基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

基于多码本矢量量化的图像篡改恢复

提出一种用于数字图像篡改检测与内容恢复的自嵌入脆弱图像水印算法.对原始图像每个不重叠分块进行基于边缘复杂度的内容分析,选择不同大小的矢量量化码本进行分块压缩,可获得相应的标识符和表示图像分块主要内容的索引值以构成压缩码.将其复制多份后作为参考比特,通过密钥嵌入至其他多个分块中.用于篡改定位的认证比特则被嵌入每个分块本身.由于在多码本矢量量化协同下生成的参考比特具有较高的内容表示效率,该算法在篡改率相同的条件下可取得更理想的内容恢复性能,这一结论得到了实验结果的验证.     

一种低复杂度2.4 kb/s正弦激励线性预测声码器方案

提出了一种改进的低复杂度2.4 kb/s语音编码方案,采用基于正弦激励的线性预测模型.LSF参数采用全局最优标量量化,明显降低了运算复杂度,加入了G.729LSF量化的帧间预测技术,保证了语音质量.能量参数直接提取增强了算法抗误码能力.分子带清浊音模式归并节省了比特分配.测试结果表明,合成语音质量明显高于2.4 kb/s混合激励线性预测算法,且运算复杂度更低.     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

一种因子化的稀疏矩阵转置算法

在定义了二元组结构的基础上,对稀疏矩阵中非零元素的行、列坐标值进行因子化,以此实现了一种新的稀疏矩阵压缩存储结构.并在应用该压缩存储结构的基础上,提出了一种稀疏矩阵转置操作的改进算法.该算法较传统算法而言,在时间复杂度不变的前提下将空间复杂度降低了30％.     

多用户MIMO系统中基于容量的发射天线选择

在对多用户MIMO系统上行链路容量以及多用户MIMO最优天线选择算法进行研究的基础上,提出了一种多用户迭代递减的次优发射天线选择算法,即MIEAS算法,并分析了其复杂度。仿真结果表明,该算法应用在MIMO系统上行链路时,在各种不同参数条件下获得的容量增益均十分接近于最优天线选择算法,且运算复杂度大大降低。     

矢量量化在静态图像编码中的应用

本文介绍了静态图像矢量量化系统的设计,并指出系统复杂度是矢量量化应用的一个关键问题.为了降低系统复杂度,研究了一种新的空胞腔消除方法并采用了一种快速搜索算法.     

利用粒子滤波与支持向量机的数字混合信号单通道盲分离

针对基于粒子滤波盲分离算法运算复杂度高的问题,将支持向量机理论引入到粒子滤波算法中,提出一种数字调制混合信号单通道盲分离算法. 确定了算法中粒子权值更新方法,并给出了参数与符号序列的后验概率密度估计. 从后验概率密度估计的统计特性和运算复杂度两个方面详细分析了算法的性能,并从理论上证明该文给出的后验概率密度估计能很好地逼近真实后验概率密度. 理论分析与仿真结果均表明,与基于粒子滤波的盲分离算法相比,算法在误码率性能相当的情况下,有效缩短了运算时间.     

基于有约束CNMF的遥感高光谱多光谱图像融合

针对高光谱图像空间分辨率较低的问题,设计了一种基于光谱解混的高光谱、多光谱图像融合算法（VSC-CNMF）. 结合遥感图像的实际物理特性,在混合像元分解时加入端元单形体最小体积约束和丰度稀疏约束,通过光谱退化、空间退化和迭代解混,实现不同图像间端元和丰度的匹配,获得了具有高空间分辨率的融合图像. 仿真实验表明,VSC-CNMF可得到具有更高空间质量和光谱质量的融合图像.     

基于RA准则的多用户OFDM自适应资源分配算法改进

针对现有最优算法计算复杂度高、不利于实时应用的不足,根据误比特率和总功率限制条件下多用户OFDM系统自适应资源分配的数学优化模型,从最大化系统容量的目标出发,提出了一种计算复杂度低、易于实现的子载波、比特及功率分配算法.理论分析和仿真结果表明,在时变无线信道中采用此算法的性能明显优于Lee提出的算法和静态资源分配算法(OFDM-TDMA),且计算复杂度低.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

基于自适应核方法的正交子空间投影异常检测算法

在高光谱图像的异常目标检测核方法中,高斯径向基核函数的宽度决定因子(即核参数)选择恰当与否是决定算法性能的重要因素。针对这一问题,提出了一种基于自适应核方法的正交子空间投影高光谱图像异常检测算法,有效的解决了统一的全局检测参数在复杂多变背景环境下检测性能下降的问题。这不仅提高了算法的通用性,也降低了检测的计算量。用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行比较,结果表明,所提出算法的检测性能明显地优于传统算法,降低了虚警概率。     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

大规模MIMO系统中基于子空间跟踪的半盲信道估计

基于特征值分解(eigen value decomposition, EVD)或奇异值分解(singular valuedecomposition, SVD)的半盲信道估计算法需要进行重复的EVD或SVD计算,计算量较大,不适用于多小区多用户的大规模MIMO系统. 为此,针对多小区多用户大规模MIMO系统中的半盲信道估计给出了一种快速实现算法. 该算法主要利用最小二乘(least-squares)及线性最小均方误差(linear minimum mean-square error)原理导出一种新的递归计算模糊矩阵的方法,采用快速递归row-Householder 子空间跟踪算法对接收向量的信号子空间的估计进行加速. 仿真结果表明,所提出的算法估计性能良好,并能有效减轻导频污染的影响.     

一种有效的MIMO-OFDM系统盲信道估计算法

提出了一种新的MIMO-OFDM信道模型,该模型对于信道阶数过估计具有很强的鲁棒性,并针对该模型提出了一种基于子空间方法的盲信道估计算法.仿真结果表明在新系统模型基础上提出的算法具有收敛速度快,估计精度高的优点.     

一种减少算术傅立叶变换采样点的方法

算术傅立叶变换是为了克服快速傅立叶变换的缺陷而在 1988年被提出的计算傅立叶系数的有效方法 .它的优点是不需要复数乘法 ,并且适合于作并行处理 ;但采样点过多是它的很大缺陷 .此文提出的一种方法 ,通过对采样点进行归类 ,重新划分 ,不但减少了采样点 ,而且精度状况良好 ,是对算术傅立叶变换的一次有效改进     

一种基于离散小波变换的数字水印技术

针对图像软件对宿主图像进行JPEG有损压缩、缩放、锐化等常见编辑操作会对嵌入的数字水印造成无意攻击,导致水印信息提取困难的问题,提出一种的基于离散小波变换技术的改进数字水印技术.首先考虑到JPEG标准压缩算法对亮度分量全保留的原理,选择宿主的亮度分量嵌入数字水印信息,以增强鲁棒性;然后根据人类视觉系统原理：人类对45°角分量最不敏感的原理选择YUV颜色模型中的Y分量的二级小波分解的对角区域cD2作为水印嵌入区;并在算法中通过控制嵌入信息强度满足了水印的隐蔽性.最终的实验结果表明该算法对JPEG有损压缩具有很强的鲁棒性,并对缩放、锐化、模糊和旋转等几种常见图像处理造成的无意攻击具有一定的鲁棒性.     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.