基于偏序图生成共识序列的改进星比对算法

多序列比对是生物信息学中十分常用的序列分析方法,主要用于分析分子进化关系、基因组分析、找出DNA序列之间的共同结构特征,从而准确判断序列结构和功能之间的具体联系。现今广泛使用的多序列比对方法主要分为渐进式比对和迭代式比对两种方式,但这两种方式在进行多序列比对时的时间开销相对较大,且比对结果准确性和复杂度受限于待比对序列的质量和相似度。相对来说,星比对算法的时间复杂度更低,常用于高相似度序列之间的比对。但对低相似度序列进行比对时,其结果精度还有待提高。针对星比对算法在低相似度序列中精度较差问题,文章提出了利用偏序图生成的共识序列对星比对算法进行了优化,结合SIMD并行策略加快共识序列的产生,从而扩大了算法的应用范围,提高了比对结果准确度,该研究最后通过实验证明了算法优化的有效性。     

基于计算机系统平台上的动态时间规整算法在基因比对中的应用

信息技术在各个领域的广泛应用也促使生物科学技术的变革,利用计算机系统平台解决基因表达数据时间序列的相似查询有多种方法,本文介绍了一个最常用的算法——在动态时间规整算法基础上进行优化的多分段动态时间规整算法,本文主要研究使用多分段的动态时间规整算法对酵母的基因表达数据进行序列比对,主要从计算速度,时间复杂度,比对精度等方面进行了实验分析。     

双序列比对算法的研究与改进

随着生物信息学的飞速发展,生物数据海量激增,序列比对作为生物学的计算核心,在其精确性和敏捷性方面都提出了更高的要求。在研究传统序列比对算法的基础上,本文提出一种改进的基于动态规划的全局双序列比对算法,有效降低了时间复杂度和空间复杂度。     

基于CUDA平台的数据库序列比对算法加速

在生物信息学中,数据库序列比对是极为常用的操作,Smith-Waterman算法是最流行的序列比对算法,精确度高,但是计算复杂度高,在进行大量的序列比对非常耗时。另外,生物技术的发展使得已知的序列数据库变得越来越庞大,这导致进行数据库序列比对所消耗的时间也越来越长,因而有必要加速数据库序列比对算法。NVIDIA提出了CUDA编程架构,相比之前的GPGPU具有更好的可编程性,用户可以更轻松地发掘出GPU强大的计算能力。在CUDA平台上实现了Smith-Waterman的数据库序列比对算法的并行加速,速度优于已有的基于GPU的实现,超过了基于启发式算法的BLAST算法执行速度。     

基于蚁群算法与中心比对算法的多序列比对研究

多序列比对问题是生物信息学中一个非常重要且具挑战性的课题.为了克服以往算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出一种基于蚁群算法与中心比对算法相结合的新求解算法,给出了具体的算法设计.该算法充分发挥了蚁群算法和中心比对算法的优越性,可提高求解MSA问题的计算精度和计算速度,同时较好地解决了群体的多样性和收敛深度的矛盾.     

多序列比对算法综述

在生物信息学中，如何对多组基因序列进行有效且快速的比对一直都是热门课题之一，也是至今仍未解决的NP难题之一。本文详细介绍序列比对的背景与意义，并针对几种常用的多序列比对算法进行比较，并提出了多序列比对算法研究的方向。     

基于Q学习的生物序列比对方法

将寻求两条生物序列最优比对的过程视为Agent自主学习寻找最优策略的过程。用状态集合表示序列中的碱基和为了获得最佳排列插入序列的空格,为Agent每一次行动打分作为立即收益,合计每一种策略的所有立即收益作为该策略的预期收益,获得最大预期收益的策略就是最优策略,与之对应的Agent遍历的状态集合就是最佳排列。给出了时间复杂度和空间复杂度的公式证明,通过实验证明该方法有效地降低了时间复杂度和空间复杂度（O（kh））。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

低轨巨星座多品类业务流低复杂度分段路由方法

含有星间链路的低轨巨星座网络在全球多种业务回传至有限地理区域场景下会产生严重的网络拥塞问题,集中式的流量规划可以在一定程度上实现负载均衡.然而大规模网络规划的计算时间开销无法满足低轨星座的动态性要求.为此,本文提出了低复杂度的多品类流分段路由(MCFSR)算法,将星座-地面网络依据负载情况划分为两个分区,并在分区内对规划算法的精度与复杂度之间进行权衡,以达到降低算法整体复杂度的目的.同时,对于规划算法,本文提出了复杂度可调的改进的完全多项式时间近似(IFPTA)算法,用于分区内的路由规划,在计算复杂度不变的情况下使算法吞吐量更接近最优值.仿真结果证明了本文提出的MCFSR算法在巨星座场景下可以使多业务回传的总吞吐量接近最优,且时间复杂度开销远低于其他同类算法.     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

基于最大值投影和快速配准的空间小目标检测

天基观测平台下弱小目标的检测是分析空间安全的重要研究内容。由于空间中存在大量外观与目标相似的恒星导致可利用空间分布信息缺乏;观测平台的不规则性运动导致帧间成像差异,都使得开发自动快速处理算法的难度增加。在分析星空图像模型的基础上,提出了一种基于三角形匹配和最大值投影的小目标检测方法。首先通过特征三角形对序列图像进行配准,并采用星点坐标矩阵的方法减小计算量。然后针对序列帧所有图像,采用最大值投影变换的方法,检测运动的小目标。最后通过200帧观测图像对算法进行验证,实验表明该方法能实时、准确地对目标进行检测,同时可以精确地定位目标质心。     

采用最大背景估计的星敏感器图像处理方法

星图处理是星敏感器运行的基础,而杂光干扰是影响星敏感器图像处理的主要因素之一,是算法设计需要重点考虑的干扰源。为消除杂光干扰的影响,通过分析星图中目标及背景的特征,根据星点二维高斯分布模型构造了权值参考函数,改进了最大化背景估计模型,设计了欧几里德四象限旋转对称的掩模,辅以图像分割、去噪,构成采用最大背景估计的星敏感器图像处理算法。另外采用了星点提取率、虚警率、极限探测星等、单星定位精度和仿真时序综合评价星图处理算法性能。实验证明该图像处理算法星点提取率高、虚警率低、单星定位精度高、抗杂光干扰性能优异且具有通用性。     

一种星辐射模式下全天区星图识别算法及FPGA实现

针对在DSP中实现全天区星图识别算法耗时长导致实时性差,提出并实现了一种基于FPGA的星辐射模式下的全天区星图识别算法。该方法利用FPGA并行性、高主频等特性,在保证算法高精度、高准确度的前提下,解决了全天区星图识别耗时长的问题。首先,根据星点信息构建星辐射模式；其次,基于FPGA实现了星辐射模式下对应特征向量的计算；最后,提出了一种可预读、流水化的星辐射模式匹配算法,极大地缩短了星辐射模式匹配的时间。在Xilinx公司的Xc7a75tfgg484-2平台上进行实验验证,结果表明,在相同时钟主频下,基于FPGA的星图识别算法速度比基于DSP的算法速度快10.95倍以上,而且在使用三组特征向量同时进行匹配时,识别率超过99%。     

星识别的全新智能快速搜寻方法

星图识别算法的关键是识别效率高、花费时间短。过去的几十年里,人们致力于建设搜寻数据库的方法,而且确实找到了大量的搜寻方法。为了减少星图数据库的搜寻时间,提出了一种将不同恒星星等分层分类的新技术。同时,采用这种准确快速的搜寻方法提出了全新智能快速星识别算法。基于台式机的仿真结果显示这种星识别方法和数据库搜寻方法具有较高的准确性和效率。通过数据库搜寻星特征的时间复杂度为0(n)。除此以外,因为星图像的质量决定了星图识别算法准确性的改进,因此提出一种模糊边缘检测技术来解决图像的预处理问题,这种方法对于噪声消除、星特征提取、数据库建设和匹配有重要意义。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

均匀快速的导航星选取方法

为解决导航星表分布的均匀性、构建的快速性问题,提出了一种基于极坐标细分法(PCSM)及距离-星等加权法相结合的导航星选取方法。通过在近似均匀分布的球面基准点的邻域附近选取导航星,用来保证所选导航星分布均匀性,并解决坐标极值越界问题;为了提高搜星过程整体速度,引入了k-vector 快速搜索方法搜索基准点邻域内候选星;最后,综合考虑导航星的均匀性与亮度指标,设计了距离-星等加权方法筛选导航星。仿真结果表明:该方法简单、易行、适用性强,选取的导航星分布均匀性好。     

一种运动背景序列星图弱小目标运动轨迹提取算法

提出了一种序列星图中目标的运动轨迹提取算法.利用交叉投影方法提取星点,确定包含星点的区域;提出一种基于自适应窗口选择PIV技术的序列星图全局运动参数估计算法,并对序列星图进行配准,滤除背景恒星;提出一种目标运动轨迹的提取箅法.实验结果表明该算法对于空间小目标(≥1 pixel)在序列图像中运动轨迹不连续的情况可以进行准确的运动轨迹提取,具有较强的鲁棒性.     

提高星图正确匹配率的新方法

在CCD星敏感器中,快速而可靠的星图识别算法成为星敏感器确定姿态的最关键部分。针对星图识别中误匹配点的存在,提出了一种新的剔除误匹配点的方法—累积偏差法,选取合适的判定阈值对实验数据进行筛选,并结合最小二乘曲面拟合法对实验数据进行误差分析,实验结果表明,采用此方法,可以很好地剔除星图识别中的误匹配点,在赤经(α)和赤纬(δ)方向拟合偏差平均值可达到5.267 2,″星图正确匹配概率大大提高。     

红外星图预处理及星点定位精度分析

红外星图是白天观星获取的原始数据,图中含有单点噪声和条纹噪声等多种噪声,严重影响了后续的星点提取和质心定位。针对外场观星获取的红外星图,进行了星图预处理,并分析了星点定位精度。提出了单点噪声的检测与补偿算法和条纹噪声的列均值偏移校正（CMOC）算法,还采用Wiener2 和Top-hat 组合滤波方法对星图进行进一步滤波去噪,最后使用在观测星图中加入理想模拟星点的方法计算了星点定位精度。实验结果表明,预处理算法有效抑制了红外星图中的各种噪声,星点目标峰值信噪比最多由4.7 提高到了31.3,模拟的2 等星的星点定位标准偏差量级为1/30 pixel 水平,满足工程应用的精度要求。