基于总体最小二乘的红外图像去噪

针对红外图像存在的加性、乘性及混合噪声,采用从图像中截取图像块,再用图像块的线性结合对原图像进行去噪,总体最小二乘算法用来求解其中的系数向量,充分考虑了噪声图像中存在的不确定性,通过这组系数得到去噪后的红外图像.在对像素点空间关系权重的求解上,采用模糊核聚类算法将红外图像粗略进行聚类,归为同一类的像素点之间存在较强空间约束关系,否则认为它们之间存在较弱空间约束.通过与维纳滤波算法比较,仿真结果证明了总体最小二乘去噪算法在红外图像的视觉质量和信噪比改善两个方面的有效性.最后通过比较无噪红外图像与去噪红外图像的直方图表明总体最小二乘去噪算法的优越性.     

基于最小二乘直线拟合的小目标检测

根据图像序列中小目标自身特点,以及小目标在场景中运动轨迹特点,提出一种弱小目标检测的方法.采用多帧图像积累的方法得到小目标在较短时间内的运动轨迹,由改进后的最小二乘直线拟合法对运动轨迹进行拟合.再运用拟合直线判断目标点,最终检测出小目标.理论分析和实验结果都表明,该方法能有效检测出复杂背景下运动的小目标.     

基于总体最小二乘的 Shearlet 自适应零值绝缘子红外图像去噪

提出一种基于总体最小二乘（Total Least Square）和 Shearlet 变换相结合的零值绝缘子红外图像自适应去噪算法。首先利用 Shearlet 变换对原始图像进行分解,得到各尺度各方向的 Shearlet 系数;然后考虑到不同尺度 Shearlet 系数之间的相关性,利用总体最小二乘准确估计了各层的 Shearlet 系数;最后对处理后的系数进行 Shearlet 反变换重构得到去噪图像。实验结果表明,该方法与小波去噪法和Bayes 估计去噪法相比,能够在有效去噪的同时,更好地保留了图像边界和纹理信息。     

基于总体最小二乘的多通道SAR-GMTI 方法

针对多通道SAR-GMTI处理中噪声影响和杂波相关性差会导致杂波抑制性能降低的问题,提出了一种基于总体最小二乘的SAR-GMTI方法.该方法利用检测单元周围的相邻像素杂波信息在总体最小二乘意义下拟合检测单元杂波特性,消除了噪声影响,提高了多个通道杂波之间的相关性,改善了杂波抑制性能.该方法具有很好的通道误差稳健性,仿真和实测数据处理验证了该方法的有效性.     

扩展最小二乘准则的最小化算法

“扩展最小二乘”（XLS）准则是一种广义的最小二乘法，通过正确的加权和均衡，XLS能够把模型误差和测量误差区分开发来。从“伪线性模型”的角度出发，我们可以得到两个使XLS准则最小化的迭代算法：其一是直接的“交替坐标”的最小化方法；另一种是现有的约束总体最小二乘（CTLS）法的扩展，这两个算法都能够采取不同的实施方案，以满足不同的应用场合时的收敛速度，计算量和精度上的不同要求，XLS准则可应用于许多常用的工程估计问题，例如，根据有噪声的输入／输出的测量来辩识存在外来噪声的自回归系统（ARX）或者是根据有噪声的测量来估计AR过程的参数。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则( TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

基于二维正态云模型算法的红外图像弱小目标检测

针对红外图像弱小目标检测的特点,采用二维正态云模型算法。首先利用一维云的特性建立二维云模型,由两个相互独立的一维云模型函数组成,目标像素的分布点为一个云滴,整个像素分布区域形成的云团反映了图像中目标的特性;接着依据目标判别条件函数来通过函数发生器产生正态云模型;最后在红外图像弱小目标检测误差函数下构造各云层的目标函数。实验仿真显示本文算法对红外图像弱小目标检测效果最好,能检测率高,虚警率低,耗时少。     

基于总体最小二乘的核四极矩共振参数估计

核四极矩共振(NQR)是一种固态射频谱分析技术,可用于检测高危险爆炸物。然而,NQR信号本身非常弱,并且易受线圈的热噪声和外部射频干扰的影响,低信噪比限制了NQR技术的实际应用。在研究自由感应衰减信号特性基础上,应用基于总体最小二乘法的线性预测估计器对NQR信号的参数进行估计,仿真数据和实测数据结果验证了该算法的有效性。     

基于多尺度小波核LS-SVM的红外弱小目标检测

针对红外弱小目标检测提出了一种新的算法.算法首先对图像进行均值滤波处理以减少噪声点,然后利用基于多尺度小波核函数的最小二乘向量机对图像进行局部灰度曲面拟合,再通过二阶方向导数算子计算出其特征图像并将连续几帧特征图像融合,最后采用对比度分割方法确认目标位置.仿真实验表明,该方法不仅具有良好的适应性和检测效果,而且具有较强的时效性.     

一种抗冲击噪声的对数总体最小二乘自适应滤波算法

在未知系统输入信号和输出信号均含有噪声的环境中,传统的自适应滤波算法,如最小均方(LMS)算法,会产生有偏估计。总体最小二乘(TLS)算法能够同时最小化输入信号与输出信号的噪声干扰,是解决此类问题的重要方法。然而,在许多实际应用中,干扰噪声可能具有冲击特性,这使得传统基于2阶统计量的自适应滤波算法,包括总体最小二乘算法性能严重恶化,以至于不能正常工作。为了解决这个问题,该文在总体最小二乘法的基础上,利用对数函数对其改进,提出了一种能够抗冲击干扰的对数总体最小二乘(L-TLS)算法。最后,通过计算机仿真实验验证了该新算法的有效性。     

基于欠奈奎斯特采样的超宽带信号总体最小二乘重建算法

该文针对超宽带无线通信中需要设计高速模数转换器的问题,提出了一种欠奈奎斯特采样方法,该方法所要求的采样率仅与信号新息率相关,低于奈奎斯特率1个数量级。基于欠采样得到的离散时间超宽带信号,从理论上推导出信号的傅里叶频谱表达式,由此给出了一种总体最小二乘参数估计算法,能够准确地估计出冲激串信号的幅度和时移;通过将估计出的冲激串信号与高斯单脉冲波形卷积,完成超宽带信号的波形重建。仿真和实验结果表明,该文算法能够准确地重建原始超宽带信号,且算法性能优于现有的零化滤波重建算法。     

基于非线性最小二乘的空中机动目标检测方法

针对强杂波背景下的空中机动目标检测问题,该文提出一种基于非线性最小二乘(Nonlinear Least Squares, NLS)的空中机动目标检测方法。该方法通过构造目标信号模型,并利用NLS算法使其和杂波抑制后的数据具有最小的平方和距离来进行参数估计。该方法在脉冲点数有限的情况下,依然能够获得很好的参数估计结果。仿真结果证明了该方法的有效性。     

基于偏最小二乘与改进中心对称CENTRIST的快速行人检测算法

针对复杂背景下的快速行人检测问题,从行人边缘信息的角度,该文提出了一种改进的中心对称统计变换(ICS_CENTRIST)特征,该特征只有32维,计算简单,描述能力强,可以很好地表达行人的边缘轮廓。行人检测时采用3级级联分类方法：第1级采用基于辅助积分图的线性支持向量机(SVM),快速排除大部分非行人区域;第2级,第3级分别使用偏最小二乘法(PLS)选出区分能力最强的前12和21个块(block),提取ICS_CENTRIST特征,采用直方图交叉核支持向量机(HIK-SVM)进行精确检测。实验结果表明,该文算法在复杂背景下可取得较好的检测效果,检测速度在447358大小的图像上达到平均50 ms,与基于CENTRIST特征的快速检测方法和梯度方向直方图(HOG)算法相比分别提高了50%和90%,满足实时性要求。     

多站测角的机动目标最小二乘自适应跟踪算法

为了避免被动跟踪中非线性带来的计算复杂化及精度的下降问题,该文首先采用最小二乘法对目标的状态进行粗估计,然后采用当前机动目标模型和自适应跟踪算法进行线性的卡尔曼滤波,以实现对目标较高精度的定位和跟踪。实验结果表明:该方法对于匀速和匀加速运动的目标都可以达到良好的跟踪效果,其误差远小于经典的singer方法;对于强机动目标,singer方法将失效,而本文方法仍能实时辨识出目标的速度和加速度,并且估计效果良好。     

基于约束总体最小二乘方法的到达时差到达频差无源定位算法

两步加权最小二乘方法(two-stage WLS)是求解TDOA/FDOA无源定位问题的经典线性方法,但也存在着定位偏差和均方误差对测量噪声的适应能力较差的缺点。该文根据TDOA/FDOA的伪线性定位方程组特点,将其建立为一种带约束条件的约束总体最小二乘(CTLS)模型,并采用拉格朗日乘子法求解带约束条件的CTLS问题,建立了几种最小二乘类定位方法的统一解,从而将约束加权最小二乘(CWLS)定位解和约束最小二乘(CLS)定位解变为该文CTLS定位解的特例。仿真表明,该文方法比两步加权最小二乘方法具有更低的均方误差,并能够有效减小定位偏差,因而具有更好的测量噪声适应能力。     

基于正则化约束总体最小二乘的单站DOA-TDOA无源定位算法

针对利用单站外辐射源的目标无源定位问题,该文提出一种联合到达角度和时差信息的正则化约束总体最小二乘(RCTLS)定位算法。首先,将非线性的到达角度和时差的观测方程进行线性化处理,分析了方程系数矩阵可能出现的病态问题,将定位问题建立为RCTLS模型,并采用牛顿迭代方法对模型求解,从而得到目标位置估计。最后,推导了算法的理论误差,并按照均方误差最小的原则推导了正则化参数的最优值。仿真结果表明,算法的定位精度和鲁棒性均优于约束总体最小二乘(CTLS)算法。此外,对系统几何精度因子图的分析表明,目标及外辐射源的位置对定位精度也有影响。     

基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法

多基外辐射源雷达定位系统受系统偏差影响较大。该文针对多基外辐射源雷达到达角度(DOA)和到达时差(TDOA)联合定位系统,提出一种基于约束总体最小二乘(CTLS)的无源定位和误差校正算法。首先引入辅助变量,将DOA和TDOA非线性观测方程进行线性化处理。考虑伪线性化后定位方程中噪声矩阵各分量统计相关特性,将无源定位与误差校正联合优化问题建立为CTLS模型,并采用牛顿迭代方法对模型求解。在此基础上,考虑辅助变量与目标位置的关联性,设计关联最小二乘算法改进目标位置估计值,采用后验迭代方法进一步提高系统偏差估计精度。最后推导了算法的理论误差。仿真结果表明：该算法能够有效地估计目标位置和系统偏差。     

基于遗传算法红外小目标检测的研究

为解决复杂空中背景下红外弱小目标的快速检测,提出了一种基于遗传算法的检测思路。该思路主要是通过利用遗传算法高效快速的搜索方式,结合传统的红外小目标检测算法,最终实现红外弱小目标的快速检测。最后通过MATLAB编程后,实现了复杂背景下红外小目标的快速检测。通过仿真及与相应的传统算法的比较,发现了遗传算法自身的优势和劣势,最后说明了遗传算法在红外小目标检测领域广阔的应用前景。