基于约束NMF的欠定盲信号分离算法*

提出一种约束非负矩阵分解方法用于解决欠定盲信号分离问题。非负矩阵分解直接用于求解欠定盲信号分离时,分解结果不唯一,无法正确分离源信号。本文在基本非负矩阵分解算法基础上,对分解得到的混合矩阵施加行列式约束,保证分解结果的唯一性;对分解得到的源信号同时施加稀疏性约束和最小相关约束,实现混合信号的唯一分解,提高源信号分离性能。仿真实验证明了本文算法的有效性。     

基于奇异值分解的欠定ICA算法研究

从奇异值分解出发,研究欠定独立分量分析(ICA)盲分离的新算法,给出了欠定ICA算法的代价函数,推导出分离矩阵的计算公式.在此基础上,提出了将基于奇异值分解的欠定ICA算法与普通ICA算法相结合的二次盲信号分离算法.利用此盲分离算法,能够较好地分离出部分源信号.仿真实验说明了此方法的有效性.     

基于稀疏性盲源信号估计算法研究

随着欠定盲信号分离技术的日益发展,在独立分量分析的基础上发展出来许多新的算法,本文介绍了基于稀疏性的欠定盲源分离技术,其解决了欠定情况下的源信号估计问题。     

蚁群聚类的欠定盲源分离方法

利用欠定盲源分离情况下稀疏源信号具有直线聚类的特点,提出了一种估计混叠矩阵的新方法。通过对混叠信号进行标准化处理,使混叠信号形成球形簇,将线性聚类转变成致密聚类;利用蚁群聚类算法对其进行搜索得到聚类中心,从而获得对混叠矩阵的精确估计。该方法能实现源信号数目未知情况下的欠定盲源分离,且能推广到三路或更多路观测信号的情况。对语音信号的仿真结果证明,该方法能精确地分离和恢复原始信号。     

一种新的联合块对角化卷积盲分离时域算法

提出一种基于高阶累积量联合块对角化的时域算法求解卷积混合盲信号分离问题。引入白化处理,将混叠矩阵转变成酉矩阵,混合信号转变为互不相关的,进而计算出其对应的一系列高阶累积量矩阵,通过最小化代价函数来实现高阶累积量矩阵联合块对角化的目的,在时域中解决超定卷积盲分离问题。实验表明,相比于经典的自然梯度算法,所提方法的分离精度更高,且运算速度也更快。     

基于密度峰值和模糊聚类的欠定混叠矩阵估计

传统聚类算法进行混叠矩阵估计时存在的聚类中心个数不确定和初始聚类中心的随机选取导致陷入局部最优的问题,为此提出一种基于密度峰值的改进模糊聚类算法进行欠定盲源分离的混叠矩阵估计。通过短时傅里叶变换提取信号在频域中的稀疏特性,利用寻找密度峰值聚类算法(clustering by fast search and find of density peaks, CFSFDP)自动获取聚类簇的数目和初始聚类中心;将获得的聚类数目和聚类结果作为模糊聚类算法(fuzzy c-means clustering, FCM)的初始输入参数,提高FCM聚类结果的精度。实验结果表明,该算法可以准确估计源信号的数目,相比传统FCM、层次聚类、基于密度峰值改进的粒子群等聚类算法,可以有效提高欠定盲源分离的混叠矩阵估计精度。     

估计盲信源分离混合矩阵的通用方法

混合矩阵的估计是解决盲信源分离问题的关键一步,但现有研究中缺乏一种同时适用于适定、超定及欠定情况下混合矩阵估计的通用方法。根据张量标准分解的因子矩阵和盲信源分离混合矩阵的估计均存在幅值和排列顺序的不确定性这一性质,将混合矩阵的估计转化为观测信号统计量所组成张量的标准分解问题,标准分解采用循环最小化方法,通过交替最小二乘算法实现。理论分析和仿真实验表明,所提方法可有效解决适定、超定和欠定混合矩阵的估计,是一种估计盲信源分离混合矩阵的通用方法。     

欠定条件下的盲分离算法

盲信号分离中当源信号个数大于观测信号个数，且源信号不是足够稀疏时，如果利用聚类算法进行分离，分离效果将会变差。为此提出一种在此欠定条件下新的盲信号分离算法。利用源信号的“稀疏性”估计混合矩阵，然后简化混合矩阵构造新的混合模型。由于源信号间具有的独立性，使得可以在新的混合模型中从观察信号的自相关函数中估计出源信号的频谱，从而达到分离出源信号的目的，且分离效果优于聚类算法。最后给出仿真试验实例，试验结果验证了算法的有效性。     

基于卷积盲分离神经网络的过程信号去噪算法

研究了一种基于卷积混叠盲信号分离的简约神经网络算法,简称RCMNN.可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可有效应用于传输通道中过程信号上的去噪,是控制工程中去噪的新方法.对多类不同信号组合仿真表明,该算法是有效的,网络性能是稳定的.     

超定条件下的盲信号提取算法

基于信号峭度理论,提出一种超定条件下的盲信号提取算法。该算法将混合矩阵辨识转化为一系列Givens矩阵辨识,从观察信号中一次提取出一个源信号。对于超定盲信号分离问题,待未知所有独立分量分离出后,余下分量可以看作是一个或多个独立分量的拷贝,是冗余信号。在算法运行结束后,所有源信号分离出,实现超定盲信号分离。该算法计算简单,收敛性好。计算机仿真试验验证了算法的有效性。     

基于蚁群相似度加权霍夫变换的航迹起始

在雷达、红外等传感器的目标航迹起始时,目标的机动性以及数据的批处理会导致目标运动轨迹上偏离点的漏检。针对该问题,首先在Hough变换基础上,根据目标运动速度、幅度等信息置信区间与杂波干扰的不同,加上权重因子进行累积,然后进行目标的航迹起始,最后利用蚁群相似度检测起始轨迹上的偏离点迹。仿真结果表明,较之传统Hough变换,采用加权Hough变换算法能有效检测到目标航迹上的偏离点迹,提高目标检测概率。     

An extension to the randomized hough transform exploiting connectivity

Finding global curve segments in an image is an important task. For such a task, a new branch of Hough Transform algorithms, called probabilistic Hough Transforms, has been actively developed in recent years. One of the first was a new and efficient probabilistic version of the Hough Transform for curve detection, the Randomized Hough Transform (RHT). In this paper, a novel extension of the RHT, called the Connective Randomized Hough Transform (CRHT), is suggested to improve the RHT for line detection in complex and noisy pictures. The CRHT method combines the ability of the Hough Transform for global feature extraction with curve fitting techniques by exploiting the connectivity of local edge image points. Tests demonstrate the high speed and low memory usage of the CRHT, as compared both to the Standard Hough Transform and the basic RHT.     

基于分级的快速霍夫变换直线检测

在分析标准霍夫变换、两点表决霍夫变换以及多级霍夫变换直线检测的基础上，针对算法的不足，结合他们的优点，设计并实现了基于分级的快速霍夫变换直线检测方法，对算法进行了详细描述和分析，并通过实验证明了算法的有效性，实验表明：所设计的直线检测运算速度快，检测精度高，鲁棒性强，有一定的应用价值。     

结合LTS和Hough变换的直线检测算法

为提高Hough变换检测直线的精度,提出一种结合Hough变换与截断最小二乘法的直线检测算法。利用Hough变换确定图像中直线所在的大致区域,提取候选区域内的特征点集,采用截断最小二乘法拟合得到精确的直线参数。实验结果表明,该算法的检测率和检测精度较高,对Hough变换的分辨率要求较低,整体空间开销较小。     

一种新的用于检测直线的快速Hough变换

在分析现有常用的改进Hough变换算法思想的基础上,设计了一种新的用于直线检测的快速Hough变换,通过与现有改进Hough变换算法的比较实验,新设计算法具有更好的实时性。     

快速霍夫变换算法

二值图像的直线检测过程中,标准霍夫变换算法的计算量为O（N^3)。该文提出一种快速霍夫变换算法,其计算量仅为O（N^2log2N)。该快速算法可以并行实现;处理器阵列规模为O（N^2)时,计算量为O（log2N)。文中还分析得到快速算法的误差上界,并提出一种改进的快速霍夫变换算法以获得更高的计算精度。最后,给出算法的数值算例。理论分析及数值算例都表明,该文的快速霍夫变换算法在直线检测过程中有着更高的计算效率,并且具有良好的计算精度。     

The adaptive hough transform

We introduce the Adaptive Hough Transform, AHT, as an efficient way of implementing the Hough Transform, HT, method for the detection of 2-D shapes. The AHT uses a small accumulator array and the idea of a flexible iterative "coarse to fine" accumulation and search strategy to identify significant peaks in the Hough parameter spaces. The method is substantially superior to the standard HT implementation in both storage and computational requirements. In this correspondence we illustrate the ideas of the AHT by tackling the problem of identifying linear and circular segments in images by searching for clusters of evidence in 2-D parameter spaces. We show that the method is robust to the addition of extraneous noise and can be used to analyze complex images containing more than one shape.     

Real-time precise detection of regular grids and matrix codes

The traditional approach in detecting sets of concurrent and/or parallel lines is to first detect lines in the image and then find such groups of them which meet the concurrence condition. The Hough Transform can be used for detecting the lines and variants of HT such as the Cascaded Hough Transform can be used to detect the vanishing points. However, these approaches disregard much of the information actually accumulated to the Hough space. This article proposes using the Hough space as a 2D signal instead of just detecting the local maxima and processing them. On the example of QRcode detection, it is shown that this approach is computationally cheap, robust, and accurate. The proposed algorithm can be used for efficient and accurate detection and localization of matrix codes (QRcode, Aztec, DataMatrix, etc.) and chessboard-like calibration patterns.     

基于机器视觉的公差检测系统算法研究与应用——自适应边缘检测与修正Hough变换

介绍了基于机器视觉的几何量和位置公差检测中常见的计算模型、图像处理和直线拟合一般算法，进一步介绍了一种自适应的边缘检测方法。着重分析了传统的Hough变换的优势和缺点，在此基础上提出了适应形位公差检测特点的修正Hough变换算法。自适应边缘检测方法被应用于检测实际工程的图像边缘，检测到的边缘区域在亚像素之内；修正的Hough变换算法也被运用于相应工程的直线拟合，与传统的Hough算法相比，结果表明其速度更快、精度更高，抗干扰能力更强，其拟合直线的极径精度可达到0．1个像素，极角精度可达0．01°。