双向中继系统中断概率下界优化及分集增益

主要研究了瑞利衰落信道下基于放大转发策略的双向中继系统的中断性能及分集性能。首先利用信源节点信噪比间的关系和调和不等式对信噪比的范围进行优化,得到新的中断概率下界,仿真结果表明Monte Carlo仿真得到的中断概率接近新得到的中断概率下界;同时证明了多中继存在时,基于最大最小互信息准则的双向中继系统仍然取得全分集增益且能够优化中断概率下界。     

一种基于MI-Simba算法的香烟烟雾识别方法*

香烟烟雾对环境条件敏感以及多特征间存在冗余,都导致无法在视频监控中准确进行烟雾识别,因此提出一种高维互信息与Simba特征加权相结合的算法(MI-Simba).首先采用视频特征提取方法获取烟雾统计度量特征、颜色布局特征和动态特征,构建初始特征向量;然后利用MI-Simba算法进行自动更新,构建该环境下最优特征组合;最后采用直推式支持向量机进行分类识别.针对室内和楼宇内场景,自建封闭空间吸烟视频数据集,采用5倍交叉策略进行比较验证,实验结果验证该算法在识别率和灵敏度两方面的有效性和优越性.     

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

一种基于类haar小波的MCTF视频编码方案

在传统的基于运动补偿的时间滤波小波视频编码方案中,帧组尺寸和低通帧位置都是固定的,没有考虑到视频序列中运动的性质.本文提出了一种类似haar小波的基于运动补偿的时间滤波编码方案,利用互信息技术,根据视频的运动特征自适应的选择帧组尺寸和低通帧位置.同时,根据选定的帧组尺寸和低通帧位置决定时间上的编码层次.大量的实验比较了提出的方法和传统方法的压缩性能.当视频序列运动较为剧烈时,本文提出的自适应选择低通帧方法较固定低通帧方法的PSNR提高约0.3~0.5dB;当视频序列中运动缓急不一,如频繁的画面切换,本文提出的自适应的选择帧组尺寸的方法能取得更好的效果.     

基于低密度叠加编码调制的新型上行非正交多址接入方案

稀疏码分多址接入（SCMA）方案映射矩阵维度太小时,短环和规则度分布的SCMA映射矩阵与存在远近效应的环境不能很好地匹配,为此,提出一种新型的非正交多址接入方案--低密度叠加编码调制（LDSM）.该方案设计了更加稀疏的非规则度分布映射矩阵,带来分集增益和编码增益,提高整体方案性能的同时,对边缘用户的性能也有所提高.在独立瑞利衰落信道下,通过平均互信息的分析,从理论上证明了LDSM方案较SCMA方案有一定的信噪比增益.仿真结果证明,在远近功率差为10 dB,过载为150%时,小规模的LDSM方案和大规模LDSM方案较SCMA方案的整体用户性能分别能获得2.3 dB和2.46 dB的增益.     

基于长短时记忆—自编码神经网络的风电机组性能评估及异常检测

性能评估及异常检测是风电机组健康状态监测的重要手段。以往风电机组性能评估较少考虑性能监测数据的时序性及多变的运行工况,导致模型评估的准确度低,且未根据整机性能确定与异常相关的功能模块,使得检修成本高。针对上述问题,提出了一种基于长短时记忆—自编码(LSTM-AE)神经网络的风电机组性能评估及异常检测方法。该方法首先采用长短时记忆神经单元与自编码网络构建性能评估模型,以计算用于评估风电机组性能状态异常程度的指标,通过与基于支持向量回归计算的自适应阈值对比,识别性能异常点。然后,利用高斯Copula熵估计不同性能监测参数与该指标的互信息值,来确定关键性能监测参数,并映射至风电机组功能模块。实验结果表明,所提方法能有效处理具有时序特征的性能监测数据,并提高异常检测的准确性。     

遗传算法对Powell图像配准方法的改进

针对Powell算法在搜索过程中具有初始值依赖和容易陷入局部极值的问题,提出了使用遗传算法改进Powell算法在图像配准中的应用。利用图像的归一化互信息作为遗传算法的适应度,全局、并行搜索图像配准参数作为Powell算法的初始值,再使用Powell算法局部逼近近似最优解。实验结果证明,改进后的Powell算法能有效地减少图像配准的时间,提高配准的精度,精度能达到亚像素级。     

多尺度、多角度异源遥感影像配准方法研究

针对具有显著尺度和角度差异的异源遥感影像配准中存在的问题,引入具有角度不变性和同一尺度的空间辅助圆,克服角度和尺度偏差;选取对异源影像的光谱差异具有高鲁棒性的归一化互信息测度,基于空间辅助圆提取统计特征进行区域配准。该方法还将同名特征点的搜索范围限制在辅助圆内,在保证算法搜索效率的同时提高了配准的精度。选取具有较大尺度和角度偏差的异源遥感影像进行实验,通过与基于空间辅助面的配准方法相比较,证明基于空间辅助圆的归一化互信息配准方法对角度和光谱偏差具有较高的鲁棒性,配准模型的精度小于一个像素。     

维吾尔文无监督自动切分及无监督特征选择

维吾尔文常用切分方法会产生大量的语义抽象甚至多义的词特征,因此学习算法难以发现高维数据中隐藏的结构.提出一种无监督切分方法dme-TS和一种无监督特征选择方法UMRMR-UFS.dme-TS从大规模生语料中自动获取单词Bi-gram及上下文语境信息,并将相邻单词间的t-测试差、互信息及双词上下文邻接对熵的线性融合作为一个组合统计量(dme)来评价单词间的结合能力,从而将文本切分成语义具体的独立语言单位的特征集合.UMRMR-UFS用一种综合考虑最大相关度和最小冗余的无监督特征选择标准(UMRMR)来评价每一个特征的重要性,并将最重要的特征依次移入到特征子集中.实验结果表明dme-TS能有效控制原始特征集的规模,提高特征项本身的质量,用UMRMR-UFS的输出来表征文本时,学习算法也表现出其最高的性能.