质量和较快的收敛速度。     

基于独立分量分析的降噪技术

介绍了新兴的独立分量分析技术的基本概念和原理,以及具有代表性的算法,即FastICA算法、EASI算法、非线性PCA算法和基于自然梯度的最大似然估计算法。通过降噪仿真实验,并采用均方误差作为降噪的性能指数,对这些算法与传统的自适应信号处理算法进行比较。所得实验结果表明,独立分量分析算法在降噪上的效果优于自适应信号处理算法。因此在降噪上具有较大的应用价值。     

MRF和GM模型高光谱图像地物标记

利用马尔可夫随机场和高斯混合模型构造了一种对高光谱图像进行地物标记的新方法。该方法利用PCA降维后的高光谱图像及其差分图像的先验信息建立高光谱图像的随机模型,并把最大后验估计作为地物标记优化的评判标准,用模拟退火算法实现地物标记。实验结果显示该算法是一种精确、高效、稳定的图形标记算法。     

基于FastICA的高光谱图像压缩技术

提出了一种基于快速独立分量分析(FastICA)的高光谱图像压缩算法。首先引入虚拟维数算法估计图像中的目标端元个数,进而提取出感兴趣的目标端元矢量,并初始化快速独立分量分析的混合矩阵;利用最小噪声分量变换对原始数据进行降维,从降维后的主分量中提取独立分量;对独立分量进行恒虚警率检测与形态学滤波,实现目标分割。对高光谱图像进行谱间Karhunen-Loeve变换,利用比例位移法对感兴趣目标的小波系数进行提升,最后对各主分量进行最优码率的SPIHT压缩。实验结果表明,该方法在获得较高压缩性能的同时能够有效地保留感兴趣的目标。     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

基于VMD-FastICA的齿轮箱故障诊断

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。     

SAR图像辐射校准模型与误差分析

合成孔径雷达(SAR)图像辐射校准是关乎图像有效性的重要问题.一个合理的校准模型是SAR图像辐射校准的前提.文中首先根据SAR的基本工作原理,推导出了SAR图像单元的灰度值IV和与其对应的地面单元的后向散射系数σ0之间的定量关系,并以此作为SAR图像辐射校准的模型.接下来,对模型的误差进行了分析.最后,对该校准模型的有效性进行了仿真分析,仿真结果表明该模型是合理的、有效的.     

Delaunay三角剖分插值用于超分辨成像

微变焦超分辨成像在插值重建方面比较困难,目前基于最小二乘估计的频域模型和空域模型也都存在一些局限性。为了兼顾超分辨成像的实时性和精确性,该文在图像重建过程中,借鉴Delaunay三角剖分的数学概念,采用随机增量算法,定义了基于Delaunay三角剖分的插值算法。该算法可以提高分辨率,降低运算量。仿真实验结果表明,该算法在图像重建的时间和均方误差方面,均优于共轭梯度最小二乘法,其中基于Delaunay三角剖分的三次方插值算法的优越性更为突出。     

噪声对复值ICA算法盲源分离性能影响

语音信号进行短时傅立叶变换后,所得频域分量是复值数据。因此,频域盲分离算法需要在复数域中实现。理论上,复值ICA算法只是实值ICA算法的一种扩展,但在针对实测信号数据进行处理时,不同类型的复值ICA算法在盲分离性能方面都存在较大的差别。针对这一具体问题,利用合理的评价标准,对基于高阶统计量(HOS)的Jade算法、基于极大非高斯性盲分离方法的峭度极大不动点算法和基于信息论的infomax算法,比较不同环境下的抗噪性能和分离性能,给出了有一定参考价值和实际意义的结论。     

基于字典的概率松弛法对焊缝图像中裂纹缺陷的提取

提出了一种在焊缝图像中提取裂纹缺陷的方法。该算法首先对含有裂纹缺陷的图像采用基于偏移量的Laplacian算子进行检测处理,对处理后的图像建立有12个基本容许结构的字典模型,应用字典法提供有效的搜索方法,通过迭代,从邻近目标中提取越来越多的上下文信息处理,有效去除噪声,提取裂纹缺陷。实验结果表明:该算法对纵向裂纹能获得较好的连接性及较清晰的轮廓,且有较好的抗噪性,是一种有效的弱显示裂纹检测方法。     

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。     

高效实时的抽取滤波器的FPGA实现

介绍了分布式算法实现乘积和运算的原理及工程上的实现方式,提出了适合现场可编程门阵列器件基本查找表结构的改进分布式算法,通过计算机仿真,在具体器件上实现了抽取滤波器。实验结果表明:该分布式算法结构可以充分利用现场可编程门阵列器件的资源,并且只引入固定的流水线延迟,具有很好的高效性和实时性。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

传感器个数及距离对盲分离影响的分析

在使用盲分离技术进行信号处理时,分离高频信号和低频信号对传感器分布的要求是不同的,而传统的方法在处理高低频混合信号时采用了统一的模式,得不到很好的分离效果。为了在采用盲分离技术进行高低频混合信号处理时能得到更好的效果,文章对传感器个数和距离对盲信号分离的影响进行了深入的分析,并提出了一种能有效处理高频和低频混合信号的模型——分离子系统模型。该模型可以根据频段对传感器距离进行调整,分别对高、低频混合信号进行分离。通过实验证明分离效果更好。     

基于线过程的POCS超分辨图像重构算法

传统的凸集投影(POCS)超分辨重构算法易使图像产生边缘振荡效应问题,在研究了边缘振荡效应的成因后,提出一种基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构.该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善.     

Cannvy边缘检测算子研究及其在医学图像中的应用

为了进一步加强数字图像处理技术在医学图像领域的应用,分析基于Canny算子的边缘检测方法并将其应用于医学图像。本文首先介绍边缘检测算法的理论基础;然后结合Canny算子的实现原理及步骤,说明边缘检测所遵循的基本原则;最后在OpenCV环境下编程调试,对该算法进行实验验证,利用Canny算子对一幅人体肺部CT图像进行边缘提取。对实验结果进行分析得出结论,Canny算子检测出的边缘完整、连续且细锐。从实验结果中可以看出,这种方法对医用CT图像的边缘检测非常适用,对于利用计算机进行医学图像处理有着重要的现实意义。