一种空时分组码信道估计联合符号检测算法

无线信道的时间选择性衰落主要由多谱勒频移和载频的偏移引起,文中时变信道模型采用Jakes模型,信道估计采用Kalman递推算法.信道估计联合符号检测算法包含解码器和信道估计算法两个部分.文中提出一种基于矩阵UR分解的解码器改进了信道估计联合符号检测算法,计算机仿真结果表明提出的方案表现出了更好的性能.     

基于粒子群算法的电路测试集优化

研究电路测试集的优化,提出基于粒子群算法的电路测试集的静态压缩方法.粒子群向最优解方向演绎,利用适应度函数来评价各粒子的优劣.实验电路的验证结果表明,同时适用于时序电路和组合电路,与基于遗传算法的电路测试集优化相比,该算法能够更大限度地优化测试集,需要更少的存储空间.     

适于图象平滑的多刻度广义形态滤波器

基于数学形态学的基本变换，采用多结构元素，构造了一类多刻度广义形态滤波器，并证明了滤波器具有递增性、害虫等性和阈值叠加性等重要性质，计算机仿真结果证实了这类滤波器不仅可以有铲地抑制图象中的噪声，而且能较好地保持图的几何结构特征。     

A Morphological Bandpass Filter for Signal Decomposition

In this paper,the grayscale morphological opening operator in mathematicalmorphology is used to define a morphological bandpass filter,and its some properties ofthe filter are examined in detail,and a morphological shape decomposition algorithm isconstructed on the basis of this filter.It is testified that the morphological bandpass filter obeys a threshold-sum superposition law and It is implemented parallelly by means ofbinary morphological operators.     

基于时段的间歇过程统计建模、在线监测及质量预报

首先针对基于多元统计技术的间歇过程统计建模、在线监测、故障诊断及质量预测等热点问题进行了论述, 回顾了各类方法的发展, 并分析了各自的优缺点. 接下来重点针对间歇工业过程多时段及时段过渡特性, 详细介绍了基于时段的统计分析策略, 分析了各时段的潜在过程行为及其对产品质量的影响与作用关系, 探讨了该思想方法的本质依据, 揭示了其研究价值和重要意义. 最后从解决实际问题的角度出发, 发掘了其存在的潜在问题及今后的研究前景与发展空间. 基于时段的间歇过程多元统计分析是一个既有理论意义又有较高实际应用价值的研究课题, 必将有利于后续的过程监测、故障诊断及质量改进.     

基于MDL准则的MUSIC信号频率估计算法

在正弦信号频率估计方法中,高分辨率谱估计的MUSIC算法利用信号子空间和噪声子空间的正交性进行信号频率的估计,可以得到很高的测频精度.但是信号源数的选择将会影响此方法的有效性.本文研究了基于最小描述长度(MDL)准则的MUSIC算法,信号子空间和噪声子空间的估计以及信号源数的确定同时进行,解决了MUSIC算法中信号源数对估计结果的影响.仿真结果表明利用该方法可准确地估计多个正弦信号的频率值.     

基于PGDS的快速运动估计算法

为了提高块匹配运动估计算法的搜索速度与精度,提出一种鲁棒的基于空间预测和梯度下降法的菱形-方形快速匹配算法(PGDS);该算法主要思想是判断当前块的运动是否与相邻块相关,若相关,则求出预测矢量,然后以预测值为中心,运用高精度的SD-SP模板进行搜索;若不相关,则采用基于梯度下降法的菱形-方形搜索算法(GDS)从中心点开始搜索;实验结果表明,该算法与TSS,DS算法相比,搜索速度与精度都有明显的提高,且鲁棒性较强。     

一种用于图象恢复的数据融合算法研究

近年来多传感器数据融合技术在图象处理领域得到了广泛的重视和应用。鉴于来自同一景物的多幅变形图象,其来源不同,每幅图象都带有不同的噪声,针对这种图象的恢复提出了一种基于自组织特征映射神经网络的图象融合算法。该算法可分为3步,第1步是图象的预处理阶段,即对图象进行加权中值滤波,去除部分噪声;第2步利用自组织神经网络对每幅图象的象素进行聚类分析;第3步,对第2步得到的结果按照一定规则进行融合。仿真结果表明,该算法能明显提高图象质量。     

基于在线特征选择的实时多姿态人脸跟踪

This paper presents a system that is able to reliably track multiple faces under varying poses(tilted and rotated)in real time.The system consists of two interactive modules.The first module performs the detection of the face that is subject to rotation. The second module carries out online learning-based face tracking.A mechanism that switches between the two modules is embedded into the system to automatically decide the best strategy for reliable tracking.The mechanism enables a smooth transit between the detection and tracking modules when one of them gives either nil or unreliable results.Extensive experiments demonstrate that the system can reliably carry out real time tracking of multiple faces in a complex background under different conditions such as out-of-plane rotation,tilting,fast nonlinear motion,partial occlusion,large scale changes,and camera motion.Moreover,it runs at a high speed of 10～12 frames per second(fps)for an image of 320×240.     

基于多个颜色分布模型的Camshift跟踪算法

视角变化往往会引起目标外观特征的变化, 传统的基于单一颜色直方图模型的 Camshift 跟踪算法往往不能适应这种变化. 为此, 本文从提高模型描述能力入手, 提出利用目标外观的先验知识, 为目标建立多个颜色模型, 在此基础上设计目标函数, 通过对目标函数的优化, 实时地为每帧跟踪从多个模型的凸组合中选取最优模型. 另外, 在对 Camshift 算法深入研究的过程中, 发现了概率图平均亮度和图像块颜色分布之间的一种定量关系, 这种关系为进一步理解多模型算法的工作机理提供了帮助. 头部跟踪的实验结果表明, 与单一固定模型以及自适应单模型算法相比, 多模型 Camshift 算法对目标外观的快速变化适应性很强, 而且计算代价不大.