一种基于粗糙集属性频度约简算法的改进

为了获得有效的属性最小相对约简,在基于属性频度的启发式约简算法的基础上,提出了一种同时满足属性重要性和频度改进的启发式约简算法.该算法的基本思想是:以属性的核为基础,以频度作为选择属性的启发信息,即把属性频度最大的属性添加到核属性中,这样就把分类能力较强的属性添加到约简集合中,从而能够获得较优的约简.     

一种基于粗糙集属性频度约简算法的改进

为了获得有效的属性最小相对约简,在基于属性频度的启发式约简算法的基础上,提出了一种同时满足属性重要性和频度改进的启发式约简算法。该算法的基本思想是：以属性的核为基础,以频度作为选择属性的启发信息,即把属性频度最大的属性添加到核属性中,这样就把分类能力较强的属性添加到约简集合中,从而能够获得较优的约简。     

基于卡尔曼滤波的背景估计及其算法实现

多数运动目标检测的方法中需要根据估计的背詈提取运动目标，本文运用卡尔曼滤波技术估计视频流中的背景．根据背景估计的前一个状态、当前图像值以及该像素在前一个状态中的分类，决定卡尔曼滤波器的参数，算法能解决在交通路口由于红绿灯使车辆暂停引起的车辆变背景现象。在2003VC.net平台上利用halcon提供的函数库实现算法．具有背景估计准、目标跟踪快、对光照变化、成像噪声等鲁棒性好的特点，较好地解决了视频流中车辆的跟踪问题。     

一种改进的OFDM信道估计算法

在无线通信当中,信道估计会受到许多因素的影响,例如噪声、衰减等。如何使得信道估计的准确度提高变成重中之重。通常我们应用的SVD信道估计算法,主要是用循环前缀长度为界来截取的特征值,这种做法的弊端是导致比较大信道噪声。因此,该文的对于这一问题,提出了一种优化的SVD算法,本算法的核心是估计信道的最大多径时延,从而来得到我们所需要的特征值,进而来降低噪声的干扰[1],通过仿真,我们可以看出本算法所体现的优越性。     

一种改进CARE业务流估计算法

主要研究了基于CR（capture-recapture）模型业务流估计算法CARE的过程和模型,分析了区分水平值、估计次数和数据列表长度对CARE业务流估计结果的影响,提出一种改进CARE业务流估计算法。新算法修改了CARE算法的估计过程,通过递归逐渐得到稳定的估计结果。实验分别采用计算机模拟数据和美国应用网络研究国家实验室NLANR的被动测量和分析工作组（PMA）的数据来对两种算法进行比较分析。结果表明改进的CARE算法业务流估计更准确。改进的CARE算法可以应用于网络中间设备实现业务流数目的估计,保证公平的带宽分配,具有很广泛的应用前景。     

一种改进的DVB-T信道估计算法

针对传统DVB-T系统信道估计算法估计精度低或复杂度高的问题,为了提高信道估计算法整体性能,提出了一种改进的DVB-T信道估计算法;该算法首先采用最小二乘法估计离散导频处频率响应估计值;进而,利用连续导频对信噪比进行估计;最后,将得到的信噪比估计值与预先设定的信噪比阈值进行比较,若估计值小于阈值,则先经过卡尔曼滤波处理,再在时频二维方向上用高斯插值得到全部子载波的频率响应值,否则直接在时域和频域上进行插值;此方法在信道条件较好时关闭卡尔曼滤波过程,从而有效减少滤波次数,提高算法整体运行速度;仿真结果表明,该方法能有效提高系统整体性能,减少在噪声影响较大时的干扰,同时也兼顾了算法整体运行速度。     

一种改进的背景提取算法

背景提取,是利用背景差分法获取目标的重要步骤。针对传统背景提取算法需要处理大数据量的问题,本文算法在传统背景提取算法的基础上,利用一段时间内,相邻图像相同位置的灰度值基本处在同一平稳区间的原理和思路,通过对小数据量的多次操作来获取背景图像。实验结果证明,这种做法可以在使用较少内存使用量的基础上获得比较好的效果,并可快速有效地对背景进行更新。     

一种改进的运动估计新算法

提出一种改进的新三步搜索法（NITSS）。该方法充分利用视频序列运动矢量概率分布上的中心偏置特性,在三步搜索算法的基础上引入了六边型分布的6个点构成搜索点群,解决了三步法的小运动估计效果较差问题。实验结果表明,同TSS算法相比,NITSS算法降低了搜索运算量,提高了搜索精度。     

一种改进的混合高斯模型背景估计方法

传统混合高斯模型一般为每个像素分配固定的高斯分布个数,从而造成背景形成速度的减慢和系统资源的浪费;同时也存在着高斯模型背景建模中的缓慢或滞留运动物体造成目标误判现象的问题(即空洞问题)。为此,提出了一种有效的两阶段视频图像处理方法。该方法在第一阶段根据像素点的优先级大小自动地调节高斯分布的数目,在第二阶段首先对像素点进行所属区域的划分,进而对目标区域和非目标区域采取不同的更新手段。实验表明,采用两阶段视频图像处理方法明显地改善了背景建模的速度,有效解决了提取目标出现的空洞问题。     

一种改进的快速运动估计算法

针对当前H.264/AVC典型快速运动估计算法缺少与其他编码特征相结合的情况,提出融合多参考帧选择和帧间模式判决的快速运动估计算法,综合考虑整数变换与量化、矢量预测、搜索范围、参考帧及其各个块模式之间的相关性。实验结果表明该算法在码率变化不大的条件下,可显著提高编码器的运算速度。     

一种新的复正弦信号二维频率估计算法

如何从遥感图像中实时而有效的估计出二维频率一直是一个难题,提出了一种二维复正弦信号的相似最大似然频率估计迭代算法.通过建立最大似然二维频率估计信号模型,并且结合最大似然估计价值函数,给出了两种新的频率估计价值函数;针对所提及的算法进行了均值和方差分析,分析结果显示该算法是近似无偏估计的,并且满足Cramer-Rao边界条件;最后对所提出的算法进行了仿真,并给出了其在干涉合成孔径雷达(INSAR)去平地相位中的应用.结果表明:算法具有较高的频率估计精度和较小的计算量.     

基于支持向量机的频率估计算法

针对高斯白噪声信道下通信信号的频率估计问题,提出一种基于支持向量机的频率估计算法.利用支持向量机的稳健性和泛化性将频率估计转化为小样本分类问题,使用较少的导频符号提高频率估计性能.该算法不需要接收数据的统计信息,对信号的初始相位不敏感,且不存在门限效应.仿真结果表明,该算法的频率估计性能在低信噪比下优于最大似然估计算法...     

一种改进的混合高斯背景模型

针对经典混合高斯模型无法识别静态目标的问题,提出一种改进算法。通过加入了参数还原算法,并引入一个反馈调节环节,可以避免静态前景被学习进入背景。当目标停留超过预定帧数时,目标所覆盖的每个像素点的K个高斯函数进行参数还原,避免了目标被更新为背景的一部分。实验结果表明,提出的改进模型,不仅能检测长时间静止目标,而且能识别多模态背景。     

一种改进的频偏估计算法及其性能仿真

论文在比较分析现有基于数据辅助的经典频偏估计算法的基础上,提出了一种改进的Fitz载波频偏估计算法.与原算法相比,该改进算法不仅扩大了频偏估计范围,同时提高了频偏估计精度.通过仿真验证了该改进算法性能.     

改进的DFT插值频率估计算法及其DSP实现

在Quinn算法和插值迭代算法(A&M算法)的基础上 ,提出了一种改进的离散傅里叶变换(Discrete Fourier transform, DFT)插值频率估计算法。该算法首先通过Quinn算法估计出1个频率误差作为迭代估计算法的误差初值,然后用迭代算法精确估计频率误差。改进后的算法可以有效减少迭代次数,因此同时具有Quinn算法 的高效率和A&M插值迭代算法的高精度。为了提高算法在DSP处理器上的运行效率,本文还对算法在DSP上的实现提出了一种优化方法,有利于该算法的实时性应用。仿真结果表明该算法在频率估计精度、实时运算效率以及对噪声的抗干扰性能上均获得了提升。     

适用于NC-OFDM系统的频偏估计算法

针对非连续正交频分复用(NC-OFDM)系统中频率同步的干扰问题,提出一种利用Zadoff-Chu变换矩阵的频偏估计算法。发送机的Zadoff-Chu矩阵变换模块将信号转换为恒定包络,接收机通过最小化2个相邻接收NC-OFDM符号中相同子载波的能量差获得频偏估 计,将频率补偿接收信号与Zadoff-Chu逆矩阵相乘,恢复出原始发送信号。仿真结果表明,该算法比其他算法有更好的误码率性能。     

基于FFT幅度和相位插值的频率估计改进算法

针对基于FFT的插值算法在信噪比较低或信号的实际频率与估计频率之间的相对偏差较小时,存在插值方向错误的情况,通过结合其中分段相位差法与Rife算法的优点提出了一种改进算法,该算法可以解决在低信噪比情况下当估计偏差δ接近零时,Rife算法估计误差较大、而当δ接近0.5时相位差法误差大的问题。算法仿真实验结果表明：改进算法在低信噪比条件下的频率估计精度高于Rife算法和分段相位差法,稳定性也比较高,具有很好的应用价值。     

一种数据辅助频偏估计算法

针对以往频偏估计不能兼顾估计范围和估计精度的问题,在分析和比较已有算法的基础上,提出一种基于自相关函数的频偏估计算法。将接收到的信号与辅助数据的共轭进行相关计算,然后对得到信号的自相关函数进行邻位符号相除来展开相位,得到相位差分序列,利用该序列对频偏进行估计,再对频偏结果进行加权平均,理论估计范围可达到符号速率的50%。仿真结果表明,该算法在信噪比SNR≥-5 dB的条件下,能够实现估计方差接近克拉美罗界,解决了估计范围和估计精度相矛盾的问题。     

基于Zoom-FFT的改进Rife正弦波频率估计算法

Rife算法是正弦波频率估计的一种经典算法,但其根本缺陷在于低信噪比且被估计频率接近量化频率点时估计性能差。本文通过分析Zoom-FFT的基本原理,验证了其具有可控的局部频谱放大功能,进而提出了一种改进的Rife频率估计算法。通过对信号进行Zoom-FFT处理实现以被估计频率为中心的较窄频段频谱的大幅度细化和放大,然后利用Rife算法进行精确频率估计。仿真结果表明,该算法具有高于传统Rife及其改进算法的估计精度和抗噪声性能,且对真实频率与量化频率点的位置关系不敏感,但计算复杂度有一定增加。     

融入频域信息聚焦特征的显著性目标检测算法

由于视觉注意预测能够快速、准确地定位图像中的显著区域,因此将视觉注意中的频域信息融入显著性目标检测中,从而有效地在复杂场景中检测显著性目标。首先,采用改进的频域检测方法对图像进行视觉注意预测,将该频域信息融入Focusness特征中计算得到频域信息聚焦特征,并将此特征与颜色特征进行融合得到前景显著图。然后,对RBD背景进行优化,得到背景显著图。最后,对前景显著图、背景显著图进行融合。在ESSCD,DUT-OMON两个具有挑战性的数据集上进行了大量实验,并采用PR_Curve,F-Measure,MAE对结果进行了评估,结果表明,所提出的方法要优于6种对比方法(HFT,PQFT,HDCT,UFO,DSR和RBD),并且能够处理复杂场景的图像。