SAR图像滤波的迭代方法

对合成孔径雷达图像迭代滤波处理的效果及其问题进行了分析，并结合统计滤波方法和小波分析方法，提出了一种基于细节补偿的MAP（BDC MAP）迭代滤波算法。实验结果表明，新的迭代滤波算法较好地解决了去噪和细节保留之间的矛盾，而且算法稳定，收敛很好。     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯－牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯-牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

基于混合迭代滤波的SAR图像相干斑抑制

该文将变窗Lee滤波与自蛇扩散结合,提出了一种抑制SAR图像相干斑噪声的混合迭代滤波新算法,并给出了SAR图像噪声方差的一种有效估计方法。该算法首先估计SAR图像局部统计参量,进而通过改进的变窗Lee滤波对SAR图像进行平滑去噪,接着利用自蛇扩散去除Lee滤波难以平滑的孤立点噪声与边缘噪声。在Lee滤波与自蛇扩散的混合迭代中,Lee滤波的窗尺度随迭代次数的增加而增大,从而在保护SAR图像边缘细节的同时,同质区得到更好平滑。实验结果表明,与已有多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

一种自适应迭代的非局部干涉相位滤波方法

干涉相位滤波是获取高精度DEM 及正射图像过程中必不可少的关键步骤。传统相位滤波方法在滤除噪声和保持相位细节方面不能很好地兼顾,尤其在相干性较差或地形变化剧烈的情况下,难以得到高质量的干涉相位。该文针对上述问题提出了一种自适应迭代的非局部干涉相位滤波方法,其基于非局部的滤波思想,利用图像的冗余信息进行滤波。该方法根据干涉相位的自身特性,实现了衰减参数的自适应,之后通过自动迭代并在迭代过程中调节窗口大小使得滤波精度进一步提高。该文通过仿真和实测数据对现存算法与该文算法进行了对比分析,验证了所提算法的有效性。      

IMM迭代扩展卡尔曼粒子滤波跟踪算法

该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。     

基于空域相关的激光陀螺信号滤波方法研究

针对传统滤波方法滤除激光陀螺随机噪声性能低的特点，提出了一种改进的空域相关滤波方法。该算法通过引入阈值系数概念，选取一个合适的阈值终止算法的迭代过程来去除残留的噪声信息。实验采用Allan方差法对滤波效果进行定量分析，结果表明基于改进的空域相关滤波方法能够减少迭代次数节约计算量，有效地减小随机误差，提高测量精度。     

基于Kalman滤波的核跟踪方法应用分析

人脸跟踪是计算机视觉领域中的一个具有重要应用价值的研究课题,其算法目前主要有两种：一是基于核的算法,是有效的统计迭代算法;二是Kahnan滤波嚣,是最优化自回归数据处理算法。本文探讨的基于Katman滤波的核跟踪方法,融合了上述两种算法的优势,更加有效地实现了人脸跟踪系统,     

一种改进的LTE下行系统信道估计算法

基于3GPP长期演进（LTE）下行链路系统,在比较了现有几种不同信道估计算法的基础上,提出了一种适用于LTE下行系统的时频二维联合维纳迭代滤波信道估计算法。具体步骤如下：首先,采用基于奇异值分解（SVD）的线性最小均方误差（LMMSE）算法在频域进行维纳迭代滤波;然后,再利用频域估计出来的值在时域进行一次维纳迭代滤波。仿真结果表明,该算法能够有效地改善信道估计的误比特率（BER）性能,与传统的方法相比,性能更加接近于理想信道估计,同时也没有显著增加算法的运算复杂度。     

基于人眼视觉特性的混合滤波算法

为了有效地滤除混合噪声,本文提出了一种基于人眼视觉特性的混合滤波算法。该方法首先采用基于人眼视觉特性的噪声敏感系数作为阈值来确定脉冲噪声点,对检测出脉冲噪声点采用自适应窗口大小的迭代中值滤波进行滤波,而对于含有高斯噪声的像素点则采用一种保护细节的改进的自适应模糊滤波器进行处理。该算法与标准滤波方法及其它改进混合滤波算法相比,具有更好的滤波性能。     

基于人眼视觉特性的自适应中值滤波算法

为了在滤除图像椒盐噪声的同时能很好地保持图像的细节,提出了一种基于人眼视觉特性(HVS)的自适应中值滤波算法.该方法首先采用基于HVS的噪声敏感系数作为阈值来确定噪声点,然后自适应调整滤波窗口大小,采用迭代中值滤波对噪声点进行滤波.该算法与标准中值(SM)滤波及其它改进中值滤波算法相比,具有更好的滤波性能.     

WCDMA系统的迭代信道估计研究

本文针对WCDMA系统非连续导频情况,研究了采用Turbo编码的迭代信道估计技术,提出了一种基于LMS算法自适应滤波的信道估计方法.对信道估计值采用不同滤波器方法:维纳滤波、滑动平均滤波、FIR滤波、LMS自适应滤波的性能进行了比较,同时采用基于代价函数的方法对迭代信道估计进行了分析.理论分析和仿真结果表明对迭代信道估计所得信道估计值进行滤波的方法能够提高信道估计的精度,从而降低接收机的误比特率.     

太赫兹通信中高速数字信号处理并行化算法

利用矩阵将数字信号处理算法采用并行化方式表示,然后利用矩阵张量积的思想,推导出以张量积表示的两级迭代并行滤波算法。在此基础上进一步分解得到多级迭代的并行滤波算法,并且采用多相分解的方式进一步提高系统应用中的并行化率。利用上述算法对码率为5 Gbps的16QAM信号进行32路并行化处理的MATLAB乘加级仿真,仿真结果与串行算法得到的数据等效,最终得到与理想误码率对比的系统误码率,仿真结果与理论误码率误差小于0.05 dB。     

一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波(QMC-GPF)算法(SQMC-GPF),以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题.该算法中,在连续的迭代滤波过程开始之前,首先利用QMC采样产生单位拟高斯分布粒子集,然后用其线性变换产生GPF算法中需要的高斯分布粒子集,省去了重新进行QMC采样步骤.该算法简化了新粒子集的产生过程,减少了运算量和滤波时间,增强了算法的实时性.将粒子滤波算法(PF)、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型(UNGM)和二维纯角度跟踪模型(BOT)的仿真结果表明,SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近,但有更为明显的速度优势,具有重要的实际应用价值.     

一种基于最大似然概率准则的迭代DDF算法

随着定位跟踪技术的不断发展,非线性滤波逐渐成为研究的重点和实现非线性定位跟踪的关键.DDF 算法是一种基于 stirling 内插公式的非线性插值滤波算法,在系统的可观测度较低且测量误差通常较大时,其跟踪滤波的收敛速度、精度和稳定性都不高.在推导了最大似然概率迭代策略的基础上,提出基于最大似然准则的 IDDF 滤波算法.该方法迭代过程以似然概率增加为准则,改善了跟踪滤波精度和收敛速度.仿真实验表明,与 EKF 和 DDF 相比,IDDF 具有更高的估计精度和更快的收敛速度.     

一种有源滤波器的电流检测算法

有源滤波器能够实现良好滤波效果的关键在于可以准确实时地补偿谐波电流,这一点在很大程度上主要依赖于电流检测算法。文中在滑窗迭代离散时间傅立叶变换（DFT）算法的基础上,提出了基于自适应有限脉冲响应（FIR）预测算法和滑窗迭代离散时间傅立叶变换（DFT）算法相结合的电流检测算法,进行了Matlab的仿真实验,从采样时间离散程度、电网滤波效果以及系统稳定性等方面与基于滑窗迭代的离散时间傅立叶变换（DFT）算法相比较,验证了新算法的可行性与有效性。     

基于迭代中心差分卡尔曼滤波的说话人跟踪方法

利用状态空间方法对说话人进行语音跟踪时,观测方程的非线性会影响说话人位置的估计精度。该文将迭代滤波理论与中心差分卡尔曼滤波技术相结合,提出迭代的中心差分卡尔曼滤波方法,并应用于说话人跟踪系统。仿真实验结果表明,该文所提出的方法减少了系统线性化误差,增强了滤波算法的鲁棒性,提高了说话人跟踪精度。     

基于Kalman滤波的水声混合双向迭代信道均衡算法

水声信道均衡中基于信道估计的均衡方法理论上具有更优的均衡性能,但较高的计算复杂度限制了算法的实际应用。针对这一问题,该文首先基于Kalman滤波和Turbo均衡提出一种迭代Kalman均衡器,实现了基于软符号的迭代信道估计与迭代Kalman均衡,且复杂度较常规方法降低约1个数量级。其次,针对单一均衡算法和单一方向Turbo均衡器存在的误差传递现象,设计了基于迭代Kalman均衡器与改进成比例归一化LMS (IPNLMS)自适应均衡器相结合的混合双向Turbo均衡器,提高了自适应均衡器的收敛速度和均衡性能,并通过双向均衡结构带来的增益改善了符号估计误差传递的现象。理论分析与仿真实验验证了该文算法的有效性。     

基于迭代均值漂移滤波图像分割新算法

图像分割技术在系统计算机视觉领域一直扮演着重要的角色.针对传统的图像分割迭代算法由于过分重视图像分割的精确度,造成算法复杂度大大的增加.为了解决该问题,提出了一种全新的基于迭代均值漂移滤波图像分割方法.算法采用了熵作为停止准则,并使用均值移动跟踪滤波来给出递归实时的分割过程.仿真实验结果表明,提出的迭代均值漂移滤波图像分割能快速的有效的分割图像,不仅可以得到了比较高的分割精度,还大大减少了计算量,一定程度上能够改善图片分割的效率和质量.