混合高斯概率密度模型参数的期望最大化估计

混合高斯模型是对非高斯数据进行概率密度拟合典型模型,其参数估计可以通过期望最大化(EM)迭代算法获得。多维混合高斯模型参数的EM估计因结构庞杂而难以求解,而对主动检测背景的统计特性拟合来说,一维的混合高斯模型一般即已足够。描述了该情形下的混合高斯模型及其参数估计问题之后,导出了一种工程实用的、简化的EM迭代算法,并给出了可计算机编程实现的算法流程图。然后详细探讨了对EM估计精度与速度有着重要影响的参数初始化问题,给出了三种可选择的初值设置方案:高速度方案、高精度方案和二者的折衷方案,并分析了它们各自的适用场合。最后,结合一组数值仿真实例,演示了EM迭代算法的良好的混合高斯模型参数估计性能。     

Chirp信号参数估计算法性能比较

通过数值仿真定量地比较了三种Chirp信号参数估计算法——解线调法、迭代估计法和局部搜索最大似然法的性能，并定性地比较了算法的运算量。仿真结果表明，在三种算法中，局部搜索最大似然法的估计性能最好，而运算量居中；解线调法运算量最大，但估计性能居中；迭代估计法的估计性能最差，但运算量最小。对于实际系统，应根据不同的估计精度和运算量要求，灵活选择不同的算法。综合考虑估计性能和运算量之间的折衷可以得到结论，在三种算法中局部搜索最大似然法是一种相对较好的选择。     

基于循环最大期望修正算法的与文本无关话者识别研究

话者识别中目标模型的最大期望算法存在着出现奇异阵的重大缺陷,而最大似然估计虽然不会出现奇异阵,但识别率比较低。提出了一种循环最大期望修正算法,采用最大似然估计所得模型为初始模型,然后用最大期望算法中每步的模型,通过α值控制修正比例对其进行修正。实验结果表明,该修正算法较好地克服了奇异阵的出现,同时提高了识别率。     

基于DSP的主动视觉运动目标跟踪策略及实现

设计了一种基于TMS320DM642的单目主动视觉运动目标自动跟踪系统,该系统采用了一种期望极大化(Expectation Maximization,EM)自适应窗口的运动目标跟踪方法.本方法以考虑了像素空间位置信息的混合高斯模型建立目标的灰度特征模板,然后通过EM算法迭代估计出使每帧似然函数最大化的分布参数值,这些参数不但可确定出跟踪目标在图像序列中的位置和形状尺寸,而且为单目摄像机的自动变焦和基于分区逻辑的摇摆运动提供了控制信息.实验表明:系统可以自动而稳定地跟踪具有复杂运动状态的目标,对320pixelsx240pixels的图像可实现平均约20 frame/s的跟踪速度.     

混响的混合高斯概率密度建模

混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化,并给出模型自动定阶方法,从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明:应用新算法能从混响接收数据中准确拟合其概率密度曲线,并且能适应不同的数据长度,具有很好的通用性。     

非理想信道估计条件下OFDM系统的最大似然检测算法

基于最大似然的准则,研究了理想信道估计条件下和非理想信道估条件下OFDM系统的最优检测算法。研究结果表明,当发送信号为PSK调制方式时,无论是理想信道估计还是非理想信道估计,最大似然检测算法与传统的迫零检测算法等价。但当信道估计非理想且发送信号的调制方式为16QAM或高阶QAM时,采用最大似然检测算法才能够获得更好的性能。     

基于硬判决的BICM-ID系统的迭代载波相位同步算法

在基于迭代译码的比特交织编码调制(BICM-ID)系统中,提出了一种利用译码产生的硬判决信息作引导的迭代载波相位同步的算法.该算法等效于期望最大化(EM)算法,收敛于最大似然(ML)估计,利用Viterbi译码过程中产生的数据比特硬判决信息,通过迭代地在同步和解码之间交换信息来完成联合解码和载波相位同步,实现了联合解码同步.仿真结果验证了该算法的有效性.在相偏θ∈[-20°,20°]时,其误码率性能最佳;在迭代次数达到5次时,误码率性能基本接近理想同步性能,较传统的相位同步算法具有更优的性能.随着信噪比的增大,能更快地逼近理想同步性能.     

基于EM算法和模态形式的状态空间模型自降阶工作模态分析

工作模态分析具有试验简单、经济可行等优点,在工程实际中有广泛的应用。在基于状态空间模型的模态分析中,模型阶次的确定是获得准确和稳定的模态参数的关键问题之一。该文结合期望最大(EM)算法和模态形式状态空间模型来实现模型自降阶和模态参数估计。将状态空间模型变换到模态形式,使待估计参数量得到精简的同时,可直接估计各阶模态响应。引入表征各阶模态响应在实际响应中占比的模态贡献作为模型降阶的指标,在EM求解模型极大似然估计时实现模型降阶。同时结合频谱图分析和阻尼比阈值剔除虚假模态,以获得实际的结构模态信息。通过数值结构模拟和现场结构实测的数据分析,结果表明该文方法具有较好的适用性和有效性。     

V-BLAST MIMO-OFDM系统的一种迭代信道估计方案

研究了频率选择性衰落信道条件下Turbo编码V-BLAST MIMO-OFDM系统的信道估计方法,提出了V-BLAST MIMO-OFDM系统的一种新的迭代信道估计方案。该方案首先利用发送的正交导频序列得到导频处的初始信道估计,然后利用导频符号辅助方法对信道进行内插,得到数据处的初始信道估计,经Turbo迭代纠错译码后,将得到的信息位和校验位软值信息反馈给信道估计器,并利用期望最大化(EM)迭代信道估计方法对信道进行更新。仿真结果表明,随着迭代次数的增加,系统的信道估计性能显著提高。     

基于修正EM的高效MIMO-OFDM系统MAP信道估计算法

针对MIMO-OFDM系统的基于期望最大化(EM)的最大后验(MAP)信道估计算法带来的误差地板(EF)现象及较低的数据传输效率,提出了一种基于修正EM的高效的MAP信道估计算法.该算法首先引入一种更精确的系统模型来改善基于EM的MAP估计算法在高信噪比下的EF现象,其次利用多个正交频分复用(OFDM)符号进行联合信道...     

混合高斯参数估计的动态簇算法

混合高斯概率密度模型可以很好地拟合非高斯样本的概率密度。在各高斯分量概率密度互不重叠的条件下,使用动态簇算法可以快速而精确地估计出混合高斯概率密度模型参数。这是一种基于最小均方差原则的递推算法,在正向推导出各种可能的簇边界后,再根据确定的最末边界值逆向推定各前导簇边界,从而得到混合高斯概率密度模型参数估计值。描述模型及参数估计问题之后,动态簇算法被推导出来。然后深入探讨了该算法的实质及适用条件。最后结合数值仿真实例,分析了动态簇算法的估计性能。     

Iterative linear minimum mean-square-error image restoration from partially known blur

We address the problem of space-invariant image restoration when the blurring operator is not known exactly, a situation that arises regularly in practice. To account for this uncertainty, we model the point-spread function as the sum of a known deterministic component and an unknown random one. Such an approach has been studied before, but the problem of estimating the parameters of the restoration filter to our knowledge has not been addressed systematically. We propose an approach based on a Gaussian statistical assumption and derive an iterative, expectation-maximization algorithm that simultaneously restores the image and estimates the required filter parameters. We obtain two versions of the algorithm based on two different models for the statistics of the image. The computations are performed in the discrete Fourier transform domain; thus they are computationally efficient even for large images. We examine the convergence properties of the resulting estimators and evaluate their performance experimentally.     

线性调频信号检测的快速调频变换算法

线性调频（LFM）信号是雷达和声呐系统中常用的宽带信号。介绍了一种快速调频变换算法，用于线性调频信号的检测。首先对该方法进行了详细的推导和讨论，讨论了该快速算法中使用到的部分傅立叶变换快速算法，并研究了快速调频变换算法的计算量。最后，实验表明了快速调频变换算法有良好的信号检测性能。     

一种恒虚警线谱检测算法研究

提出基于高低分辨率功率谱匹配度估计的线谱检测算法,该算法对信号分别进行高分辨率功率谱估计和多段低分辨率功率谱估计,然后以高分辨率功率谱估计为模板,用多段低分辨率功率谱估计进行校验的方式进行线谱检测。基于单频信号加高斯白噪声假设条件,理论上导出该检测方法的检测率和虚警率,并进行了仿真验证。与传统的线谱检测方法相比,该线谱检测算法不需要预知噪声功率谱,且具有恒虚警的特点。在车辆目标远距离声学检测应用中,该检测算法具有较好的检测性能。     

有限混合体模型上的自动模型选择:一种崭新的数据建模方式

在数据建模和分析中,有限混合体模型被广泛地使用着。然而,如何仅仅针对一组来自于某个有限混合体模型的数据选择出分量或聚类的个数则依然是一个非常困难的问题。由于分量个数是混合体模型的规模度量,其选择问题被称为有限混合体的模型选择问题。最近,针对有限混合体模型,特别是高斯混合模型,一种自动模型选择学习机制逐步发展成熟起来。这种新的机制能够在学习参数的过程中自动地完成模型选择,为数据的建模与分析提供了一种新的思路与途径。本文将对于高斯混合模型或一般有限混合体模型的自动模型选择学习算法及其典型应用进行综述与总结。首先,我们综述了基于贝叶斯阴阳机和谐学习原则的自动模型选择学习算法。然后,我们描述了另一种基于熵惩罚的自动模型选择学习算法。最后,我们给出了自动模型选择学习算法的一些典型的应用。     

判决引导和常数模融合盲均衡算法研究

结合判决引导（DD：Decision-Directed）算法和常数模算法（CMA：Constant Modulus Algorithm）的各自优点,研究了一种基于DD和CMA的融合盲均衡算法。DD算法收敛速度快,但要求初始接收信号眼图张开,CMA算法稳健,但是收敛速度慢,为此,对接收信号依DD算法和CMA算法获得瞬时误差后进行加权融合处理,以加权后获得的瞬时误差对均衡器权系数进行调节,实现均衡。计算机仿真证明了融合盲均衡算法有效提高收敛速度的同时具有良好的稳健性和均衡性能。     

Three-dimensional reconstruction of the statistics of heterogeneous objects from a collection of one projection image of each object

An estimation problem for statistical reconstruction of heterogeneous three-dimensional objects from two-dimensional tomographic data (single-particle cryoelectron microscope images) is posed as the problem of estimating class probabilities, means, and covariances for a Gaussian mixture where both the mean and covariance are stochastically structured. Both discrete (i.e., classes) and continuous heterogeneity is included. A maximum likelihood solution computed by a generalized expectation-maximization algorithm is presented and demonstrated on experimental images of Flock House Virus.     

Application of independent component analysis with mixture density model to localize brain alpha activity in fMRI and EEG

Independent component analysis (ICA) is an approach to solve the blind source separation problem. In the original and extended versions of ICA, nonlinearity functions are fixed to have specific density forms such as super‐Gaussian or sub‐Gaussian, thereby limiting their performance when sources with different classes of densities are mixed in multichannel data. In this article, we have incorporated a mixture density model such that no assumption about source density would be required. We show that this leads to better source separation due to increased flexibility in handling source‐ densities with flexible parametric nonlinearity. The algorithm was validated through simulation studies and its performance was compared to other versions of ICA. The modified mixture density ICA was then applied to functional magnetic resonance imaging (fMRI) and electroencephalography (EEG) data to localize independent sources of alpha activity in the human brain. A good spatial correlation was found in the spatial distribution of alpha sources derived independently from fMRI and EEG, suggesting that spontaneous alpha rhythm can be imaged by fMRI using ICA without concurrent acquisition of EEG. © 2004 Wiley Periodicals, Inc. Int J Imaging Syst Technol 14, 170–180, 2004; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/ima.20021     

基于形态学算子的睫毛干扰抑制算法

针对虹膜识别中的睫毛干扰抑制问题,本文提出了一种基于形态学算子的睫毛干扰抑制算法.该算法将虹膜图像中的睫毛对象看作是背景图像中存在的随机的,不规则的细微裂缝,通过膨胀算子对这些裂缝进行像素填补,实现了对睫毛干扰的有效抑制.与常见的高斯滤波法相比,所提算法具有更强的睫毛干扰抑制能力.通过CASIA虹膜库的仿真实验表明,所提算法比高斯滤波法消除的睫毛像素点要多40%,可以使Daugman和Wildes定位算法的定位精度分别提高1.7%和2%,定位时间分别减少27.9%和24.2%.