一种严格最大熵谱估计法的递推算法

本文提出了基于一种更严格最大熵谱估计的快速递推算法。讨论了当数据长度有限时，为满足最大熵谱估计的四个近似等价条件，所提出的严格目标函数。在此基础上，通过使目标函数达到极小，用递推法估计出各阶反射系数，然后由Levinson递推得到最大熵谱参数的估计值。该算法算法稳定，快速。计算机仿真表明，此估计方法具有良好的估计质量。     

一种新的最大熵谱近似估计方法

本文提出了最大熵谱估计的一种新方法，由其所获得的自回归系数的估值，使反映前、后向预测误差的能量以及前、后向预测误差与信号之间交关系的一个综合目标函数极小化。仿真结果表明，该法不仅具有良好的估计质量和较小的谱峰位移，而且消除了谱线分裂现象。     

二维Tsallis-Havrda-Charvat熵阈值分割的快速递推算法

阈值分割是图像分割中简单有效的方法,应用极为广泛.基于熵的阈值选取方法是其中一类颇受关注的方法,二维Tsallis-Havrda-Charvat熵法分割效果好,但因计算量庞大,难以实用.本文提出了二维Tsallis-Havrda-Charvat熵的阈值分割两种不同的快速递推算法,都可将计算复杂性由O(L4)减少为O(L2).文中给出了二维Tsallis-Havrda-Charvat熵两种快速递推算法的分割结果及运行时间,并与原始算法进行了比较.实验结果表明,这两种递推算法都可以大幅度地提高运算速度,运行时间几乎不到原始算法的0.1%.     

用Householder变换的递推AR模型化与谱估计算法

Housecholder变换用于上三角化是基于线性预测误差方程的数据阵。可以证明,由上三角阵的主对角元素便可得到各阶AR模型的残差平方和。因此用逐列处理的方法可以构成 AR 模型化与谱估计的递推算法。在大多数情况下,本文的算法不仅给出与协方差算法或修正协方差算法相同的计算结果;而且当计算中存在严重的数值病态问题时,协方差法和修正协方差法无法获得好的AR谱估计,而本文的算法则仍然可以获得好的估计。文中给出了典型的计算例子。     

循环谱密度的两通道最大熵谱估计

对周期平稳随机过程的循环谱密度的估计,过去主要采用时域平均周期图谱法和频域平滑周期图法,但当短数据时,上述方法的分辨率很低,方差很大,本文提出了循环谱密度的两通道最大熵谱估计,该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好地估计性能。     

基于最大熵谱估计的频谱感知方法的研究

频谱感知是认知无线电系统的关键技术环节,为了减少系统间的相互干扰,要求频谱感知具有短时性、分辨率高等特点.为此,提出了基于最大熵谱估计的频谱感知方法,理论分析与仿真结果表明,基于最大熵谱估计的频谱感知方法具有感知时间短、频谱分辨率高、系统复杂度低等突出优势,可以作为认知无线通信系统设计的选择方案.     

基于最大熵谱估计的回波信号检测技术研究

提出了最大熵谱估计和LMS自适应算法提取激光测距系统的反射回波信号。研究了最大熵谱估计的信号检测原理,采用Burg算法求取AR模型相关参数,设计LMS自适应滤波器提取回波信号,并分析了Burg最大熵谱估计在激光测距系统回波信号检测中的应用。仿真分析表明,最大熵谱估计和LMS自适应算法相结合可以有效地从背景噪声中提取有用的激光反射回波信号。     

基于最大熵谱估计的距离-多普勒成像

提出一种目标超分辨逆合成孔径(ISAR)成像方法。该方法首先利用最大熵谱估计的方法对雷达宽带测量数据进行外推处理，然后对经过外推处理后的数据采用距离一多普勒原理进行ISAR成像，最后采用仿真数据和实际测量数据进行实验验证。实验结果表明，该方法对目标ISAR成像分辨率有明显提高，对用传统方法不能进行的ISAR成像数据，采用该方法成像效果有明显改进；且计算量不是很大，易于工程实现。     

最大熵谱估计在预测雷达杂波中的应用

近年来，由于最大熵算法的一系列优点，使它成为现代谱分析中极其活跃的一个研究领域。最大熵算法是Burg于1967年提出的一种现代谱分析法，用这种方法可以预测观测区间以外的数据，以便填补出一个长时区。本文提出了一种自适应的数字滤波方法，它是利用格型结构来预测和估计雷达杂波，而格型系数的计算采用了伯格算法。     

基于准连续波体制雷达最大熵谱外推算法的选择

准连续波体制雷达数字信号处理系统的开发是进一步完善该体制雷达的关键。针对数字信号处理系统中最大熵谱外推电路的算法选择进行了研究     

Chrestenson最大熵谱估计的计算

本文研究p-平稳随机序列在Chrestenson变换意义下的功率谱密度及其最大熵谱估计的计算。得到了功率谱密度函数与熵率的关系式及最大熵谱估计的正规方程。在采样数据个数为p~m的情况下,最大熵谱估计可直接由已知的有限自相关数据表示。这些结果与Fourier意义下的最大熵谱估计有很大的不同。     

Emission Spectral Tomography Reconstruction Based on Maximum Entropy Interpolation

To improve the performance of optical computed tomography (OpCT) reconstruction in the case of limited projection views, maximum entropy (ME) algorithms were proposed and can achieve better results than traditional ones. However, in the discrete iterative process of ME, the variables of the iterative function are continuous. Hence, interpolation methods ought to be used to improve the precision of the iterative function values. Here, a sinc function interpolation approach was adopted in ME algorithm (SINCME) and its reconstruction results for OpCT with limited views were studied using four typical phantoms. Compared results with ME without interpolation, traditional medical CT back-projection algorithm (BP), and iterative algorithm algebraic reconstruction technique (ART) showed that the SINCME algorithm achieved the best reconstruction results. In an experiment of emission spectral tomography reconstruction, SINCME was also adopted to calculate the three-dimensional distribution of physical parameters of a candle flame. The studies of both algorithm and experiment demonstrated that SINCME met the demand of limited-view OpCT reconstruction.     

Evolutionary Maximum Entropy Spectral Estimation and Heart Rate Variability Analysis

Spectral analysis has been used extensively in heart rate variability (HRV) studies. The spectral content of HRV signals is useful in assessing the status of the autonomic nervous system. Although most of the HRV studies assume stationarity, the statistics of HRV signals change with time due to transients caused by physiological phenomena. Therefore, the use of time-frequency analysis to estimate the time-dependent spectrum of these non-stationary signals is of great importance. Recently, the spectrogram, the Wigner distribution, and the evolutionary periodogram have been used to analyze HRV signals. In this paper, we propose the application of the evolutionary maximum entropy (EME) spectral analysis to HRV signals. The EME spectral analysis is based on the maximum entropy method for stationary processes and the evolutionary spectral theory. It consists in finding an EME spectrum that matches the Fourier coefficients of the evolutionary spectrum. The spectral parameters are efficiently calculated by means of the Levinson algorithm. The EME spectral estimator provides very good time-frequency resolution, sidelobe reduction and parametric modeling of the evolutionary spectrum. With the help of real HRV signals we show the superior performance of the EME over the earlier methods.     

基于OTSU准则及图像熵的局部递归分割算法研究

在图像分割中,门限的选取至关重要,本文在Otsu门限选择准则[1]的基础上,研究了一种基于图像熵的局部递归的门限选择及分割算法,该算法在图像背景不均或图像不是简单的单峰、双峰图像的情况下可以有效的分割,分割后图像的细节更加丰富,有利于分割后的特征提取.对几种不同的目标进行了实验,获得了较好的实验结果.     

基于最大熵模型的双直方图均衡算法

为改进亮度保持双直方图均衡算法的不足,提出基于最大熵模型的动态范围优化方法,扩展了双直方图均衡算法的应用范围,使之不仅适用于正常亮度图像,对低照度及高亮图像也能取得较好的效果.算法首先选用大津法确定直方图数据分割点;然后对初始直方图进行预处理;根据所提出的最大熵模型确定最佳的动态范围分割点;最后进行双直方图均衡得到增强图像.本文选取多个图像数据库进行测试,并与BBHE（Brightness preserving Bi-Histogram Equalization）、BPCLBHE（Brightness Preserving and Contrast Limited Bi-Histogram Equalization）、ESIHE（Exposure based Sub Image Histogram Equalization）和DRSHE（Dynamic Range Separate Histogram Equalization）进行比较,同时将信息熵、对比度和NIQE（Natural Image Quality Evaluator）作为客观评价指标.实验结果证明,本文算法对各类图像均具有较好的主观视觉效果和客观评价指标,在保留细节的同时兼顾了对比度的增强.