基于小波域双层贝叶斯模型的图像复原

为了克服正交小波变换用于图像复原引起的振铃现象,提出了一种基于小波域双层贝叶斯模型的图像复原算法.采用移不变小波变换,经过简单的转换,使计算复杂度较正交小波变换法并没有显著增加.对于涉及小波系数和超参数的估计问题,通过双层贝叶斯模型方法解决.首先使用局部高斯分布作为第一层模型,主要用于刻画原始图像小波系数的先验分布;第二层模型用于对超参数的估计,假设局部逆方差为服从Gamma分布的随机变量.基于双层贝叶斯模型,采用最大后验概率估计(MAP)同时进行参数估计与图像复原,计算机实验验证了该方法的有效性.     

混合逆狄利克雷分布的变分学习及应用

混合逆狄利克雷分布是正的非高斯数据分析中一个重要的统计模型.但是利用常用的统计方法比如极大近似然估计、矩估计等往往很难得到模型参数估计的显性解析式.本文提出一个变分贝叶斯学习算法,它能够在估计参数的同时自动确定混合分量数.在合成数据集及实测数据集上的实验结果表明利用变分贝叶斯推理来估计混合逆狄利克雷分布是一种非常有效的方法.     

基于变分方法的超分辨率

基于全变分先验和变分分布.提出一个新颖的超分辨率算法,使用分级的贝叶斯框架,能够同时计算出重建的高分辨率图像和模型参数.本算法利用变分推论给出变量的后验分布近似.因为能够同时估计出模型参数,是自动的过程,无需对参数人工调节.实验结果表明所提算法在重建质量上优于当前主流的算法.     

贝叶斯估计器先验模型参数的迭代感知方法

充分利用先验信息是提高统计推断性能的有效途径之一。贝叶斯估计的先验信息模型参数必须在设计阶段确定下来,与待探测环境模型参数之间必然存在不一致性,从而有可能导致估计质量的下降。该文首先给出了基于估计性能的先验模型参数感知的一般性框架。基于该框架,针对白高斯噪声中直流信号的贝叶斯估计器,分析了先验失配条件下的估计性能,给出了一种先验模型参数迭代感知的算法。利用计算机仿真分析了该估计器性能对先验模型参数的敏感性和稳健性,分析了不同条件下的迭代感知过程。计算机仿真结果表明,该文给出的迭代感知方法建立了从估计性能到先验模型参数的反馈,通过估计器与待探测场景的多次交互,可以使得先验模型与当前场景模型匹配。     

贝塔混合模型的变分贝叶斯学习及应用

贝塔混合模型（Beta Mixture Model,BMM）是一种重要的非高斯概率模型,常用于有界数据的统计分析.但是由于其表达式复杂,BMM的参数估计比较困难.针对该问题,本文提出一种高效的变分贝叶斯学习方法进行参数估计.该方法采用形式简单的自由分布,通过不断最大化初始变分目标函数的下界,迭代逼近得到真实的贝叶斯后验分布.在合成数据集与实际数据集上进行实验,实验结果证明了所提出算法的有效性和可行性.     

基于正态逆高斯模型的非下采样Contourlet变换图像去噪

提出一种基于正态逆高斯先验模型的非下采样Contourlet变换图像去噪算法.在非下采样Contourlet变换域中,以正态逆高斯模型为先验模型,对图像分解系数的稀疏分布统计建模,估计每个子带内的模型参数,在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相应的阈值函数表达式,以此对图像进行去噪处理.对于被加性高斯白...     

基于贝叶斯理论的软件可靠性评估方法研究

本文以贝叶斯统计理论为依据,建立了基于输入域的测试过程的形式化描述,在此基础上确定了测试分布的总体信息;按照贝叶斯理论,要对软件可靠性进行估计,需要定义软件可靠性的先验分布,该先验分布可以利用贝叶斯假设或共辘原理进行定义.分析发现,在软件顺序测试过程中,采用这两种策略所得到的先验分布是一致的,这从另一种角度印证了先验分布选取的正确性.根据贝叶斯定理,利用先验分布和总体分布,可以得到待估计变量的后验分布,然后根据测试数据可以对可靠性进行估计.     

考虑多种贝叶斯神经网络分布形式组合的设备剩余寿命预测方法

基于dropout NN(dropout Neural Network)的设备剩余寿命(RUL)预测方法因使用具有固定分布形式的先验与近似后验的贝叶斯神经网络(BNN)导致预测精度较低.为解决该问题,提出基于高斯近似后验BNN的RUL预测方法和基于混合高斯-伯努利网络的设备RUL预测方法,前者引入混合高斯分布作为先验,通过对参数梯度进行无偏蒙特卡罗估计以优化BNN,后者引入一种离散化的高斯先验分布以正确地定义KL散度,进而可以优化BNN.在PHM 2012轴承数据集上的验证结果表明所构建的混合高斯-高斯网络效果好于dropout NN,证明了改变分布组合可以获得更好的预测效果.     

非线性系统中状态和参数联合估计的双重粒子滤波方法

该文提出了一种双重粒子滤波方法,对存在未知参数的非线性系统进行状态和参数联合估计。该方法采用基于充分统计量的粒子滤波技术,避免了重采样过程中的粒子枯竭现象;采用贝塔分布拟合系统参数的后验分布,不仅充分利用了先验信息,而且避免了对高斯分布拖尾部分的采样,提高了粒子的采样效率。仿真实验结果表明,该方法提高了非线性系统中状态和参数的估计精度,降低了滤波器对初始误差的敏感性。     

一种电子设备贝叶斯可靠性评估的新方法

针对贝叶斯方法应用中后验参数的运算复杂性问题,提出了一种电子设备贝叶斯可靠性评估的新方法.基于工程实践中常见的先验信息建立失效率先验分布,通过随机采样构建设备寿命分布参数的离散联合先验分布,结合截尾试验数据,再通过二次随机采样得到分布参数的离散联合后验分布函数.通过实例给出了运算过程,并与其它贝叶斯运算方法进行了比较.结果表明,此方法在确保精度的同时可以大大简化计算过程,在电子设备可靠性评估中有较高的应用价值.     

基于参数分步估计的红外与可见光图像自动配准算法

 提出了一种仿射模型参数分步估计的红外与可见光图像自动配准算法.首先,使用矩阵正交分解方法,将仿射变换的6个自由度分离为易于估计的切变、尺度比例、旋转、尺度缩放以及x和y方向上的平移量等参数;然后基于方向一致性约束和线段间的对齐度分别构建用于参数分步估计的目标函数,并使用SGA(Stud Genetic Algorithm)算法搜索使目标函数取得近似全局最优解的参数值;最后,基于Powell算法对参数估计值进行局部求精.实验结果表明,当两幅需要配准的图像中含有丰富的关联线段及多样的线段方向分布时,本文算法能够利用这些线段间的方向一致性约束和位置分布信息,有效地实现红外与可见光图像的自动配准,且算法具有较好的配准精度.     

基于SS过程的分数低阶时频自回归滑动平均模型参数估计及时频分布

针对SS过程下时频自回归滑动平均(TFARMA)模型分析方法的退化,该文用分数低阶共变取代二阶相关提出了分数低阶时频自回归滑动平均(FLO-TFARMA)模型的概念,并推导了模型参数的求解方法。在此基础上,给出了FLO- TFARMA模型时频谱估计算法,和已有的TFARMA模型时频谱算法进行了详细的比较。计算机仿真结果表明,在SS过程环境下,所提出的FLO-TFARMA时频谱明显优于TFARMA时频谱,尤其是当参数较小时,FLO-TFARMA时频谱优势更明显。     

Gaussian mixture density modeling of non-Gaussian source forautoregressive process

A new approach is taken to model non-Gaussian sources of AR processes using Gaussian mixture densities that are known to be effective for approximating wide varieties of probability distributions. A maximum likelihood estimation algorithm is derived for estimating the AR parameters by solving a generalized normal equation, and a clustering algorithm is used for estimating the parameters of Gaussian mixture density of the source signals. The correlation matrix of the generalized normal equation is not Toeplitz but is symmetric and in general positive definite. Higher order statistics of skewness and kurtosis are used for identifying the source distribution as being Gaussian or non-Gaussian and, consequently, determining the parameter estimation technique between the conventional method and the proposed method. Experiments on non-Gaussian source AR processes demonstrate that under high SNR conditions (SNR⩾20 dB), the proposed algorithm outperforms the conventional AR estimation algorithm and the cumulant-based algorithm by an order-of-magnitude reduction of average estimation errors. The proposed algorithm also has very low estimation errors with short data records. Finally, a maximum likelihood prediction method is formulated for non-Gaussian source AR processes that has shown potential in achieving higher efficiency signal coding than linear predictive coding     

基于Mellin变换的K分布参数估计新方法

 K分布是目前SAR图像建模领域应用最广泛、最著名的统计模型之一.当前普遍采用的是基于矩估计的参数估计方法,但其存在等效视数值需要经验获取、容易出现错误估计以及造成K分布失效等问题.为此,本文提出了一种基于Mellin变换的K分布参数估计新方法.该方法以Mellin变换为基础,详细推导了K分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了K分布参数估计简洁的迭代表达式.所提方法不但有效克服了K分布失效的问题,更为重要的是,其把视数同形状参数、尺度参数一样视为待估计的参数,且能够快速准确地迭代出它们的估计值,保证了K分布的拟合精度.实验结果证明了所提方法的有效性.     

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.     

压缩感知多目标无源定位中的字典适配方法

该文针对压缩感知多目标无源定位在无线定位环境中的字典失配问题,提出基于变分期望最大化算法的字典适配方法。该方法首先根据鞍面模型建立无源字典,并将与定位环境相关的字典参数作为可调参数。然后,为目标位置向量建立两层的混合高斯先验模型以诱导其稀疏性。最后,利用变分期望最大化算法估计隐藏变量的后验分布以及优化字典环境参数,实现多目标位置估计和字典适配。仿真结果表明,相较于传统的压缩感知多目标无源定位方法,在变化的无线定位环境下,所提定位方法的性能优势尤为明显。     

Parameter Estimation Based on Fractional Power Spectrum Density in Bistatic MIMO Radar System Under Impulsive Noise Environment

This paper takes an Alpha-stable distribution as the noise model to solve the parameter estimation problem of bistatic multiple-input multiple-output (MIMO) radar system in the impulsive noise environment. For a moving target, its echo often contains a time-varying Doppler frequency. Furthermore, the echo signal may be corrupted by a non-Gaussian noise. It causes the conventional algorithms and signal models degenerating severely in this case. Thus, this paper proposes a new signal model and a novel method for parameter estimation in bistatic MIMO radar system in the impulsive noise environment. It combines the fractional lower-order statistics (FLOS) and fractional power spectrum density (FPSD), for suppressing the impulse noise and estimating parameters of the target in fractional Fourier transform domain. Firstly, a new signal array model is constructed based on the \(\alpha \)-stable distribution model. Secondly, Doppler parameters are jointly estimated by peak searching of the FLOS–FPSD. Furthermore, two modified algorithms are proposed for the estimation of direction-of-departure and direction-of-arrival (DOA), including the fractional power spectrum density based on MUSIC algorithm (FLOS–FPSD–MUSIC) and the fractional lower-order ambiguity function based on ESPRIT algorithm (FLOS–FPSD–ESPRIT). Simulation results are presented to verity the effectiveness of the proposed method.     

Estimation of Gilbert's and Fritchman's models parameters using thegradient method for digital mobile radio channels

A series of error sequence measurements in a typical mobile radio channel has been conducted to study the time distribution of transmission errors. E.N. Gilbert's (1960) and B.D. Fritchman's (1967) digital communication channel models are shown to describe adequately the observed error bursts occurring in the mobile radio channel. An estimation method based on the gradient algorithm is proposed for computing the parameters values of both models from the experimentally derived error distributions. A digital mobile radio channel simulator based on Gilbert's and Fritchman's models with the parameter values as estimated using the gradient technique is presented     

基于独立混合模型的EM算法参数初始化实现方法

隐马尔科夫树( Hidden Markov Tree, HMT )的状态不能被观测到,只能观测到另一个与状态有联系的量,通过观测量估计HMT模型参数是一个不完全数据参数估计问题。期望最大化( Expectation Maximization, EM )算法是一种求参数极大似然估计的迭代算法,可以用于解决不完全数据参数估计问题,因此被广泛应用于HMT模型的参数估计中。当初始参数偏离真实参数较大时,EM算法迭代次数多,收敛速度慢,通过一个计算量不大的参数初始化处理,能够有效减少EM算法的迭代次数,加快收敛速度。本文提出了一种基于独立混合模型的参数初始化方法,详细介绍了该方法的实现过程,通过采用独立混合模型进行参数初始化,使得EM算法的迭代次数明显减少,收敛速度大大提高。最后,计算机仿真验证了该方法的可行性和有效性。