一种基于噪声水平估计的扩展线性光谱分解算法

针对传统的光谱分解算法忽略了影像在不同波段的不同噪声水平,导致分解精度提高受限。为克服这个问题,以高光谱影像为基础,提出了一种基于噪声水平估计的扩展线性光谱分解算法（NELMM）。首先,根据高光谱应用中的多元回归理论,估计相邻波段的噪声;其次,从估计噪声中获得噪声权重矩阵;最后,将噪声权重矩阵引入到线性混合像元的框架中,可以减轻不同波段噪声水平的影响。为验证算法精度,利用全约束最小二乘法（FCLS）和协同稀疏分解算法（CLSUnSAL）来进行对比分析,并通过此算法反演TM影像的植被覆盖度来验证其在多光谱影像上的实用性。结果表明：NELMM算法对高光谱影像分解的结果比FCLS和CLSUnSAL好,其噪声权重矩阵很好地平衡了波段间的噪声,使NELMM算法分解影像的精度显著提高;同时,此算法对多光谱影像分解呈现很好的适用性。     

基于光谱距离聚类的高光谱图像解混算法

为了解决实际高光谱解混（HU）中噪声对解混精度的影响和光谱、空间信息利用不足的问题,提出了一种改进的基于光谱距离聚类的群稀疏非负矩阵分解的解混算法。首先,引入了基于最小误差的高光谱信号辨识算法（Hysime）,通过计算特征值的方式估计信号矩阵和噪声矩阵;然后,提出了一种简单的基于光谱距离的聚类算法,对多个波段生成的光谱反射率距离值小于某一值的相邻像元进行合并聚类生成空间群结构;最后,在生成的群结构基础上进行稀疏化非负矩阵分解。实验分析表明,对于模拟数据和实际数据而言,该算法都比传统算法产生更小的均方根误差（RMSE）和光谱角距离（SAD）,能够产生优于同类算法的解混效果。     

稀疏正则非负矩阵分解的语音增强算法

对于非负矩阵分解的语音增强算法在不同环境噪声的鲁棒性问题,提出一种稀疏正则非负矩阵分解（SRNMF）的语音增强算法。该算法不仅考虑到数据处理时的噪声影响,而且对系数矩阵进行了稀疏约束,使其分解出的数据具有较好的语音特征。该算法首先在对语音和噪声的幅度谱先验字典矩阵学习的基础上,构建联合字典矩阵,然后更新带噪语音幅度谱在联合字典矩阵下的系数矩阵,最后重构原始纯净语音,实现语音增强。实验结果表明,在非平稳噪声和低信噪比（小于0 dB）条件下,该算法较好地削弱了噪声的变化对算法性能的影响,不仅有较高的信源失真率（SDR）,提高了1~1.5个数量级,而且运算速度也有一定程度的提高,使得基于非负矩阵分解的语音增强算法更实用。     

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。     

快速动态时隙分配MAC协议的帧结构优化与分析

针对快速动态时隙分配（Fast Dynamic Slot Assignment,F-DSA）MAC协议不能处理多节点申请入网的问题,对其帧结构和入网算法进行了完善,提出了碰撞感知快速动态时隙分配（Collision aware Fast Dynamic Slot Assignment,CF-DSA）协议。在相同入网算法的前提下,提出了一种新的控制微时隙分布方式,得到了聚合碰撞感知快速动态时隙分配（Aggregate Collision aware Fast Dynamic Slot Assignment,ACF-DSA）协议,通过理论建模与数值分析,主要研究了采用两种不同帧结构的协议性能,发现ACF-DSA较CF-DSA降低了节点的入网竞争时延,且对变化的网络环境具有更好的适应性,表明聚合碰撞感知的帧结构有助于节点入网效率的提高。     

基于多尺度快速非局部平均滤波的超声图像去斑算法

超声成像因其便捷、廉价、无辐射等优点被广泛应用于临床诊断中,然而图像中的斑点噪声可能对临床诊断或后续图像分析产生不利影响。作为一种典型的去噪技术,在利用非局部平均滤波（NLMF）对超声图像进行去斑时,会存在时耗高、滤波参数不易设置等不足,因此,提出一种多尺度快速非局部平均滤波（MF-NLMF）算法用来去除超声图像的斑点噪声。首先提出快速非局部平均滤波（F-NLMF）算法,利用互相关滤波技术减少运算时耗;接着设置多种窗口参数获得多幅去斑结果,而模型参数值可根据窗口尺寸自适应调节;最后将多幅去斑结果进行融合得到最终的去斑图像。实验结果表明：在相同实验条件下,与传统NLMF算法相比,F-NLMF算法的运算时间至少减少了96.04%;而MF-NLMF算法与迭代贝叶斯非局部均值滤波（IBNLMF）等算法相比,去斑图像的峰值信噪比（PSNR）值、特征相似度测度（FSIM）值、对比度噪声比（CNR）和信噪比（SNR）分别提高了0.73 dB、0.011、0.000 5、0.001 6以上。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

心电图数据的分段DCT压缩方法

一个心动周期（一帧）的心电图（ＥＣＧ）波形大致可分为两段：高频段（幅度变化梯度大的段）和低频段（幅度变化梯度小的段）。鉴此，本文提出了一种高压缩比、高重构波形质量的ＥＣＧ数据压缩算法。将一帧的ＥＣＧ波形分解为高频段和低频段两段，然后应用离散余弦变换（ＤＣＴ）分别进行数据压缩。实际数据处理结果显示，在百分比均方根误差（ＰＲＤ）为３％～４％时，数据压缩比（ＣＲ）达到９．５～１１．５，而且本算法还具有良好的去噪声干扰的特性。     

边界保存的二进小波图像去噪算法

根据小波变换系数与图像边界的关系,提出了一种基于二进小波变换的图像去噪算法。首先用二进小波在不同尺度上分解图像,在低频部分上提取图像边界,根据图像边界与小波系数的关系,估计对应尺度上高频部分的噪声的方差,用Oracle估计子估计图像的二进小波系数,用估计出的二进小波系数重建图像。实验表明,该算法能够有效地去除各种分布的图像噪声。     

Gabor小波分解和增益图约束的荧光显微图像复原

对于含有泊松噪声的模糊荧光显微图像,Richardson-Lucy（RL）算法具有很好的复原效果,但经常伴有严重的振铃和噪声放大等现象。针对这一情况,在传统RL算法基础上,提出了一种新的图像复原算法,主要考虑两个方面,一是通过施加增益图约束,进而降低图像边界的对比度来抑制阶梯效应。二是将Gabor小波分解技术引入到每次迭代中,克服了复原过程中的噪声放大问题,同时能够多方向地提取图像特征,增加视觉上的清晰度。通过对参数的合理选择,获得最佳的复原效果,实验结果验证了该算法的有效性和可行性。     

带有噪声递推估计的自适应集合卡尔曼滤波

卡尔曼滤波(KF)广泛应用于线性系统的状态估计问题.然而,它需要精确已知过程噪声的统计特性,这在实际应用中往往是不能满足的.在这个背景下,首先,根据协方差匹配原理建立一种带有过程噪声递推估计的自适应KF算法;然后,为了突破KF只能处理线性系统估计问题的局限,将过程噪声递推估计引入集合卡尔曼滤波(EnKF)中,提出一种自适应EnKF算法;最后,采用估计理论证明所提出算法的稳定性.与标准EnKF相比,该自适应算法在过程噪声统计特性未知的情况下滤波依然收敛,滤波精度及稳定性显著提升.仿真结果验证了所提出算法的有效性.     

一种多径平坦衰落信道下的盲信噪比估计方法

提出一种多径平坦衰落信道下的盲信噪比估计方法.该算法首先利用数字通信信号的循环平稳统计特性构造接收信号的循环自相关矩阵,然后对该矩阵进行奇异值分解,由分解出的特征值信号子空间和噪声子空间,最后通过利用AIC信息准则分别估计信号子空间和噪声子空间的维数并最终估计出信道的平均信噪比.以MPSK信号为例进行了计算机仿真,结果表明了算法的有效性.     

基于先验信噪比估计和增益平滑的语音增强

针对语音增强算法残留“音乐噪声”的问题,分析了基于先验信噪比估计的语音增强算法,并在此基础上提出自适应先验信噪比估计与增益平滑相结合的方法.这种方法先对先验信嗓比进行估计,然后对增益函数进行平滑,减小相邻增益函数的随机跳变,弥补了传统先验信噪比估计的不足.最后对含高斯白噪声的语音信号进行处理,仿真结果表明,该算法在抑制“音乐噪声”的效果上得到一定改善,提高了语音增强的性能.     

基于低秩矩阵恢复的DOA稀疏重构方法

为提高非均匀噪声下波达方向（direction of arrival,DOA）角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权L1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming,SDP）问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、L1-SVD及加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。     

基于DPT的非线性调频信号的DOA估计

提出了一种基于DPT的宽带非线性调频信号的DOA估计算法.首先将非线性调频(NLFM)信号建模为高阶多项式相位信号(PPS)模型,然后通过高阶瞬时矩进行多项式相位变换.接收信号将变换为单个正弦信号和新的噪声.再利用ROOT-MUSIC或者ESPRIT算法对变换得到的正弦信号的波达方向进行估计.理论分析和仿真结果表明,该...     

利用递归平均和谱减技术的语音增强方法

提出了一种基于改进的谱减法的语音增强算法。该算法首先利用了一种由最小值控制的递归平均的噪声谱估计算法,因而无需语音端点检测,其次利用一种通过递归计算得到的基于子带信噪比的过减因子,减小了产生“音乐噪声”的可能性。分析和实验表明,提出的算法对“音乐噪声”起到了一定的抑制效果,并有效地提高了输出信噪比。     

基于对角加载奇异值分解的波束形成算法

在自适应波束形成算法中,QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少,采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题,QR算法的性能就会下降。针对此缺陷,提出了对角加载奇异值(DSVD)分解的算法,该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差,在复杂度与性能之间进行折衷。     

一种改进型IMCRA非平稳噪声估计算法

针对IMCRA噪声估计算法时延较大引起的噪声欠估计问题,提出一种改进型IMCRA非平稳噪声估计算法。该算法采用3次谱平滑的方法估计语音存在概率,控制搜索窗长度。在噪声过估计或欠估计的情况下,引入安全机制对噪声估计值进行限制或补偿。实验结果表明,与IMCRA算法相比,改进算法能减小噪声估计的时延,提高噪声估计精度,适用于噪声功率变化范围较大的语音增强。     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

基于变窗长搜索的改进型噪声估计算法

MCRA最小值递归平均算法对噪声的估计值较为准确，而且对一段话音内噪声功率谱的变化也能准确的追踪.但是面对噪声功率谱突然陡增这种情况，需要经过一段时间的自适应才能得到准确的噪声估计值，而在这个自适应期间，会留下较强的残留噪声，影响人的听感.本文在MCRA算法的基础上，引入一种利用最大对数似然比结合能零比的VAD （Voice activity Detection）辅助算法，得到一种改进型噪声估计算法.实验仿真结果也表明，改进的噪声估计算法在噪声估计速度方面优于MCRA算法.