采用过采样技术的Infomax盲源分离算法

针对混合平稳信号的盲分离问题,提出了一种基于过采样技术的新盲源分离算法。对接收混合信号进行过采样,使接收平稳信号具有循环平稳特性。根据信息最大化算法,以输出信号的熵作为目标函数,将信号的循环相关函数和循环频率应用到分离矩阵的寻优中,实现信号的盲分离。仿真结果表明,该算法比传统的Infomax盲分离算法收敛速度快,收敛精度高。     

一种采用径向基神经网络的盲源分离算法

针对传统盲源分离算法的计算复杂问题,提出一种基于径向基(RBF)神经网络盲源分离算法,用K均值聚类算法对中心值和宽度值进行确定,用最大熵为代价函数来确定权值,所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离.仿真中,用于对线性混合信号进行盲源分离,并与最大熵(ME)算法进行比较.结果表明,盲源分离算法能减少分离时间和提高分离效率,并且能大大降低计算量,比ME算法更好.     

基于反馈神经网络的图像盲分离

介绍基于神经网络的盲源分离算法的原理和结构,针对基于最小互信息后馈神经网络,建立了新的盲源分离算法,比起简单的独立分量分析,该算法可以更有效地对混合图像进行分离,计算机仿真实验验证了该算法的优良性能.     

基于复杂性寻踪的非独立图像盲分离

复杂性寻踪是近期发展起来的一种结合非高斯性和时间相关的投影寻踪方法,目的是在多元数据中找到一个投影方向,使得数据在该方向上的投影具有最令人感兴趣的结构。它是投影寻踪方法在时间序列应用上的扩展,相似于依赖时间的信号源盲分离和独立分离分析。由相互独立的图像混合而成的混合图像的盲分离技术已经相当成熟,但对非独立混合的图像的盲分离仍然是个难题。从时间序列的复杂性寻踪出发,推导出一个复杂性寻踪的定点算法。该算法是经典的快速独立分量分析算法（FastICA）的扩展,继承了FastICA的优点,简单易行,不需要用户选择学习率,并且算法具有快速稳定收敛的性质。该算法应用到非独立图像的混合图像的盲分离时,取得了较好的分离结果。     

基于双层反卷积的宽场荧光显微图像盲复原*

针对宽场荧光显微图像盲复原中的不适定性和细节模糊问题,提出了基于双层反卷积的宽场荧光显微图像盲复原算法,该算法通过双层反卷积,结合图像金字塔,实现了由粗略到细致的图像复原。为抑制不适定性,外层反卷积采用全变分模型,对复原图像和光学传递函数进行正则化约束。在内层反卷积中,通过残差图像进一步复原出图像细节。实验结果表明,该算法能在有效抑制伪影和噪声的同时,复原出宽场荧光显微图像的细节。与近几年图像盲复原算法相比,该算法所需的计算时间短,复原出的宽场荧光显微图像不仅有更好的视觉效果,而且客观上有较高的峰值信噪比和图像熵。     

基于自适应学习率独立分量分析的图像盲分离

以独立分量分析(ICA)技术作为主要研究对象,对基于独立分量分析的定点算法进行了详细的分析和推理。传统定点算法具有结构简单、运算速度快的特点,但是在图像盲分离中数据有时不能完全满足独立性假设,因此在有些情况下,该算法是否收敛仍具有不确定性。由此,提出了一种能够自适应调整学习率的改进定点图像盲分离方法。将该方法用于混合图像的分离中,较传统方法而言,有收敛速度更快、鲁棒性更强、对数据相关性要求相对较低的优点。计算估计图像的峰值信噪比可知,分离效果是十分有效的。可见,该算法是一种新的、快速有效的图像分离方法。     

一种基于后非线性盲分离的图像解混技术研究

文中将一种后非线性盲分离算法应用于图像解混,该算法不需要额外的附加源信号信息,实现了非线性混合图像的全盲分离.首先,对后非线性混合模型进行微分变换,形成如同线性瞬时混合模型的形式,经论证源信号的微分形式仍保留了源信号的统计特性,达到简化的目的;其次,依据信号的相关特性来建立相应的目标函数及其递推方式,实现盲信号分离目的;最后,通过仿真试验来验证文中算法的有效性、可行性.实验证明,所采用的算法计算量小、收敛速度快、分离指标高,实现了混合图像的全盲分离,扩大了盲分离算法在图像解混技术中的应用范围及影响.     

基于图像单调特性的盲源分离算法*

针对日常生活中两幅图像会出现混叠的情况,根据数字化图像灰度值范围有界特性和一般信号盲源分离的方法,提出了一种利用分离比值函数单调特性达到图像盲分离目的的新算法。新算法根据接收端的观察信号确定信号之间的比值函数,通过函数的单调性分析找到分离矩阵的关键值,从而实现图像的盲源分离。本算法无须先验知识,没有统计相关性的约束条件,而且分离速度快、效果明显,实验仿真结果验证了算法的有效性。     

基于纹理特征和分形调制的盲水印算法

为了解决水印盲检测中的水印定位问题,提出了一种在小波变换域中基于图像纹理特征和分形调制的盲水印算法.以熵值和方差等特征值作为划分图像块类型的依据,从中选择适当的区域嵌入水印.水印序列采用通过分形调制产生的分形序列.检测算法无需原始图像,只需要保留块嵌入位置作为密钥.实验结果证明,该算法具有很好的鲁棒性和不可见性.     

基于curvelet变换和独立分量分析的含噪盲源分离

独立分量分析（ICA）是基于信号高阶统计量的盲源分离方法,在高阶统计量方法中,由于高斯信号的高阶累计量为零,所以系统存在加性高斯噪声时就难以处理。提出了一种基于curvelet阈值去噪和FastICA算法的含噪信号盲分离的方法,并对高斯噪声环境下的混合图像进行了盲分离的仿真。结果表明,该方法能很好地解决由于存在加性高斯噪声而导致经典ICA算法性能发生严重恶化的问题;同时将curvelet变换去噪应用于含噪图像的盲源分离中,可以提高混合图像的信噪比,相对于小波去噪后的ICA算法,其分离性能有很大改善。     

Minimum entropy filtering for multivariate stochastic systems with non-Gaussian noises

In this note, a minimum entropy filtering algorithm is presented for a class of multivariate dynamic stochastic systems, which are represented by a set of time-varying difference equations and are subjected to the multivariate non-Gaussian stochastic inputs. Several new concepts including the hybrid random vector, hybrid probability and hybrid entropy are firstly established to describe the probabilistic property of the estimation errors. New relationships are provided between the probability density functions (PDFs) of the multivariate stochastic input and output for different mapping cases. Recursive algorithms are then proposed to design the real-time sub-optimal filter so that the hybrid entropy of the estimation error can be minimized. Finally, an improved algorithm is provided through the on-line tuning of the weighting matrices so as to guarantee the local stability of the error system.     

面向小目标图像的快速核密度估计图像阈值分割算法

针对当前小目标图像阈值分割研究工作面临的难题,提出了快速核密 度估计图像阈值分割新方法.首先给出了基于加权核密度估计器的概率计算模 型,通过引入二阶Renyi熵作为阈值选取准则,提出了基于核密度估计的图像阈 值分割算法 (Kernel density estimator based image thresholding algorithm, KDET), 然后通过引入快速压缩集密度估计 (Fast reduced set density estimator, FRSDE)技术,得到核密度估计的 稀疏权系数表示形式,提出快速核密度估计图像阈值分割算法fastKDET,并从 理论上对相关性质进行了深入探讨.实验表明,本文算法对小目标图像 阈值分割问题具有更广泛的适应性,并且对参数变化不敏感.     

一种新的估计不可导概率密度函数的仿真算法

提出了一种新的有效的仿真算法来实现一系列观察样本的概率密度函数(PDF)的估计,尤其算法可以识别PDF的不可导点,并且修正其邻域的误差.算法在信息熵估计、独立性分析、盲信号处理等领域有广泛用途.算法包括5个步骤:经验累积分布函数(ECDF)计算,ECDF重采样,ECDF平滑滤波,不可导点修正和PDF计算.其中,使用了一种叫做"三点重心法"的新算法来完成第三步平滑滤波,还使用了一种新识别算法、3个识别规则和一种新的修正算法完成第四步修正.算法不仅突破了以往方法难以实现的不可导PDF估计,而且使估计误差大为降低.最后计算机仿真证明了算法的有效性和实用性.     

基于最大熵和互信息最大化的特征点配准算法

点配准问题在机器视觉、医学图像等领域，有着非常重要的应用基础．通过在最大化熵原理的基础上，将互信息相似性测度引入到点配准算法中，提出了一种新的快速、准确的健壮性的点配准算法．首先建立起表示两个特征点集之间匹配对应关系的联合概率分布匹配矩阵，通过最大化熵和互信息最大化，建立起一个包含匹配矩阵和空间变换参数的新的能量函数，通过确定性退火算法，可以获得最优的匹配矩阵和空间变换参数，从而解决点的对应性问题和出界点(outliers)确定．实验结果表明，算法具有较强的鲁棒性，具有较高的配准精度和较快的计算速度．     

基于最大熵原理的Web服务QoS概率分布获取

为了进行服务风险管理,需要了解服务质量（QoS）的随机特性,而描述QoS随机特性的一种有效手段是获得其准确的概率分布。为此,提出了一种基于最大熵原理在小样本情况下获取Web服务QoS概率分布的方法。方法采用最大熵原理将小样本情况下QoS概率分布获取的问题规约为一个由已知QoS数据确定约束条件的最优化问题进行求解,获得QoS概率密度函数的解析式,然后设计了对该概率密度函数解析式参数进行估计的算法。最后,以实际的Web服务QoS数据为基础,通过实验验证了该方法对不同QoS分布获取时的有效性和合理性,并验证了分布获取算法的效率和终止性。     

基于最大类间后验交叉熵的阈值化分割算法

从目标和背景的类间差异性出发,提出了一种基于最大类间交叉熵准则的阈值化分割新算法。该算法假设目标和背景象素的条件分布服从正态分布,利用贝叶斯公式估计象素属于目标和背景两类区域的后验概率,再搜索这两类区域后验概率之间的最大交叉熵。比较了新算法与基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能。     

非高斯噪声下输出残差或状态估计误差的熵研究

基于非Gaussian噪声线性定常控制系统,通过控制滤波器输出残差或状态估计误差的条件概率密度函数形状来建立有效的滤波设计算法,创建滤波器输出残差或状态估计误差的条件概率密度函数的统一表现形式。利用复合概率密度函数的关系对残差或状态估计误差的条件概率密度函数的近似来实现非高斯残差的高斯化或相应的熵最小化。     

无线传感器网络中声震信号的特征提取算法

面向无线传感器网络在地面目标声震信号识别方面的应用需求,提出基于局域判别基(Local Discriminant Bases,LDB)算法的特征提取方法.并且,针对现有的基于时频能量图的可分性测度的缺点,提出新的基于概率密度估计的相对微分熵的可分性测度.基于实地采集到的信号的仿真实验表明,该方法在一定程度上提高了目标的正确识别率,降低了特征维数,具有实际的应用价值.     

基于最大类间后验交叉熵的阈值比分割算法

从目标和背景的类间差异性出发,提出了一种基于最大类间交叉熵准则的阈值化分割新算法,算法阈设目标的背景象素的条件分布服从正态分布,利用贝叶期公式估计象素属于目标和背景两类区域的后验概率,再搜索这两为区域后验概率之间的最大交叉熵。比较了新算法一基于最小交叉熵以及基于传统香农熵的阈值化算法的分割性能。     

基于SVM的概率密度估计及分布估计算法

在最大熵分布估计算法中,根据Jaynes原理来建立分布估计算法中的概率密度。基于SVM的概率密度估计则是根据概率密度的定义,由核函数构造一个包含未知参数的概率密度函数。它根据样本点建立这个概率密度的数学规划模型,并用不敏感损失函数的支持向量机方法来求解这个模型。对得到的概率密度进行仿真测试,最后将得到的密度应用到分布估计算法中。