一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

Laplacian多特征映射的三维模型形状分析

面向三维模型的统一结构描述与智能检索的技术需求,提出一种Laplacian多特征映射的三维模型形状分析方法.首先提取三维模型的表面形状与体积特征,建立融合测地线距离、角距离和空间体积的多特征相似度矩阵;其次根据Laplacian特征映射算法实现三维模型由空域到谱域的转换以及多谱特征分析;最后通过对Laplacian矩阵特征值之间的本征间隙自适应确定聚类数目,并结合K-means聚类方法实现模型的自动结构识别与分割.实验结果表明,在同一类模型的结构特征提取与统一分割应用中,该方法是高效、鲁棒的,对于实现模型的高层次语义描述、模型配准以及模型检索具有重要的意义.     

变周期RP-EKF时延纯方位角目标跟踪算法

针对声传感器纯方位目标跟踪应用,提出了一种基于静态多模型的距离参数化变周期扩展卡尔曼滤波算法,将时延影响转换为模型的可变周期,并通过参数在线估计的方法,估计该可变周期.距离参数化方法将整个距离空间分成若干个区间,分区间对距离进行估计,进而搜索出目标与观测平台之间的正确距离值.仿真结果表明变周期距离参数化扩展卡尔曼滤波算法能有效解决经典扩展卡尔曼滤波算法在纯方位角目标跟踪时可能出现的滤波发散现象,并能处理声音信号的传输时间延迟问题.     

提高阵列天线DOA估计的改进MUSIC算法

在阵列信号处理中,经典的MUSIC算法是建立在非相干信号模型的基础上的,对于低信噪比条件下的相干多径信号和信源间隔比较近的信号,MUSIC算法难以估计出它们的DOA.利用求根MUSIC算法在小样本空间性能优异的特点,在重构数据协方差矩阵的基础上,通过理论推导.这里给出了一种基于求根MUSIC的改进算法,用于提高低信噪比条件下的相干多径信号与信源间隔比较近的信号DOA谱分辨能力,计算机仿真结果验证了这种方法的有效性.且与修正MUSIC算法相比较,谱分辨能力有明显的提高.     

基于二次迭代稀疏重构的跳频信号参数估计

为了解决现有参数估计方法中时频聚集性不强,低信噪比下估计精度不高问题,提出了一种基于二次迭代稀疏重构的跳频信号参数估计方法。根据跳频信号的时频稀疏性进行稀疏重构,获取信号的时频分布矩阵;通过分析时频分布矩阵的特点,对信号进行二次迭代稀疏重构,获取二次时频分布矩阵。为了提高在低信噪比下算法性能,采用二值形态学滤波对时频图进行处理,进而实现信号的良好参数估计。仿真结果表明:该算法能够有效地提高参数估计精度,在低信噪比下有良好的估计效果。     

卡尔曼滤波在核脉冲全谱数据采集系统中的应用

针对核脉冲全谱数据采集技术中采用的深度加权滤波法在数据量少时平滑效果差、滞后大的缺点,设计了卡尔曼滤波算法替代传统滤波算法进行解谱的方案。滤波算法首先根据信号与噪声的状态空间模型,建立状态方程和测量方程,然后根据广义卡尔曼滤波对测量方程进行更新,最后根据现场的标准刻度井测量数据确定测量矩阵,对测量数据进行滤波。实测结果表明,该滤波算法相对于传统滤波算法,能够消除谱图的统计涨落,提高光滑度,遏制滞后,并保证滤波后曲线不失真。     

改进频点权重系数的频域盲源分离排序算法

为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法.改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强.     

基于DFRCT滤波器组自适应语音增强算法

提出一种改进的语音增强方法,将带噪语音信号进行子带分解,再对子带信号进行离散分数余弦变换（DFRCT）域滤波,利用了DFRCT良好的正交特性,且自适应滤波采用最小均方（LMS）算法。对滤波后的信号进行DFRCT逆变换得到增强后的子带语音信号,合成增强后的语音信号。仿真结果表明,该算法在减少输入信号自相关程度的基础上,提高了收敛速度,减少了计算时间（约10 s）,增强后的语音信号的分段信噪比（SegSNR）和PESQ值都有所提高,具有良好的语音增强效果。     

基于小波分析的脉搏波信号去噪

脉搏波信号采集过程中存在引入的肌电干扰和基线漂移等噪声,引起脉搏信号不准确。针对传统滤波方法滤除脉搏波噪声性能较低的特点,提出了一种改进的空域相关滤波方法。将信号小波分解后,在小波变换值的相关量中加入一个自适应调整系数,最后用保留的小波系数对原信号进行重构;改进方法具有良好的自适应性能和显著的滤波效果,在有效去除噪声的同时,很好地保留了信号的主要细节。仿真结果表明,改进算法去噪效果好,同时减小误差,提高了信噪比,为脉搏分析提供了准确信息。     

LPV模型的Kalman滤波器设计

针对线性变参数（LPV）模型,给出了一种改进Kalman滤波器设计方法,这种滤波方法可以根据系统LPV模型实时调整滤波状态方程矩阵系数,从而增强滤波算法对系统模型变化的跟踪性能,并提高滤波准确性。结合具体实例,通过仿真比较,较好地检验了该方法的有效性。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

PhotoshopCS3／CS4滤镜剖析

滤镜是Photoshop中功能最丰富、效果最奇特的工具之一。该文通过对PS滤镜及其案例分析,探讨如何深入地学习PS滤镜,充分发挥PS的滤镜功能,从而制作出绚丽多姿、风格迥异的图像。     

衰减因子自适应估计卡尔曼滤波比较研究

针对卡尔曼滤波算法发散的问题,从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波发散的原因,提出了新的衰减记忆卡尔曼滤波中衰减因子的自适应估计方法。该方法利用滤波残差序列在最优估计时为零均值白噪声的性质,分别检验滤波残差每一个分量得出衰减因子值,并与强跟踪滤波器进行了对比研究。仿真结果表明,新算法在系统噪声特性不准确的情况下,能自适应地估计出衰减因子的大小,抑制卡尔曼滤波估计的发散,滤波精度要高于强跟踪滤波器;且其推导形式简单、计算量小、适合于在线运算。     

Photoshop CS3/CS4滤镜剖析

滤镜是Photoshop中功能最丰富、效果最奇特的工具之一。该文通过对PS滤镜及其案例分析,探讨如何深入地学习PS滤镜,充分发挥PS的滤镜功能,从而制作出绚丽多姿、风格迥异的图像。     

卡尔曼滤波计算方法研究进展

本文简要回顾了卡尔曼滤波研究的发展历程，重点对卡尔曼滤波及其在改善数值稳定性，提高计算效率等数值计算方面的研究与发展进行了综述，对ＱＲ分解，Ｕ－Ｄ分解，奇异值分解等在卡尔曼滤波，状态与偏差分离波及并行滤波与分散滤波等方面应用的新进展作了介绍。     

一种用于中值滤波的改进均值划分算法

图像滤波是很多图像处理算法在图像预处理阶段采用的处理措施,而中值滤波不仅能够有效地去除图像中的噪声,而且可以保持图像的边缘细节,从而成为首选的图像滤波方法.由于中值滤波需要使用排序操作,其计算时间复杂度较高,而且在滤波窗口较大时,导致图像滤波耗费较长的时间,不能满足海量、高分辨率图像实时滤波处理的需求.在研究中值滤波基础上,提出一种改进的基于均值划分的快速中值滤波算法,实验表明,该算法可以有效地降低图像中值滤波的时间消耗,特别是在大尺度图像中,当滤波窗口较大时,能够显著降低图像滤波时间,同时,能够与传统中值滤波保持一致的效果,进一步增强了大尺度图像实时处理能力.     

K分组合型Bloom Filter方法的设计

Bloom Filter是一种采用位向量表示数据集合并利用Hash函数支持有效数据查找的方法.它能够很好地判定某个元素是否属于给定的集合.拆分型Bloom Filter是Bloom Filter的一种改进,它能较好地缓解分布式环境下集合元素动态增长导致的查找误称率增大问题.作为一种新的K分组合型Bloom Filter,通过与Bloom Filter和拆分型Bloom Filter比较分析的结果表明,该方法能够在误称率、向量空间和平均判定时间3个指标中得到较好的平衡.     

Linux系统下使用Iptables构建防火墙

介绍了Linux系统下防火墙的发展过程及其工作原理,研究了Netfilter提供的功能和Iptables命令的用法,在此基础上建立了一系列实用的防火墙策略和规则。通过具体实例分析了如何运用这些规则来构建满足用户需求的防火墙。     

TMS320F2812芯片ADC模数转换精度的分析

TMS320F2812是高集成、高性能指令控制应用芯片,但其ADC模数转换单元易受干扰,精度差。本文从实际应用的角度出发,通过比较硬件滤波、电源滤波、软件滤波、工作时钟频率、ADC转换窗口、外部RAM等外围设计因素,提出了电源、软硬件滤波综合方案,以提高ADC模数转换精度。     

Some improvements for image filtering using peer group techniques

An image pixel peer group is defined as the set of its neighbor pixels which are similar to it according to an appropriate distance or similarity measure. This concept has been successfully used to devise algorithms for detection and suppression of impulsive noise in gray-scale and color images. In this paper, we present a novel peer group-based approach intended to improve the trade-off between computational efficiency and filtering quality of previous peer group-based methods. We improve the computational efficiency by using a modification of a recent approach that can only be applied when the distance or similarity measure used fulfills the so-called triangular inequality property. The improvement of the filtering quality is achieved by the inclusion of a refinement stage in the noise detection. The proposed method performs according to the following steps: First, we partition the image into disjoint blocks and we perform a fast classification of the pixels into three types: non-corrupted, non-diagnosed and corrupted; second, we refine the initial findings by analyzing the non-diagnosed pixels and finally every pixel is classified either as corrupted or non-corrupted. Then, only corrupted pixels are replaced so that uncorrupted image data is preserved. Experimental results suggest that the proposed method is able to outperform state-of-the-art methods both in filtering quality and computational efficiency.