基于回归分析和主成分分析的噪声方差估计方法

准确可靠的噪声强度估计是数字图像处理领域中一个重要的研究课题。噪声估计的难点在于如何提取用于估计的纯噪声信息,近几年,许多算法采用主成分分析技术来避免图像纹理信息的干扰,用最小特征值来估计噪声方差,可以有效地减少图像纹理信息对估计结果的影响,所以这类方法对于高频图像(丰富纹理图像)效果很好。由于图像块数量有限,最小特征值实际上比真实噪声方差小,而且图像块数量越少,偏差越大。如果直接把最小特征值作为估计方差,则容易低估计高噪声。该文通过回归分析确定最小特征值跟真实噪声方差的比值和图像块数量呈幂函数关系,因此可以通过最小特征值和幂函数关系得到真实的噪声方差。实验表明该文方法既能处理高频图像,又适合各种噪声水平,同时也能处理乘性高斯噪声。     

基于PSO-BP神经网络的DOA估计方法

提出利用粒子群算法优化BP神经网络来改善来波到达角估计性能的方法.传统的BP神经网络易陷入局部最优,因此采用粒子群算法对网络的权值和阈值进行优化,并将其应用到来波到达角估计中.所提方法仅利用阵列协方差矩阵的第一行作为来波方位特征,与常用的协方差矩阵上三角特征相比,在不损失有效方位信息的基础上使特征维数极大降低.仿真实验证明:同经典的RBF神经网络方法相比,基于所提方法的神经网络结构更简洁,泛化性能更好,来波方位估计精度更高.     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

基于主成分回归的土壤重金属LIBS定量分析方法研究

采用激光诱导击穿光谱(LIBS)技术结 合主成分分析(PCA )和基于PCA的偏最小二乘回归法(PLSR ),对8种土壤样品进 行分类及Cr元素含量的分析研究。对比分析了不同土壤样品基体元素的特征光谱,利用PCA 对8种土壤样品进行分类,并采用PLSR定量分析不同土壤中Cr元素的含量。研究结果表 明,不同土壤样品中的基体元素特征光谱出现较大差异,8种土壤样品经PCA分析后大致 分为3类;利用PLSR训练模型得到的定标曲线将拟合相关系数提高至0.986,对同一类的 土壤样品Cr的含量预测相对误差小于7.5%,对非同一类土壤样品Cr的预测相对 误差较大。这说明,对待测样品定量分析前,采用PCA对土壤样品分类可以提高对待测样品 重金属元素定量检测的精确度,对建立定量分析模型提供指导。     

基于EM算法的宽带信号DOA估计及盲分离

本文提出了一种基于EM算法的宽带信号DOA估计与盲分离方法.首先将宽带混合信号转换到频域,然后综合利用带宽内所有频点信息建立似然函数,在此基础上推导出宽带条件下的EM迭代式,从而实现宽带信号DOA及波形的联合估计.并且本文通过分析EM算法的收敛性,自适应的设定角度搜索空间,提高了算法的运算效率.与传统方法相比,本文方法运用的有效信息更多,因此,其在DOA估计精度及波形恢复性能方面都更有优势.仿真实验表明了该算法的有效性.     

基于局部加权回归和主成分分析的智能预测研究系统

文中通过局部加权回归（LWR）和K-means等机器学习或数学模型方法对脑卒中后血肿周围水肿的变化规律进行智能预测。利用水肿体积数据及检查时间点,构建了分段多项式回归模型和局部加权回归模型。前者通过多个区间的多项式拟合捕捉其体积随时间的非线性变化,后者则更能精细地拟合数据点的局部变化。之后,采用主成分分析 （PCA）技术分析了7种不同治疗方法的数据,证明了本文方法在减少水肿体积和控制病情方面具有显著效果。相关性分析显示,水肿体积与血肿体积呈显著正相关关系,不同治疗方法对水肿体积的影响各异。综合这些分析,文中构建了智能预测模型,可有效预测血肿周围水肿的发生和发展。     

基于信号子空间的广义回归神经网络频率估计

对淹没在噪声中的载波信号的频率估计可以通过对信号协相关矩阵求取特征向量,分离出信号子空间和噪声子空间,并可基于信号子空间找到与之线性相关,或者基于噪声子空间找到与之正交的载波信号。但要使这两个子空间的矢量函数在某个频率点上得到波峰,仅仅利用噪声子空间的算法,如MUSIC往往需要对一段较大频率范围的频域进行细致搜索,既耗费了大量的时间又会因为搜索步长的选取而造成对识别精度的影响。本文提出一种基于信号子空间的广义回归神经网络频率估计算法,利用广义回归神经网络其极强的非线型拟合和并行计算特性在信号子空间矢量与频率点之间建立良好的非线型映射关系,以达不失估计精度而又提高估计速度的目的。     

基于主成分分析和引导滤波的色调映射算法

针对传统高动态范围(HDR)图像色调映射算法普遍 存在色偏和效率低的问题,提出了一种基于主成分 分析(PCA)进行色彩空间转换和具有边缘保持特性的引导滤波图像增强的色调映射算法。首 先利用图像的平均亮 度实现图像Gamma自适应校正;然后采用PCA方法将图像的3个颜色分量转换为相 互正交的亮度 分量和色差分量,模拟相机响应函数(CRF)曲线压缩亮度分量的动态范围,并将结果与加权 后的色差分量联合, 经PCA逆转换得到新的RGB分量;最后利用引导滤波方法对图像进行增强,提高 图像对比度,避 免光晕现象。实验结果表明,本文算法效率比经典的iCAM06算法提高了4倍以 上,并能有效避免偏色和 光晕现象,处理后图像的细节清晰层次感强、色彩自然丰富,不仅能用于传统的便携式显示 设备,而且可用于穿戴式智能视觉辅助设备和无屏幕显示器等新兴领域。     

基于G-S正交的信号子空间宽带聚焦DOA估计算法

提出基于G-S（Gram-Schmidt）正交算法的信号子空间宽带聚焦DOA估计算法。该算法基于G-S正交方法,求得矩阵的信号子空间,并利用局域子空间投影算法（LSP）,构造宽带信号子空间最佳聚焦矩阵。分析表明,该算法不需矩阵特征分解,运算量小于双边变换（TCT）方法,性能优于TCT方法。仿真结果证明了算法的有效性。     

等离子体刻蚀工艺控制模型分析

讨论了主因素分析法以及神经网络法在等离子体刻蚀工艺中的应用.结果表明主元素分析法可以实现对数据的压缩,而神经网络算法则显示出比传统的统计过程控制算法更好的准确性.     

频谱分析在DOA估计中的应用

子空间方法的本质是利用噪声子空间与阵列流型之间的正交性对阵列空间采样数据中空间频率进行估计。文章从快拍数据频谱分析的角度来实现这一估计。文中详细推导了窄带情况下DOA和快拍频谱的关系,提出了两种运算量较小、便于工程实现的利用FFT估计窄带DOA的方法。在宽带情况下,详细推导了宽带信号空间频率和时间频率的关系,推导出宽带信号频率对齐的方法,提出了两种直接利用对齐结果来估计宽带DOA的新方法。文中所用方法运算量小,便于硬件实现,仿真结果证明了算法的有效性。     

宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

采用主分量分析方法研究随机共振

噪声能量向信号能量的转换是随机共振具有的独特优点,也是实际应用随机共振进行弱信号检测的基础。由于随机共振系统只在合适量的噪声输入时产生最大的信噪比输出(共振),过多、过少的噪声都会降低系统的性能,因此,如何有效地控制输入到随机共振系统中的噪声十分重要。本文首次提出采用主分量分析方法研究随机共振,其基本思路是分解信号和噪声能量到相互正交的主轴方向上,之后进行重构,通过控制重构主轴的数目(重构维数),获得最优量的输入噪声。实验结果证实了方法的有效性。     

基于概率PCA模型的压印字符集本征维数确定方法

提出了一种基于概率主成分分析模型(PPCA)的压印字符图像子空间维数的确定方法。首先,建立观测数据的PPCA模型;然后采用仿真数据进行仿真,对影响维数判别的各种因素进行了分析并给出了3种准则的适用范围;最后对压印字符数据集协方差矩阵的特征值曲线得到本征维数的大致区间范围,通过AIC、BIC和CAIC模型选择准则分别进行最优维数确定。实验表明,该方法可以提高算法的鲁棒性,有效地降低算法的运行时间。     

稀疏空域融合DOA估计算法与性能分析

压缩感知处理波达方向(DOA)估计问题中,阵列流型的构建是后续估计的基础。该文首先对阵列流型相邻导向矢量的正交性进行理论分析,分析表明在法线方向,等角划分优于等弦划分,在端射方向,等弦划分优于等角划分,相应的DOA估计性能更优。然后,系统推导出等弦划分与等角划分的临界值,并讨论阵元数、划分份数对正交性的影响,设计了一种优化稀疏划分模型,并提出了一种基于等弦和等角空间稀疏相结合的稀疏空域融合(SFSD)DOA估计算法。该算法较等弦划分和等角划分,具有更好的DOA估计稳健性、更低的信噪比门限和更高的估计精度。最后,通过仿真验证了模型的优越性和算法的高效性。     

小生境粒子群算法在多信号DOA估计中的应用

多重信号分类(Multiple Signal Classification,MUSIC)算法是波达方向(Direction of Arrival,DOA)估计领域中的经典算法之一,但其谱峰搜索过程的巨大计算量降低了算法的实时性.经典进化算法虽能降低搜索时间,却仅能搜索到一个解,当存在多个入射信号时便无法搜索全部解.为了...     

基于PCA与EMD的超宽带雷达生命信号检测算法

 本文分析了脉冲超宽带(UWB)生命信号模型,提出了基于主元分析(PCA)和经验模态分解(EMD)的非接触生命信号检测方法.根据UWB信号杂波与生命目标回波特点,结合PCA去除杂波.提取适当的主元特征向量序列曲线上峰值所对应的时延,估计目标距离信息.采用EMD分解目标回波序列为有限个固有模态函数(IMF)分量,在时域上重构平滑生命特征曲线,且其在高信噪比下可实现心跳与呼吸信号的分离.实验研究表明该方法简单有效,能同时提供生命信号的频域和时域波形位置信息,且重构得到的生命信号较符合实际信号时变、非平稳特性.