基于可分解的卷积核和快速傅立叶变换 FFT 的指纹图像增强算法

指纹识别系统在图像增强阶段涉及很多卷积运算,占用大量的计算时间.在不利用专门的 DSP 处理器进行指纹图像增强处理情况下,常规的卷积运算计算时间非常长.在指纹图像增强过程中,卷积运算主要集中在方向场估计和高波滤波两个阶段.为此本文提出了一种指纹图像增强算法,利用可分解的卷积核和快速傅立叶变换来替换常规的卷积运算,可减少算法的时间复杂度,快速实现指纹图像增强     

一种快速Bilateral滤波器的设计与实现

本文提出了一种Bilatral滤波器的快速算法.在算法的设计上,首先对空间邻近度函数建立一组动态掩模,代替原始耗时的逐点运算,时间降至原有时间的三分之二;再离散化亮度相似度函数,使整个Bilateral滤波器计算公式形成卷积形式;在算法的实现上,引入了快速傅立叶变换FFT进行加速,时间复杂度由卷积运算的0(N2)降至O(Nlog2N),降低了一个数量级.     

基于MATLAB的线性卷积及其快速实现方法

MATLAB中实现直接线性卷积通常调用conv()函数指令。对于线性卷积,一般直接比较麻烦。为了提高运算效率和运算工作量的目的,文章采用基于MATLAB实现线性卷积的自编函数clconv()和利用FFT和IFFT实现快速线性卷积的方法。通过实例验证及仿真结果,验证了clconv()函数的有效性,并且快速线性卷积的方法在计算出与直接线性卷积近似解的同时,运算工作量大大减少,运算速度大大提高,验证了利用FFT和IFFT实现快速线性卷积的有效性和优越性。     

基于TMS320C30实现ALV目标识别中的实时卷积处理

本文通过分析卷积运算在二值图像处理上的特点，提出了几个用于图像分割与识别的快速卷积算法，并基于ＴＭＳ３２０Ｃ３０的特性实现了这些算法．与传统的卷积运算相比，这些算法的运算量大为减少，从而有效地提高了运算速度，实现了卷积运算的实时处理．     

利用循环卷积实现的素长度ＤＣＴ快速算法

提出了一种利用循环卷积（Ｃycli convolution)和扭循环卷积（Ｓkew cyclic eonvolution)实现计算机素长离散余弦变换（ＤＣＴ）的快速新算法,算法将ＤＣＴ系数分成三部分,ＤＣ分量,偶下标分量和奇下标分量,根据数论理论,本文定义了一种新的标变换算子,利用该算子进行下标变换,将偶下标ＤＣＴ系数的计算转化为一个循环卷积,根据不同长度,奇下标ＤＣＴ系数的计算被转化为循环卷 积或扭循环卷积,利用循环卷积和扭循环卷积的高效率和规则的算法,构造具有简单,规则的结构和较低的运算复杂性和奇素长度ＤＣＴ快速算法。     

Toeplitz矩阵相乘的一种新快速算法

将Toeplitz矩阵分解为一个循环矩阵和一个下三角Toeplitz矩阵之和,以及一般卷积向循环卷积的转化,借助快速Fouier变换(FFT),导出了一种计算两个n阶Toeplitz矩阵乘积的新快速算法,其算法复杂性为2n2 63/4n log2n-15n-34次实乘运算,4n2 63/2n log2n-18n 23次实加运算,与已有的优化算法相比,在实乘次数有所降低的同时,实加次数降低了近1/3,是目前复杂性最小的一种算法.     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

一种长序列线性相关及卷积的快速算法

随着多媒体通信和数字信号处理技术的快速发展,各种信号处理的方法及相关理论不断完善,其中两种基本方法——卷积和相关得到了广泛的应用.鉴于多媒体信号的数据量很大,如果直接用以上两种方法处理,计算量将会很大.文章通过对快速傅立叶变换(FFT)的算法原理分析,根据线性相关和卷积的数学特征及物理含义,针对长序列信号,提出了一种基于FFT的长序列快速相关及卷积算法,用C++进行了算法编程,在计算机上得到较好的实验效果,提高了运行速度,并结合算术傅立叶变换进行了改进.     

基于Matlab的长序列快速小波变换实现

借助Matlab作为辅助设计工具,在Mallat算法的基础上,利用重叠保留法对长序列进行分段处理,并用圆周卷积代替小波变换中大量的线性卷积运算,有利于信号的实时处理.使用Matlab语言按算法流程编写程序,仿真结果验证了算法的正确性和有效性.     

基于Matlab的长序列快速小波变换实现

借助Matlab作为辅助设计工具,在Mallat算法的基础上,利用重叠保留法对长序列进行分段处理,并用圆周卷积代替小波变换中大量的线性卷积运算,有利于信号的实时处理。使用Matlab语言按算法流程编写程序,仿真结果验证了算法的正确性和有效性。     

Convolution wavelet packet transform and its applications to signal processing

The length of decomposition results of traditional wavelet packet transform (WPT) will decrease by half in the next level for downsampling, then the length of sequences in the last level will become very short, and this is very inconvenient for further analysis of these sequences. One kind of WPT based on convolution definition is put forward, its fast decomposition and reconstruction algorithms are given, and the outstanding characteristic of this convolution WPT is that no matter how many levels a signal is decomposed, the length of sequences got in every level will never decrease and can always keep the same as that of the original signal, so the defect of traditional WPT is overcome. For traditional WPT, to achieve the same effect of direct decomposition of convolution WPT, reconstruction operation must be done and the calculation will greatly increase. Based on the length invariance property of convolution WPT, a noise reduction algorithm is proposed, and signal processing example shows that its denoising performance is better than that of traditional WPT, and also much better than that of wavelet transform.     

一种长序列小波变换的快速实现方法

在对Mallat算法结构进行改进的同时，将长序列快速卷积算法中的重叠保留法引入Mallat算法中，提出了一种适合长序列小波变换的快速算法，给出了数学推导过程和具体实现步骤。该方法大大降低了小波变换的计算量，且并行性很好。仿真实验结果验证了算法的正确性。且运算速度较直接线性卷积实现方法有很大提高。     

基于GPU的连续卷积算法

介绍了目前最新的图形处理器（GPu）编程模型,以数字信号处理中最常用的卷积计算为例,分析了常规卷积算法的计算量和快速卷积算法的使用局限性,并在此基础上提出了基于GPU的分段卷积算法实现,通过与当前主流CPU平台进行实测对比,通过性能对比分析,探讨GPU编程技术应用在数字信号处理领域中的优势,及需要注意的主要问题。     

基于局部线性相关的信号去噪方法

针对基于整体线性逆问题的信号去噪方法会导致信号去噪不充分以及严重丢失细节的问题,提出一种建立在局部线性相关基础上的信号去噪方法。该方法以带噪声信号与原始信号局部存在线性相关性为基础,首先利用信号局部具有相同的尺度系数与偏移量,构造信号匹配模型;然后以原始信号的1-范数构造正则项;最后利用快速收缩算法求解去噪模型,使收敛速度达到二阶收敛。实验结果表明,本文方法稳定性强、鲁棒性好,在去噪的同时较好的恢复了信号的高频分量。     

一种交替变换更新层数的DBN-DNN快速训练方法

针对语音识别中DBN-DNN网络训练时间过长的问题,提出了一种DBN-DNN网络的快速训练方法。该方法从减少误差反向传播计算量的角度出发,在更新网络参数时,通过交替变换网络更新层数来实现加速。同时,也设计了逐渐减少网络全局更新频率和逐渐减少网络更新层数两种实施策略。这种训练方法可以与多种DNN加速训练算法相结合。实验结果表明,在不影响识别率的前提下,该方法独立使用或与随机数据筛选算法（Stochastic Data Sweeping, SDS）、ASGD算法等DNN加速训练算法相结合,都可以取得较为理想的加速结果。     

一种改进的FastICA ADS-B 1090ES信号分离技术

针对多点定位技术中广播式自动相关监视(ADS-B)1090ES信号脉冲交叉重叠的问题,提出一种改进的三阶收敛的牛顿迭代快速固定点(Fast ICA)算法,通过对多个ADS-B辐射源混合信号进行分离,恢复和重建原始信号,实现对目标源信号的提取。比较基本Fast ICA算法与改进Fast ICA算法的收敛速度,通过计算相似系数矩阵,分析该算法的分离性能。最后,通过仿真实验,验证了该算法的可行性和有效性,实验结果表明该算法具有较好的分离效果,收敛速度更快。     

局部统计量的快速计算算法

本文提出了在领域中计算局部统计量的一个快速算法.根据局部统计量的性质,设计卷 积算子,将该算子与图象作循环卷积以达到快速计算的目的.比较了循环卷积算予和线性卷 积算子在计算局部统计量上的异同点.本算法的最大特点在于计算速度与运算空间不随计算 窗口的变化而变化.植物染色体图象的实验表明:本算法较在时域中直接运算约快6倍.     

基于混合卷积窗和双窗法的FFT算法研究

FFT算法是信号处理中一个不可或缺的部分,也是其中需要改进的部分。设计一个精度优良的FFT算法有助于推进频谱分析的实用化进程。针对FFT改进算法的实现需求,文章采用了C语言结构设计了一个任意点数的FFT算法,分析了混合卷积窗的频谱特性,并总结了任意窗函数的幅值恢复方法。最终通过构建混合卷积窗和双窗法结合的处理方法有效提高了FFT算法的精度,仿真结果表明,与普通FFT、混合卷积窗、双窗法方法相比,基于混合卷积窗和双窗法结合的FFT算法具有更高的精度。     

基于模板分解和积分图像的快速Kirsch边缘检测

将 Kirsch 算子的模板分解为差值模板和公共模板, 然后通过相邻差值模板的差异比较, 找出边缘强度最大的方向, 并计算出相应的边缘强度值, 避免了将8个方向的边缘强度全部算出, 减少了 Kirsch 算子的模板与原图像的卷积运算. 公共模板和原图像的卷积则利用灰度信息处理时得到的积分图像来加速. 实验证明应用这种快速算法的 Kirsch 边缘检测,运算量比当前主流快速算法(FKC 算法)有较大幅度的减少. 另外, 运用模板分解和积分图像减少卷积运算的思路具有一定通用性, 实例说明此思路可用于一些其它边缘检测和空域滤波算法中.     

改进胶囊网络优化分层卷积的亚健康识别算法

针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题。实验结果表明,提出算法识别准确率高且识别时间较少。