基于高斯混合模型的纹理图像的分割

文章提出了使用高斯混合模型对纹理图像分割的方法。该模型考虑到图像纹理的特点，使用二状态的高斯混合分布来对图像各纹理类像素的分布进行拟和。首先对待分割的各类像素寻找与之匹配的最佳模型参数，然后再进行分割。最后，对分割结果进行多尺度综合，得到了各尺度的分割结果。实验表明该算法不仅能够较精确地定位各纹理区域，而且还有运算速度快的优点。     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

混合高斯自回归模型参数估计方法之ML-DC

混合高斯自回归模型可以对有色非高斯数据的概率密度和功率谱密度进行有效的拟合.而ML-DC算法则可解决这一模型的参数估计问题。描述了混合高斯自回归模型及其参数估计问题之后,分别导出了功率谱密度参数的最大似然估计和概率密度参数估计的动态簇算法,并由此组成了参数耦合估计的ML-DC算法。最后结合一组仿真实例对其估计性能进行了详细探讨,指出并解释了算法的适用范围。     

基于高斯模型的似然函数的逼近

为了解决最大似然目标定位中从局域传感器阵列到融合节点的传输数据量受限问题,依据对数似然函数的特点,选取高斯函数作为基函数,用最小二乘方法来拟合,提出了两种简化的方法。数值仿真结果表明,该方法在保证对数似然函数关键点的性能不变的情况下,大大降低了局部节点到融合节点的传输数据量。     

基于最大似然估计与卡尔曼滤波的室内目标跟踪

为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法.首先利用最大似然估计算法预测目标的运动轨迹,然后再利用卡尔曼滤波算法对预测结果进行滤波处理,进一步降低定位结果的误差.仿真结果表明,所提算法的定位误差均值为0.64 rn,比通用的最邻近算法性能...     

基于CORDIC算法的最大似然频差估计

针对频率偏移对低速散射通信中相干检测性能的影响,提出了基于CORDIC算法的最大似然频差估计;详细推导了最大似然频差估计的原理和CORDIC算法的基本原理;提出了具体的设计过程以及试验结果。     

空时网格码的联合迭代最大似然估计和译码

该文提出了一种适合空时网格码的联合迭代最大似然估计和译码的方法,利用较少的导频,能够获得比传统非迭代最大似然译码更好的系统性能,仿真结果显示经过4次迭代,其性能与接收机已知理想信道信息下的最大似然译码比较只有不到1dB的损失,最后根据仿真结果给出一个导频数目和迭代次数的合理选择。     

分布式MIMO中的最大似然频偏估计

在考虑分布式多入多出(MIMO)系统中各收发天线对之间的频偏均可能不同的一般情况下,推导出了平坦衰落MIMO信道模型下的最大似然频偏估计.针对收端是否采用分布式天线的两种不同情况,分别提出了一种只涉及一维最大化问题的较低复杂度频偏估计方法.仿真结果表明,所提频偏估计方法在平坦衰落MIMO信道下可以获得令人满意的估计性能;而在收端仍采用集中式天线这一特殊情况下,利用所有接收天线上的接收信号进行联合估计,可以进一步提高估计性能.     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

基于最大似然频率精细估计的载波捕获算法

深空通信中,星上对载波的主动捕获主要利用频率估计的方法。在实际载波捕获电路中,精确的频率估计值导入锁相环,使得锁相环捕获带余量充足。在锁相环带宽一定的情况下,估计精度的提高可以减少FFT实现点数。在FFT频率粗估计的基础上,通过频率精细估计算法可提高估计精度。为获得估计精度更高的频率精细估计算法,利用最大似然泛函不变性推导了频率精细估计的最大似然算法。载噪比在5 dB时,估计精度可以提高到FFT分辨率的10-4。仿真结果表明,该算法估计性能优于其他频率精细估计算法。     

基于熵图像和隶属度图的高斯混合背景模型

经典的高斯混合背景模型中,高斯分量的个数是固定的,近邻像素间的相关性也没有被考虑。作为对这种模型的改进,该文利用熵图像来度量背景像素亮度分布的复杂程度,进而给出了根据熵图像为各像素选择高斯函数个数的方法,在保证检测精度的前提下节约计算资源;并利用隶属度来表示像素属于背景的可能性,通过融合各像素邻域的局部信息来对其进行有效的分类,使得分类决策的结果更可靠,而计算量却增加不多。多种真实场景下的实验证明了这种算法在计算速度和精度上的良好性能。     

高斯混合模型的遗传分基融合算法

作为分析数据的一种有效工具,高斯混合模型被广泛地应用到信号与信息处理领域中.然而,如何从数据中直接来确定模型中高斯分量的个数仍然是一个非常困难的问题.针对这一问题,本文提出了一种遗传型分裂融合优化算法,称之为分基融合算法.该算法以传统的EM算法为基础,通过类似遗传算法的随机分裂与融合操作,能够自动确定混合模型中高斯分量的数目.同时,它还能够估计出各个高斯分量的详细参数.实验表明,这种分基融合算法能够对于一般混合高斯数据建立合理的模型.     

基于高斯混合模型的衍射成像算法

编码衍射成像系统中记录的测量值丢失了相位,而相位含有关于图像的大部分结构信息.如何利用无相位测量值重构原始图像是相位恢复（Phase Retrieval,PR）算法面临的一个重要问题.由期望最大（EM）算法训练高斯混合模型（GMM）的最优参数,任一图像块可以选用GMM中某一模型分量最佳表示.基于该认识,本文利用GMM的统计特性融合数据保真项构造PR优化问题,并用加速邻近梯度法求解该问题.实验结果表明,该算法在噪声强度较大、编码衍射图案较少的情况下仍能获得较高质量的图像重构.     

基于高斯混合模型的压缩域语音增强方法

 为了有效利用纯净语音导抗谱频率参数(ISFs)的先验知识,本文针对ITU-T G.722.2宽带语音编码标准提出了一种基于高斯混合模型的压缩域语音增强方法.首先,将含噪语音、纯净语音的导抗谱频率参数,以及对应的增益调整因子构成特征矢量,并利用高斯混合模型拟合其概率密度;然后,在最小均方误差 (MMSE) 准则下对纯净语音的特征参数进行最优贝叶斯估计.为了兼容编码器中的非连续性传输模式,当处理信号为非语音信息时,算法在保持噪声帧谱包络参数不变的前提下,按固定比例调整对数帧能量;且若出现帧擦除情况,算法不调整接收到的码流,并按正常帧处理方式调整恢复后的参数以更新相关历史.本文采用ITU-T G.160标准进行了性能测试,结果表明,与参考方法相比,所提方法在保证信噪比提高能力的同时,可以达到更大的噪声衰减量,且增强语音的客观质量更优.     

基于高斯混合背景模型的运动目标检测技术研究

在运动目标检测技术中,使用传统的高斯混合背景模型所得到的检测结果并不能完美地获取运动目标的轮廓信息,而图像中像素的梯度信息,刚好就是反映了各物体的轮廓和边界,并且相对于颜色信息而言,梯度信息对于噪声并不敏感。为此,该文对传统的高斯混合背景模型进行了改进,提出基于梯度时空信息的高斯混合背景模型,证明了改进的算法确实能够取...     

基于混合高斯模型的运动目标检测改进算法

针对传统混合高斯模型法的不足,提出一种基于混合高斯模型的运动目标检测改进算法。首先对模型的参数更新机制进行了改进,不同阶段采用不同的更新率,并选择性地更新背景模型;其次,将改进后的混合高斯模型法与和帧差法结合,进行两次与运算和一次形态学膨胀处理,得到最后的运动目标。实验结果表明,该方法能够有效地消除复杂环境中的噪声,并对阴影有一定的抑制作用,提高了运动目标检测的准确性。     

基于改进高斯混合模型的运动图像目标检测算法

运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。     

基于多元高斯混合模型的离线指纹数据库

针对室内环境下单次采样测量值的波动变化及信号间的相互干扰,该文提出一种基于分区多元高斯混合模型(MVGMM)的室内定位系统。根据信号接入点(AP)铺设位置与空间结构,系统采用一对多支持向量机算法对目标区域做分区操作,以精确信号变化的区域范围。利用狭小分区内信号间的耦合关系,建立基于信号间相互干扰的多元高斯混合模型,以改善信号波动所造成的定位精度下降。当室内环境发生变化时,基于分区多元高斯混合模型的自适应更新算法可对各分区指纹数据的可信度做出判断,并以自适应算法更新信号波动较大分区的模型参数,提高模型与现有环境间的耦合程度。实验结果表明,该文算法可利用相对少量样本数据,构建稳定可维护的室内信号分布模型,相较于其他算法,其定位精度也有一定程度提高。     

基于改进的混合高斯模型的红外运动目标检测

传统混合高斯模型中背景容易留下运动“虚影”,同时在噪声或目标区域对比度低时会导致提取目标区域时出现断裂和空洞的现象,针对这些问题在混合高斯方法中赋予图像中运动和静止区域不同的背景更新速率,并充分利用混合高斯模型中的背景和前景信息,将背景减除的结果与高斯建模中的前景图像按照一定比例融合获得目标图像。实验结果表明：改进后的混合高斯模型运动目标检测方法,能够克服传统高斯模型目标检测中存在的问题,从复杂的背景中较完整的提取出运动目标,且具有一定的抗噪能力。     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。