基于差分进化的置换混叠图像盲分离

针对1类存在模糊差异的置换混叠图像,提出了1种基于差分进化的置换混叠图像盲分离算法。选择空域作为特征域,将置换混叠图像的梯度图像分成小块,并为每个小块设定个阈值,组成1个阈值向量。利用差分进化算法获得最优的阈值向量,将置换混叠图像阈值化为二值图像,利用图像形态学实现二值图像分离出置换图像。实验结果表明,与阈值法相比较,本算法能较好地把置换图像从置换混叠图像中分离出来,而不受置换图像位置、大小和个数的限制。     

改进的粒子滤波单通道盲分离算法

针对粒子滤波在通信混合信号单通道盲分离中存在固定参数联合估计精度低,收敛速度慢等问题,提出了一种改进的盲分离算法。通过对传统的随机游走模型加以修改,并将参数粒子的后验概率密度分布近似为Beta分布,提高了参数估计的收敛速度和精度,改善了分离性能;为了衡量算法的参数估计性能,推导了符号已知条件下的参数联合估计克拉美罗界。实验仿真结果表明,算法具有更好的参数估计性能和分离性能。     

基于EMD的单通道盲源分离跳频通信抗干扰方法

针对传统盲源分离算法无法在单路接收的跳频通信场景中使用的问题,提出一种结合经验模态分解的单通道盲源分离跳频通信抗干扰方法。首先通过理论分析和仿真确定了采用EMD对混有干扰的单路接收跳频信号进行增维的方法,将单通道盲分离的欠定问题转为正定问题,之后分别利用全盲盲源分离和半盲盲源分离实现扰信分离。在不同信干比、不同信噪比等多种条件下的仿真实验验证了本方法的有效性。     

求解单通道盲分离问题的一种新方法

近年来,单通道盲分离作为信号处理领域中的重要分支,受到了人们越来越多的关注。粒子滤波和进化算法都是利用一群粒子(个体)进行逼近估计的方法,同时各有各的优势。本文将粒子滤波与进化算法两种方法结合起来,既利用了粒子滤波估计的准确性,又利用了进化算法对收敛性进行保证,提出了一种解决单通道盲分离问题的新方法。文中针对两路同频BPSK混合信号,采用粒子滤波的架构,同时利用赌轮选择方法对粒子进行重要性采样,最后根据最大后验估计的方法对当前时刻的粒子对进行估计。     

基于EEMD和ICA的单通道列车信号盲分离

针对列车混合故障的诊断,提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF）,组成新的多维信号;用主成分分析准确估计源信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验,实验结果表明,该算法可以有效地分离出列车的单故障信号。     

抑制边缘效应的自适应单通道盲源分离

单入多出的盲源分离SIMO_BSS是一种特殊的欠定盲源分离。针对单信道问题,通常采用总体经验模态分解和独立成分分析联合使用EEMD_ICA算法。然而,以EEMD为基础的盲源分离算法,会产生边缘效应降低信号分离准确率。因此,提出了一种在端点处增加预测极值点的方法来抑制边缘效应,在时间、空间复杂度上要明显优于基于周期延拓源信号的方法,而且适用于长序列信号的分离。在不同的信噪比SNR下,通过心电ECG混合信号仿真,该方法比EEMD_ICA方法,以及EEMD_PCA_ICA方法分离出的信号相似度高。最后将该算法实际应用到周期压电信号中,结果表明该方法具有明显的去噪分离效果。     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

基于边缘模糊频谱特征的散焦参数估计方法

退化图像复原的关键在于点扩散函数(PSF)的准确估计,针对散焦模糊图像点扩散函数参数未知的情况,提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征,进而构建了自然图像的边缘模型作为参考图像,通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性,以获取散焦参数估计值。实验结果表明,所提方法能够适用于大尺度模糊图像的参数估计问题,且具有较强的抗噪性能。     

肌电三维仿真手的单通道盲识别系统

介绍的肌电三维仿真手的单通道盲识别系统.利用单通道盲源分离,避免硬件电路连线复杂;利用混沌加密,确定表面肌电信号(Electromyography)盲源识别顺序.实验表明,该系统实现了肌电信号单通道纪录,解决了盲源分离中的分离无序的问题,准确地实现手部运动模式的实时识别和显示.     

基于自适应稀疏字典学习的图像盲分离技术研究

稀疏性对多通道观测的信号源分离具有重要作用,现有的算法只能有效的分离稀疏域已知的信号源.为了解决这个问题,可以将字典学习与信号源分离相结合.定义一个代价函数,采用ELad等人提出的降噪方法使其最小化.由于直接采用降噪方法使代价函数最小化难于实现,可以采用一种分级的字典学习方法,根据每一个信号源建立一个自适应的局部字典.该方法能够在噪声条件下有效的提高信号源分离的效果,仿真结果表明了该方法的有效性.     

基于编码孔径的折反射散焦模糊图像复原

360度折反射成像系统由于其曲面反射的成像特点,获得的全向图像会不可避免地产生散焦模糊问题,使得全向图像的应用受到限制。针对全向图像成像过程中的散焦模糊问题,首先通过分析折反射系统中入射光线和图像模糊的关系,建立全向图像散焦数学模型;然后利用编码孔径技术估计出图像中各个位置的模糊程度;最后通过反卷积算法复原图像。通过该方法,可以很好地消除全向图像的散焦模糊,获得全聚焦的清晰全向图像。获得的全聚焦全向图像在全向智能视频监控、战场环境全向智能感知以及机器人全向视觉等领域具有较大应用价值。     

基于图像单调特性的盲源分离算法

针对日常生活中两幅图像会出现混叠的情况,根据数字化图像灰度值范围有界特性和一般信号盲源分离的方法,提出了一种利用分离比值函数单调特性达到图像盲分离目的的新算法。新算法根据接收端的观察信号确定信号之间的比值函数,通过函数的单调性分析找到分离矩阵的关键值,从而实现图像的盲源分离。本算法无须先验知识,没有统计相关性的约束条件,而且分离速度快、效果明显,实验仿真结果验证了算法的有效性。     

一种基于独立分量分析的模糊图像盲分离算法

利用独立分量分析（ICA）的不完整自然梯度算法对因混合而引起的多幅模糊灰度图像进行盲分离,并针对算法中的非线性函数与源信号概率分布密切相关,而源信号的分布却是未知的先验信息的问题,利用算法输出信号的峰度对非线性激活函数进行自适应选择,提出了一种改进的自适应不完整自然梯度算法,并将其应用于模糊图像的盲分离,分析了不同混合矩阵对本文算法恢复原始灰度图像的影响及算法性能。仿真结果证明了本文算法与经典的FastICA算法相比,计算耗时更少、性能指标明显优越。     

基于模型的单通道语音分离综述

语音分离是实现机器听觉的一个重要而基础性的任务,单通道语音分离是语音分离中最为困难的问题。讨论了基于模型的单通道语音分离方法,对说话人依赖的、说话人选择的和说话人独立的三类单通道语音分离问题展开分析,并指出当前方法存在的问题和影响算法性能的关键因素。最后对基于模型的单通道语音分离研究发展方向进行了展望。     

可学习高阶微分方程的图像盲复原

目的 图像盲复原是图像处理中的常见的重要问题之一,具有巨大的研究价值和广泛的应用。通常情况下,相机抖动,聚焦不准,环境噪声等因素都会造成图像模糊。由于图像盲复原需要同时求解模糊核和清晰图像,导致该问题是病态的而难于求解。现有的盲复原方法可以分为两大类,一类是基于最大后验概率来同时估计潜在图像和模糊核的方法,但是这样耦合在一起的方法由于先验条件和初值设置不恰当,常常会导致最终求得的是问题的平凡解,以至于盲复原的效果并不理想。另一类是基于变分贝叶斯来估计模糊核,这种方法通常是采用最大化强边图像的边缘概率,由此估计的模糊核鲁棒性较强,但是对潜在图像的强边条件要求比较高,计算复杂度和实现难度都较大。鉴于以上方法的优缺点,提出基于高阶微分方程学习的方法来实现图像去模糊。方法 借鉴传统的迭代演化方法和网络学习方法各自的优势,将网络学习到的特征（引导图像,卷积滤波器,稀疏测度）融入到高阶微分方程的演化过程中区,提出可学习的基于高阶微分方程的演化来模拟图像的演化过程。具体地,先用范数约束得到一个粗略的强边引导图像,然后将学习到的卷积滤波器和稀疏函数一起作用在当前的潜在图像上,得到一个关于图像的更好的梯度下降方向,将此作为微分方程演化的一个步骤,得到一个更为精炼的强边图像。最后用精炼的强边图像来估计模糊核。该方法可以通过先验知识和训练数据来有效地控制模糊核的估计,进而得到较为清晰的盲复原结果。结果 在图像建模层面上,用非盲复原的方法验证了本文提出的微分方程演化过程是可行的。通过和其他盲复原方法做对比,在不同的基准图像数据库上的定量的实验中,本文方法在数据库上的峰值信噪比,结构相似度分别达到30.30,0.91,误差率低至1.24;比其他方法的结果都要好,在时间上,虽然我们的算法不是用时最少的,但是和性能相当的本文的方法相比,本文算法时间消耗远比该算法少。在各种不同类型的模糊图像去模糊结果也表明了本文方法是有效的。结论 本文可学习的高阶微分方程去模糊的方法,能够有效地估计模糊核,进而更好地恢复出清晰图像。实验结果表明本文方法在各种场景中具有较高的灵活性,都能自适应地对图像去模糊。     

模糊图像点扩散函数的亚像素精度离散化方法

快速准确的点扩散函数(PSF)估计方法,是获取良好模糊图像复原效果的前提。针对散焦模糊和匀速运动模糊的PSF在以往离散化实现过程中的近似误差问题,提出一种结合退化模型几何性质和亚像素估计的离散化方法,定义了近邻像素点的距离相关权值分配原则,并以此进行亚像素精度的估计,从而实现了PSF的离散化。实验结果表明该方法的估计精度有很明显的提高,并在主观视觉质量和客观图像清晰度评价函数、峰值信噪比(PSNR)、改善信噪比(ISNR)方面均优于传统方法。     

基于改进的萤火虫优化算法的混合语音盲分离

针对传统盲源分离优化算法对分离性能影响较大的局限性,提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整,在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明,与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比,新算法对混合语音信号的分离效果较好,在收敛速度和分离能力方面都有所提升。