迭代频域反卷积滤波器的多参数优化

本文首先介绍了几种成功应用于现代时域测量和计量学中的迭代频域反卷积滤波器.包括Guillaumc-Nahman(G-N)反卷积滤波器、最佳补偿反卷积滤波器和综合反卷积滤波器;着重介绍了迭代频域反卷积滤波器的多参数优化原理并进行了必要的公式推导,给出了更为合理的反卷积滤波器传输函数表达式.然后,对这些反卷积滤波器进行了计算机仿真,并给出了每种反卷积滤波器的滤波效果与设定值相比较的滤形图.最后,对这些反卷积滤波器的性能进行了评述和比较,结果表明无论是波形还是标准偏差,多参数反卷积滤波器的效果最好.     

基于卷积神经网络SAR图像仿真参数预测

为了提升我国SAR图像应用的基础支撑能力,各方均认为应该建设完备的SAR目标特性库。目前,基于电磁建模仿真构建SAR目标特性库图像的准确性依赖于地物仿真参数,仿真参数难以通过理论获取。针对这个问题提出了一种基于卷积神经网络的SAR图像最佳仿真参数预测方法。该方法将仿真获取的SAR仿真图像作为输入,建立了一个11层的卷积神经网络回归系统。因为预测的仿真参数是4维,提出了一种新的损失函数来解决多维回归中的每个维度预测的准确性问题。通过对神经网络训练时参数的误差幅值变化分析,可以看到该损失函数在4维的预测上都能取得比较好的效果;通过对真实图像和仿真图像的对比,可以看到真实图像和仿真图像具有很高的相似性,验证了该方法的有效性。     

用卷积运算实现反卷积

本文首先简介了用卷积运算实现反卷积的原理、方法和实例;其次,提出了该方法的病态问题,并给出了解决的办法;最后,给出了这种方法的估计误差及实例.     

基于Laplacian-Markov先验数据的加权光谱反卷积模型

针对由光谱仪器测得的拉曼光谱数据经常会受到随机噪声和仪器误差等的影响而导致低分辨率的问题,文中提出了一种能在恢复光谱结构的同时又能抑制光谱噪声的方法,即基于Laplacian-Markov约束的数据加权光谱反卷积模型。该模型将退化光谱中恢复真实光谱的问题转化为最大后验概率的求解问题,推导出了拉曼光谱恢复的变分模型。模型中利用Laplacian-Markov作为光谱数据的光滑性先验,提出加权光谱反卷积来恢复退化的光谱,并使用分裂Bregman迭代法求解。文中对该算法利用实验数据进行了验证,实验表明该方法既能恢复退化光谱细节又能抑制光谱噪声,并且求解速度快,有较强的实用价值。     

截断信号反卷积

提出截断信号反卷积、研究并给出了其有唯一解的充分必要条件和最小二乘法法、ＤＦＳ迭代法等几种反卷积方法及其计算机模拟结果。     

截断信号反卷积

提出截断信号反卷积，研究并给出了其有唯一解的充分必要条件和最小二乘法、ＤＦＳ迭代法等几种反卷积方法及其计算机模拟结果     

用窗口卷积实现反卷积的算法研究

本文提出了一种用窗口卷积实现反卷积的新算法,这种算法解决了用圆周卷积计算反卷积时出现的病态问题.对用圆周卷积、线性卷积和窗口卷积实现反卷积三种方法进行误差、计算量与存储空间的分析和对比.结果表明,用窗口卷积实现反卷积运算的误差、计算量和存储空间都是最小的.     

基于三维高斯模型的参数盲解卷积算法

提出了一种新的基于三维高斯点扩展函数（PSF）模型的参数盲解卷积（PBD）算法，并将此算法用于显微光学切片的图像复原。由于PBD算法需要在估计样本函数的同时估计PSF的参数，一般采用的PSF的模型较为复杂，计算量大，收敛慢；而基于三维高斯PSF模型的算法只需要估计2个参数，因此计算量大大降低了。经过实验验证，该算法能够较好地复原光学切片的图像，并且估计出PSF的参数。     

一种高分辨谱方法的建议——反卷积法

在经典高分辨光谱技术中,通常可用一窄带滤波器(例如F-P干涉仪)作光谱分析元件,当滤波器带宽ΔνT远小于待分辨光谱线宽时可直接分辨出光谱线型。它的光谱分辨率取决于滤光器的通带宽度,但是ΔνT越窄,透过的光通量越小。因此,这种方法很难用于检测弱光,尤其是带宽又窄的弱光信号。 我们提出一种新的高分辨谱方法——反卷积法。其基本思想是用一带宽和待分辨光谱带宽相近的滤波器去替代传统的窄带滤波器,然后用反卷积方法复原出光谱线型。设滤波     

信号处理中的反卷积计算

基于兄环圆卷积矩阵的逆阵仍是兄环圆卷积矩阵的原理，给出了一种采用快速离散傅里叶变换（FFT）的反卷积计算方法．对于N维圆卷积矩阵，所需复乘／除次数约为N（log2N＋1），复加次数约为2Nlog2N ■.文中还对卷积矩阵维数N=2c的反卷积计算进行了讨率。在不用FFT情况下，可将N维圆卷积矩阵求逆转变成解■，■，■…2阶线性方程组，所需乘法次数约为■．与传统算法相比，文中给出的算法，乘法次数少，计算速度快，易在实时快速信号处理中应用．     

时域分段反卷积算法

卷积和反卷积运算是信号处理中的两种重要手段，它们在频域分析中有完美的对应关系，而在时域中尚不完善．本文根据离散信号分段卷积的重叠相加法，提出了反卷积的分段算法，这为反卷积的实时处理提供了理论依据，且能用较简单设备实现这种运算。     

结合反卷积和扩张卷积的信道估计算法

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。本文针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。      

连续信号的反卷积算法

利用变换法统一理论，导出了连续信号的一种卷积反演算法。此法利用ＦＦＴ算法，使计算方便快捷，便于工程应用。     

一种MA参数矩估计新方法

本文给出了MA参数矩估计的一种新方法,该方法采用快速傅利叶变换算法实现了MA参数的快速估计,并且保证了所得结果是最小相位的和算法是收敛的,从而克服了牛顿-拉夫逊算法有时出现的不收敛迭代的缺陷,通过计算机模拟实验表明该算法是有效的.     

卷积交织参数的盲估计

通信系统中的交织技术在抗信道衰落引起的突发错误方面发挥着重要作用,能大大提高信息传输的可靠性.其中卷积交织由于能减少时延和存储量,得到了广泛应用.本文在非合作环境中针对信道编码中常用的卷积交织技术,提出了一种对交织参数进行盲估计的方法.所提方法通过构造去交织器,将截取数据流的起始位置信息转换成交织延时偏差,利用伽罗华域...     

三维反卷积显微成像技术

三维宽场反卷积显微成像技术是应用光学切片方法获取三维标本的二维图像序列,然后通过反卷积图像处理方法进行图像恢复,进而进行三维重建的一种以光学技术和图像处理技术为核心的显微成像方法。本文讲述了光学切片的基本原理,给出了反卷积处理中点扩展函数的理论模型和实验测试方法,然后对现存的反卷积算法做了对比。最后,还对这一领域的发展趋势做了预测。     

瞬变雷达数据的时域反卷积

本文提出了一种获得引导雷达目标脉冲响应的简单方法,即通过从目标的实测响应对实验系统的实测响应求反卷积来得到引导雷达目标的脉冲响应。为了提出一种完备的算法,该方案采用奇异值分解(SVD)方法并吸取了数据频域特性理论上的优点。文中表明,即使在大量随机噪声存在的情况下,准确反卷积也是可能实现的。