基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

利用期望最大化算法的EMCCD噪声分布模型的参数估计

讨论了电子倍增CCD（EMCCD）图像的噪声来源及其统计特性,建立了混合泊松-高斯噪声分布模型。针对混合泊松-高斯噪声分布模型的极大似然函数难以求解的问题,对噪声模型进行了适当的初始化设置,利用期望最大化算法对噪声模型进行参数估计,有效实现了噪声参数的极大似然估计。Monte Carlo仿真结果及实验结果表明,期望最大化算法估计性能较好,对混合泊松-高斯分布有较好的拟合效果,能得到较高精度的参数估计值。     

一种基于多模板的超宽带信道估计算法

该文针对码片率抽头间隔的脉冲超宽带(IR-UWB)系统离散信道,提出一种基于帧(frame)级采样速率的多模板信道估计算法。在该算法中引入了若干个复合信道参数,每个复合信道参数都是几个独立信道参数的线性组合。利用极大似然准则和从多个模板中获得的帧级采样数据,可以先获得所有复合信道参数的极大似然估计值。然后联合由不同模板得到的复合信道参数估计值,得到每个独立的信道参数的极大似然估计。通过仿真,验证了该方法的可行性。     

基于无线传感器网络的声目标定位算法研究

在建立声音能量模型基础上实现了基于极大似然估计的声目标定位。由于极大似然估计算法是一个有偏估计,而且容易受到参数扰动的影响,这两个不足影响了其定位精度的稳定性。因此,提出了基于最优化极大似然估计的目标定位算法。仿真实验结果表明,与一些存在的定位算法相比,此算法在传感器节点数目不同时,都能得到更高的定位精度。     

一种LFM信号最大似然估计模型与参数估计快速算法

从最大似然估计模型入手,提出了一种适合在一般高斯噪声环境（包括色噪声）下LFM信号目标的参数估计模型和基于此估计模型的调频斜率和初始频率估计的快速算法。此方法获得了最大似然方法估计精度高的优点,且运算量比传统的最大似然方法大大降低。另外推导出了一般高斯环境下的LFM参数估计的CRB界,为一般高斯环境下的估计的参数的方差提供实际下界。     

《电讯技术》专题资料《雷达探测技术》题要（七）

基于模拟退火算法的SAR图像复原（彭祥龙,张扬）． 根据吉布斯马尔可夫随机场模型和SAR图像斑点噪声的伽玛分布统计特性,应用模拟退火算法,实现雷达截面的全局优化伪似然估计。本文将新解4选1的方法从极化SAR图像推广到一般SAR图像;提出一种实用有效的图像特征检测法;说明了一阶模型和零阶模型之间的联系,并给出满意的处理结果。     

多尺度马尔科夫随机场在基于高分辨率合成孔径雷达影像的城市地物分类中的应用

本文通过基于多尺度马尔科夫随机场模型的最大似然算法及基于传统马尔科夫随机场势函数的像素间Gabor相似方法,使用迭代条件模型对影像进行分割,使用K均值分类算法对分割后的影像进行分类,选择北京市通州区作为研究区,使用上述方法对多幅该区域的高分辨率合成孔径雷达影像进行了分类,新方法可以实现优于传统算法的分割精度,能够清晰区分建筑物之间的边界。     

短循环前缀OFDM信号参数估计方法研究

为了克服传统的OFDM信号参数估计方法在短循环前缀条件需要大量OFDM符号、估计性能较低、抗多径衰落能力差等缺点,本文提出了一种新的短循环前缀OFDM信号参数估计方法。该算法利用OFDM信号模型推导出接收端的傅里叶逆变换模型函数,然后在此基础上根据OFDM信号的先验概率密度构造一种多参数融合的极大似然函数,并从理论上说明了可以通过检测似然函数的最小值实现OFDM信号循环前缀长度和有效符号长度的联合估计。同时,本文还利用动态粒子群优化算法（DPSO）降低了搜索复杂度,缩短了估计时间。仿真实验展示本文算法在不同环境下对OFDM信号参数估计的鲁棒性,表明本文算法的识别性能优于传统方法。      

波形未知信号时频差参数的最大似然估计算法

提出了波形未知确定信号时频差参数估计的最大似然算法,得出利用互模糊函数可以实现此种信号条件下时频差参数最大似然估计的结论,推导出了闭合形式的克拉美罗下界并对比了不同信号模型下的参数估计精度。仿真实验结果表明了估计算法和性能分析的正确性。     

一种基于简化马尔可夫随机场的红外图像快速分割方法

分析了传统的基于马尔可夫随机场图像分割算法收敛速度慢和固定加权等缺点,提出了一种基于简化马尔可夫随机场的红外图像快速分割算法。该算法首先对红外图像极大似然初始分割,并利用简化马尔可夫随机场对图像进行建模。在此基础上采用自适应的加权变化形式进行迭代,不但加速了分割算法的收敛速度,而且使得分割效果都大为改善。在真实的飞机和舰艇红外图像上,该算法都取得了较好的分割效果。     

基于EM算法的极大似然分布式量化估计融合新方法

该文针对水下目标探测中的多传感器分布式量化估计融合问题,建立了分布式量化估计融合模型,在考虑信道噪声且其统计特性不完全已知条件下,充分利用EM算法在观测数据缺失时参数估计的优越性,提出了一种基于期望极大化(EM)算法的极大似然分布式量化估计融合新方法。该方法将未知的水声信道噪声参数以及局部量化器量化概率建模为EM算法中二元高斯混合模型参数,利用极大似然估计方法的估计不变性得到目标参数的估计融合结果。仿真实验表明:该方法在局部传感器观测样本数目大于5000和信噪比大于6 dB时与已有理想信道条件下的估计方法性能相当,该方法为水下目标探测中分布式量化估计融合系统的工程实现提供了理论依据。     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

基于结构保持MRF模型的SAR图像去斑

该文提出一种用于SAR图像贝叶斯去斑的,具有结构保持特性的马尔可夫随机场模型。该模型通过引入一组权重参数建模待处理像素与其邻域点的空间相关性,可有效描述图像中的各种局部特性。准确的参数估计是模型有效运用的关键,借鉴随机松弛算法的思想,通过引入温度变量,实现了迭代过程中权重参数的自适应估计。仿真和实际SAR图像数据的实验结果,验证了所提模型及参数估计方法的有效性。     

基于条件随机场的显著性检测算法

近年来,显著性检测与图像处理有着密不可分的关系,图像处理依赖于高质量的显著图才能得到较好的处理结果。因此为提高图像显著性检测的准确性,提出了一种新的基于条件随机场(CRF)的显著性融合算法。将显著性检测看做一个图像标注问题,运用多尺度对比,中央—周围直方图和颜色空间分布这三种不同的显著度计算得到显著图。通过CRF学习计算各个显著度的权重,采用最大似然估计方法获取模型参数估计,得到最优解。最后利用CRF检测测试图像。通过大量的实验结果表明,此算法可以对显著目标得到更加精确地检测。     

航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像，提出了一种基于极大似然估计准则的规整化复原算法．根据图像随机场模型建立了有关多帧图像数据的对数似然函数，同时为了平滑噪声和保护图像边缘以及避免无价值的解，将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中．推导出了湍流点扩展函数和目标图像的交替迭代求解公式，通过迭代方式可将点扩展函数和目标图像同时估计出来，给出了算法的并行处理方案．在微机上对强噪声条件下的湍流退化图像进行了恢复实验，实验结果表明本算法具有较强的抗噪能力和实用价值．     

一种基于非参数密度估计和马尔可夫上下文的SAR图像分割算法

在研究传统的基于参数的合成孔径雷达(SAR)图像统计模型基础上,为了精确估计高分辨率SAR图像的统计分布,该文提出了一种结合基于核函数的非参数估计和马尔可夫上下文的SAR图像分割算法。该算法首先采用基于核函数的非参数方法估计SAR图像的统计分布,然后将此统计量作为图像分割的似然函数,利用马尔可夫上下文约束进行SAR图像分割。该文通过软件仿真对新算法和基于参数的统计模型的算法的效果进行了比较。研究发现,基于核函数的非参数估计方法仅仅依赖实际数据,在无法准确获取分布函数解析式的情况下往往具有更好的效果。实验证明,基于核函数的非参数估计方法对高分辨率SAR图像中较为复杂的场景如城区的提取取得了更为满意的结果。     

毫米波/红外成像系统中的精确极大似然误差估计算法

为精确估计毫米波雷达/红外成像复合系统中传感器的系统误差,提出了一种基于无偏转换测量的精确极大似然(UCM-EML)误差估计算法.根据极坐标系下的测量噪声建立误差估计模型,据此推导似然函数和准则函数,采用高斯-牛顿迭代法进行准则函数的优化.仿真实验结果表明,UCM-EML算法在误差估计精度和收敛速度上都优于精确极大似然估计算法和修正的精确极大似然算法.     

基于不完全分层MRF的非监督图象分割

分层马尔可夫随机场(MRF)图象模型由于层间具有因果关系,且这种因果关系符合图象的性质,使基于该模型的图象处理时间比平面MRF模型所用的时间大为减少.针对作者提出的一种新的分层马尔可夫图象模型——不完全分层模型,导出EM算法以估计模型参数.算法继承了分层模型非迭代算法运算速度快的优点,并因为模型结构的简化进一步减少了计算量,算法在模型的最上层加入了平面节点间信息的交互,以较少的计算换来了更加精确的参数估计结果.算法用于图象非监督分割的实验表明,和分层模型算法相比,其处理速度更快、由所估计的参数得到了更好或相当的分割结果,尤其适合大幅面图象的处理.     

高动态多普勒频率估计及其Cramer-Rao界

用泰勒级数展开的形式表示高动态的多普勒频率参数,推导分析了对各阶频率参数估计的最大似然估计器(MLE)及其估计误差的Cramer Rao界;描述了最大似然估计器和扩展卡尔曼滤波器(EKF) 对各阶频率参数的估计模型;并以均方根估计误差和失锁概率为性能指标,通过对同一模拟的接收机高动态轨迹的跟踪估计,比较了两种不同估计技术的基本性能。     

基于协同粒子群优化的GTD模型参数估计方法

针对雷达目标散射中心GTD(Geometric Theory of Diffraction)模型最大似然估计中存在的高维、非线性、混合参数估计问题,提出一种基于协同粒子群优化算法的参数估计方法.该方法能够同时估计得到散射中心的类型、幅度和位置参数,且对初始值不敏感,与基于RELAX的估计方法相比,不需要反复迭代估计,降低了计算复杂度.仿真实验结果表明,该算法能够较准确地估计得到GTD模型的散射中心参数.