基于协方差流形的异常驾驶行为识别方法

研究一种高效的异常驾驶行为正确识别分类的识别方法,对预防由于异常驾驶行为导致的交通事故具有重要意义。提出了一种新的基于协方差流形的异常驾驶行为识别方法。首先提取图像的纹理、颜色和梯度方向特征,以克服基于单一特征识别驾驶行为的不足;并利用协方差流形进行多特征融合,以消除特征冗余以及不同特征数值悬殊对图像识别的影响;最后使用多类LogitBoost分类器进行分类识别。针对相同检测目标的正确识别率可达98%以上,对不同检测目标的正确识别率可达70%以上。实验结果表明该方法有效提高了驾驶行为识别的效果。     

基于协方差矩阵加权的非理想情况下自适应阵列干扰自由度估计

 在均匀线阵条件下,证明了干扰特征值渐近为周期延拓后的干扰空间谱这一性质.据此提出了一种非理想情况下估计干扰自由度,即大干扰特征值个数的方法.该方法首先利用协方差矩阵加权得到非理想情况下的干扰协方差函数和对应的空间谱,然后根据周期延拓后的干扰空间谱估计干扰自由度.仿真结果验证了该方法的有效性.     

基于区域协方差矩阵特征与流形SVDD的SAR目标鉴别

为提高合成孔径雷达自动目标鉴别方法中鉴别特 征的可分性及鉴别器的 拒判性能,提出了一种基于区域协方差矩阵特征与一种迭代的SVDD相结合的目 标鉴别方法。融合多种纹理特征及其相关性,构造了一种基于区域协方差矩阵的 鉴别特征,该特征在实验中取得了良好的可分性且无需进一步的特征选择。将 SVDD的分类准则与协方差矩阵特征空间的流形结构相结合,设计了一种迭代流 形SVDD鉴别器,通过一种新的迭代方法选择SVDD的超球面中心代替Karcher均值点作为映射 基点。在RADARSAT-2实测数据上的实验结果验证了新方法的有效性。     

基于协方差描述子的红外目标粒子滤波跟踪算法

针对传统协方差矩阵跟踪方法中不能捕获目标旋转变化的问题,提出了一种基于椭圆协方差矩阵的红外目标辅助粒子滤波跟踪方法.首先对矩形协方差矩阵进行扩展,构建了椭圆协方差矩阵描述子,能有效适应目标的尺度和旋转变化,有效提高了目标模型的分辨能力.进而采用改进的李群结构来进行距离度量.在贝叶斯跟踪框架下,采用辅助粒子滤波采样粒子,解决了粒子滤波采样时由于没有利用观测值而造成粒子不能完全覆盖在目标位置附近的问题,最终实现了红外目标的准确定位.实验结果表明该算法简单有效,能准确跟踪尺度和旋转变化的红外目标.     

协方差矩阵的权微扰算法

本文给出了一种获得协方差矩阵的算法。只需依据自适应阵的输出功率，使用权微扰的方法，就可得到阵列的协方差矩阵。     

部分均匀海杂波中分组加权的协方差矩阵估计

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3dB。      

协方差矩阵输入的DOA估计方法

利用支持向量回归机对非线性函数的拟合能力,将波达方向(DOA)估计问题转化为样本的智能学习问题。提取已知信号的协方差矩阵上三角部分作为样本输入特征,构建波达方向估计模型,获取复杂函数的拟合能力,达到对未知信号波达方向估计的目的。仿真实验表明该方法具有很高的估计精度和速度,在低信噪比和通道存在相位误差的情况下具有较强的适应能力,性能优于RBF神经网络法,具有较大的工程应用价值。     

基于FPGA的复数浮点协方差矩阵实现

基于FPGA的协方差矩阵运算的实现大多采用的是定点计算方式,在运算过程中,存在数据处理动态范围小,容易溢出,截断误差等问题。加之以空间谱估计为研究背景的协方差矩阵运算,大多得到的是针对特殊阵列模型的实对称矩阵,不具备通用性。针对定点运算的不足和该运算的适用范围,研究了浮点运算和复数运算的特点,提出了基于复数矢量的浮点协方差运算的FPGA实现方案。在Altera／stratix／EP1S20F780C7中的仿真和调试结果表明了该方案的有效性。     

一种基于协方差矩阵行列式的频谱感知方法

针对最大最小特征值检测法(Maximum-minimum Eigenvalues Based Detector,MMED)需要对协方差矩阵进行特征分解,计算复杂度较高的问题,提出了一种基于采样协方差矩阵行列式的频谱感知方法。该频谱感知方法利用了矩阵行列式的所有特征值,只需要计算采样协方差矩阵的行列式,即可得到接近或者稍优于MMED的感知结果。仿真分析结果表明,与MMED相比,所提出的频谱感知方法不仅计算复杂度低,而且具有更佳的感知性能。     

基于协方差矩阵的复杂背景中目标检测

在视频的运动目标检测中,有很多经典方法,但是大部分都不能完整地从复杂背景中检测出运动目标。提出了一种运动目标检测的新算法——协方差矩阵算法,它集成了像素级和区域级2种不同的层次。在像素级中,空间的属性主要来之于像素的坐标值、亮度、纹理和梯度等。在区域级中,通过计算一个像素周围矩形区域的协方差矩阵来表示像素间的特征相关性。实验结果表明,该方法具有较强的鲁棒性,明显优于传统的目标检测算法。     

利用广义内积值迭代加权的空时协方差矩阵估计方法

精确估计协方差矩阵是空时自适应处理(STAP)的核心问题,基于最大似然的样本协方差矩阵估计方法仅适用于均匀检测环境。为了提高非均匀场景下协方差矩阵的估计精度,该文提出迭代加权的空时协方差矩阵估计方法。该方法依据广义内积值(GIP)与其统计均值的距离确定样本的加权系数,并通过建立广义内积直方图及迭代处理的方式进一步提高协方差矩阵的估计精度。仿真结果表明,该方法能够提高非均匀环境下协方差矩阵的估计性能。     

基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。     

基于图像协方差无关的增量特征提取方法研究

针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题,该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解,复杂度将大为降低,提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题,又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法,该算法对I2DPCA的特征矩阵再次进行纵向特征提取,保留了图像的横向与纵向结构信息,实现了行列两个方向上的特征提取与数据降维。最后,以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验,结果表明,该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高,其收敛率达到99%以上,分类率可达97.6%,平均处理速度为29 帧/s,能够满足增量特征提取的实时处理需求。     

基于马尔可夫随机场的降质光学图像预处理

文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度.该方法首先通过样本训练建立观测模型以对先验概率进行学习,然后采用模拟退火算法对模型参数优化计算,最后利用前两阶段所得模型进行未知图像处理.实验结果表明,该方法简单有效,可以取得较好的预处理效果.     

一种稳健的非均匀杂波协方差矩阵估计方法

在非均匀环境下,针对传统样本挑选、样本加权等方法由于数据利用率低导致独立同分布训练样本不足的问题,该文提出一种在空时2维谱平面联合距离维逐空-时频点谱估计与滤波的协方差矩阵估计方法。该方法根据杂波和目标在距离-空时2维谱平面的分布特性,逐点频估计待检测单元杂波谱,并采用中值滤波方式消除目标污染对地物杂波谱估计的干扰;最后重构无空时孔径损失的杂波协方差矩阵。仿真结果表明,相比于传统非均匀统计STAP方法,所提的距离-空时2维谱滤波方法能够在样本数不足时有效缓解目标信号污染、离散地形杂波或孤立干扰引起的STAP性能下降问题。     

基于特征点的汉字字体识别研究

该文提出了整体分析法和个体分析法的概念,并在分析它们各自适用范围的基础上,指出个体分析法更适合于解决印刷体汉字字体识别。在此基础上,提出一种基于特征点的个体分析法来解决汉字字体识别问题,与以往方法相比,该方法具有3个优点：识别可信度可控;处理速度快;适用于多语混排情况。实验结果表明,该方法有效解决了印刷体汉字字体识别问题,其性能大大优于以往方法。     

基于Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

基于导向矢量双层估计和协方差矩阵重构的稳健波束形成算法

针对干扰加噪声协方差矩阵(INCM)重构过程中Capon功率谱(CPS)估计分辨率低的问题,该文提出两种稳健自适应波束形成（RAB）算法。该算法首先通过搜索CPS的峰值确定积分区间,然后对各区间积分所得的协方差矩阵进行特征值分解。通过合理设置判定门限确定区间内所含的入射信源数量,并将较大特征值所对应的特征向量作为信源导向矢量(SV)的初步估计。而后通过最大化估计功率的方法,在初步估计SV的正交空间内搜索其与真实SV之间的误差。该算法1利用最小特征值所对应的特征向量,向初步估计的SV中添加正交比例梯度,得到双层估计的SV。与算法1不同,算法2通过求解2次优化(QP)问题得到修正的SV。最后通过重构INCM获得阵列最优权值矢量。通过计算机仿真实验,验证了所提算法有效解决了CPS估计分辨率低的问题,较其他算法综合性能更优,具备更高的稳健性。     

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。