基于DOA估计的认知无线网络频谱感知

认知无线电技术中频谱感知性能的优劣直接影响认知通信系统的性能。针对该特点提出了认知无线电网络中基于波达方向（ DOA)估计的主用户频谱感知模型,即单主用户多次用户和多主用户多次用户的系统模型,选取基于特征分解的多重信号分类（ MUSIC)算法分析两种模型的感知性能,包括虚警概率、漏检概率、最小总错误概率、算法复杂度等,获得了闭值表达式,最后在两种模型下对算法进行了仿真。仿真结果表明：各参数主要影响虚警概率,而漏检概率几乎不受影响,验证了方法的有效性。     

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。      

基于LSTM神经网络的频谱感知算法

在频谱感知中经典的能量检测算法在低信噪比时检测性能较低且门限难以估计,基于机器学习的感知算法受限于检验统计量的构造会造成接收信号原有结构信息的丢失。针对这些问题,本文提出一种基于LSTM神经网络的频谱感知方法,首先利用接收信号序列作为神经网络的输入特征向量,然后使用LSTM神经网络进行训练得到分类器,最后使用训练好的模型实现频谱感知。该方法无需估计检测门限值,也无需构造特征向量,仿真结果表明,所提算法在采样点和次级用户更少的情况下仍优于对比算法。      

基于参数估计的无参考型图像质量评价算法

针对现有客观图像质量评价算法通用性差及人类主观感知相关性弱等问题,该文提出一种基于参数估计的无参考型图像质量评价算法。该算法通过分析图像本身所蕴含的质量特征,提取出图像结构信息、颜色信息和视觉信息的评价度量指标,采用回归分析的方法估计出相应指标的参数。实验结果表明,该算法与主观评价结果一致性好、鲁棒性强,优于其它客观评价算法,能够准确反映人类对图像质量的视觉感知效果。     

基于双眼视觉感知特征一致性的立体图像体验质量评价

3D图像被认为是多媒体技术的重要标志,其中,立体图像质量对3D图像发展起到至关重要的作用。不同于传统的2D图像质量评价,在3D图像质量评价中引入关于体验质量（ QoE）问题的新挑战,因此,本文提出一个基于双眼视觉感知特征一致性的立体图像体验质量评价算法。具体地,先对2个视点图像提取像素梯度作为视觉感知的低层次特征,再用梯度方向直方图特征（ HOG）建立立体图像的视觉感知特征向量,然后,由支持向量回归（ SVR）方法来学习视觉感知特征与立体图像体验质量得分的关系,最后,通过训练好的SVR模型来预测立体图像体验质量。实验结果表明所提算法能够有效地预测立体图像体验质量。     

基于自然统计特征分布的无参考图像质量评价

针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果,该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分,再将高频子带部分分成 的小块,提取每一子块的幅值和信息熵,并分别计算其分布直方图均值和斜度作为特征,利用支持向量回归思想对特征进行训练,建立5种不同失真类型的质量预测模型。在此基础上,采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重,结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明,该算法的评价效果优于现有的经典算法,与主观评价具有较好一致性,能够准确反映人类对图像质量的视觉感知效果。     

一种计算有效的Nystrom特征子空间匹配主用户频谱感知新算法

针对核（kernel）空间下主用户频谱感知算法存在的计算任务繁重这一共性问题,提出一种低计算复杂度的Nystrom特征子空间匹配（NSM）新算法.该算法依据数据样本维的独立同分布特性随机地选择数据子集.在高维核空间下应用Nystrom近似获得主特征向量,用以分别构建主用户特征信号与次用户接收信号的Nystrom特征子空间.以此为基础计算相应的Frobenius距离,实现主用户检测.计算机仿真结果表明：与代表性的核空间下主用户频谱感知算法相比,所提算法在保证检测性能较为理想的前提下,可将相应的计算复杂度降低近66%.     

认知无线电差分协作压缩频谱估计算法

在分布式认知无线网络场景下,针对传统协作压缩频谱估计收敛速度慢、计算复杂度高的问题,提出了一种差分协作压缩频谱估计算法用于宽带频谱感知。算法通过利用不同认知用户感知的宽带信号所满足的相同频谱支撑集特征,实现了在邻居节点感知先验信息条件下,本地认知用户基于压缩测量向量差值的宽带频谱迭代估计。仿真分析结果表明,所提算法在频谱估计精度、检测性能与计算复杂度方面均获得了明显改善。     

基于感知模型的自适应码率控制算法

提出了一种基于人眼视觉系统(HVS)的感知模型,将反映视觉感知系统某部分特征的宏观描述统一到一个整体的数学模型中.特别是将人眼对于运动信息的感知特性与其他感知特性相融合.利用时空掩盖效应计算视频帧的复杂度与宏块的感知度.而自适应码率控制算法将根据帧复杂度分配给帧一个适当的比特数;根据宏块的感知度,将感知度低的区域的比特数转移到感知度高区域.新算法可以用更少的比特数获得更佳的主观视觉质量.     

超高清内容清晰度用户体验质量评价

针对多媒体行业对超高清内容清晰度用户体验评价的迫切需求,提出了一种有效的无参考质量评价算法,以预测目标内容的用户感知体验,并区分原始4K和伪4K内容。通过对目标内容进行分割,利用局部方差选择了3个代表性子块代替全局来提高计算效率。针对超高清内容的特性,提取了复杂度特征、频域特征和像素统计特征。采用支持向量回归的方法将这些提取的特征融合为一个质量指标,以预测目标内容的质量分数。实验结果表明,本模型可以有效地评估用户感知体验,并具有良好的辨别真假4K内容的能力。     

一种通用型无监督的无参考图像质量评价算法

为了克服针对特定失真类型的局限性以及避免有监督的学习过程,通过视觉注意模型和边缘信息来构造特征池,提出了一种基于特征池的不区分失真类型以及无监督的无参考图像质量评价算法.该算法不针对特定失真类型,对各种失真类型的图像都能做出较好的评价,从这个角度来说,是一种通用型算法.此外,该算法不需要主观分值的训练,因而又是一种真正的无监督的质量评价算法.而且,在提取空域特征时,考虑了人类的视觉感知特性,认为感兴趣区域以及边缘块会显著地影响人们对图像质量的评价.实验结果表明,该算法性能与人们的主观感知具有较好的一致性.     

可计算图像复杂度评价方法综述

可计算的图像复杂度评价是让计算机模拟人类视觉感知,从而对图像视觉复杂度进行决策的研究,该研究属于多学科交叉的创新性研究课题,在图像工程领域具有重要意义.本文针对可计算的图像复杂度评价方法进行了全面的梳理和分析,文中首先回顾了图像复杂度的应用领域,并详细阐述了图像复杂度评价方法,从信息论、图像压缩理论、图像特征分析、眼动数据等方面进行总结;随后,着重阐述基于图像特征的图像复杂度评价方法中所使用的图像特征;归纳图像复杂度建模中的分类和回归问题;最后,总结当前图像视觉复杂度评价方法存在的问题和挑战,展望图像复杂度的计算化发展方向.     

一种基于压缩感知的斑点噪声去除算法

针对现有斑点噪声去除算法去噪效果不明显、噪声残留度高等问题,将压缩感知(Compressed Sensing,CS)理论结合到图像处理中,提出一种基于压缩感知的斑点噪声去除算法。提出了斑点噪声模型,利用CS理论建立去噪模型并归纳其优化问题。将问题的解决方案分为3个步骤:稀疏表示、更新字典与图像重构。利用改善的正交匹配追踪算法(OMP)与奇异值分解算法(K-SVD),获得去噪后的重建图像。最后与现有的常用去噪算法进行性能仿真对比实验,在视觉感受与峰值信噪比(PSNR)2项评价指标上,均表明该算法具有较好的斑点噪声去除效果。     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.     

基于双目特征联合的无参考立体图像质量评价

通过模拟人类视觉系统(HVS)的双目视觉行为,提 出一种基于双目特征联合的无参考立 体图像质量评价(NR-SIQA)方法。首先分析立体视觉感知中的双目联合行为,提出 可应用于立体图像质量预 测的双目联合模型;然后采用学习和统计分析的方法,分别提取局部和全局特征并联合作 为感知特征; 最后采用机器学习算法,建立特征和质量的关系模型,并结合基于特征的双目联合模型预测 立体图像质量。实验结果表明,本文方法在对称立体图像库上的Pearson线性相关系数(PLCC)和Spearman等级系数(SRCC)高于0.93,在非对称库上高于0.87,优 于现有评价方法。     

基于Blending模型融合算法的有线电视客户流失预测

在互联网时代,有线电视业务面临激烈的竞争。广电运营商既需要在质量和宣传上进行改进,吸引潜在用户,也要重视对流失用户的预测和挽留。基于有线电视用户数据,对用户的特征进行分析,提出基于Blending模型融合算法的流失预测算法,并与传统神经网络进行对比。实例分析结果表明,模型在较低的时间、算法复杂度下,达到了较高的精度以及鲁棒性。     

基于协同学习的频谱智能感知方法

目前无线通信网络频谱环境时空分布复杂多变，现有多用户协同感知方法数据预处理繁琐，感知效率低下。为此，在由用户感知层和边缘融合层构成的系统架构下，提出了一种基于协同学习的频谱智能感知算法。用户感知层采用多分支卷积循环门控神经网络，利用原始归一化能量信号的底层结构信息，实现本地感知。边缘融合层基于自注意力机制进行消息传播，融合用户感知层中各个非授权用户的感知结果得出最终决策。实验表明，在信噪比为-20 dB以及5个用户协同感知的情况下，该方法能在虚警概率为1.91%时达到18.3%的检测概率，相比对比模型提升了6.1%,且不需要对原始数据额外预处理，降低了算法的复杂度。     

基于次用户功率控制辅助的合作频谱感知

传统的合作频谱感知一般将感知环境建模为单级信道,且次用户一般都以相同的发射功率向数据融合中心报告感知数据,难以体现并利用不同次用户感知数据之间的空间分集差异。为解决此问题并有效地设置次用户在感知数据上报阶段的发射功率,该文提出了3种最优功率控制方案,以获得相应设计准则下参与合作感知的次用户最优发射功率。在融合中心理想具备感知信道和报告信道的统计特性时,通过理论推导获得了基于信道统计特性的功率控制闭式解方案;当信道统计特性难以现实具备时,分别获得了基于联合信道统计特性估计的最大特征功率矢量及盲加权多特征功率矢量方案。理论分析和仿真实验表明,在不同的先验信息条件下,3种方案的性能皆远优于缺少功率控制的合作感知方案。     

基于非负矩阵分解的彩色图像质量评价方法

针对稀疏表示的图像质量评价模型都基于灰度图像,缺少颜色信息,该文提出一种基于非负矩阵分解(NMF)的全参考彩色图像质量评价方法。首先,从自然彩色图像中随机采样,得到训练样本,利用非负矩阵分解,训练得到特征基矩阵,并经过Schmidt正交化,构建特征提取矩阵;其次,根据视觉显著性模型,利用最大视觉显著性和显著性差值两步骤选取视觉重要区域;最后,利用特征提取矩阵,得到低维的特征向量,并最终得到彩色图像质量评价值。实验结果表明,该文方法在LIVE, CSIQ和TID2008 3个图像质量评价库上有很好的表现。3个图像库的平均结果显示,该文方法的综合表现优于所有对比方法。这表明该文方法与主观感知有更好的关联度。     

改进的协同训练框架下压缩跟踪

针对基于传统协同训练框架的视觉跟踪算法在复杂环境下鲁棒性不足,该文提出一种改进的协同训练框架下压缩跟踪算法。首先,利用空间布局信息,基于能量熵最大化的在线特征选择技术提升压缩感知分类器的判别能力,分别在灰度空间和局部二值模式空间建立起基于结构压缩特征的两个独立分类器。然后,基于候选样本信任度分布熵的分类器联合机制实现互补性特征的自适应融合,增强跟踪结果的鲁棒性。最后,在级联的梯度直方图分类器辅助下,通过具备样本选择能力的新型协同训练准则完成联合外观模型的准确更新,解决了协同训练误差的积累问题。对大量具有挑战性的序列的对比实验结果验证了该算法相比于其它近似跟踪算法具有更优的性能。