IQ不平衡OFDM系统两种逼近最大似然性能的亚最大似然补偿算法

针对在同相正交IQ不平衡的正交频分复用(OFDM)系统中用传统的最大似然(ML)补偿算法需要二维复向量的搜索,从而导致计算复杂度较高的问题,提出了两种逼近ML算法性能的补偿算法,即一维实向量迭代搜索算法和二维实向量迭代搜索算法,它们通过在空间中迭代搜索一维或二维实向量来降低计算复杂度.仿真结果表明,上述改进的亚ML补偿算法的性能优于现有的频域和时域最小二乘补偿方法,逼近ML算法,其计算复杂度明显低于传统的ML算法,误比特性能与ML算法相当.     

水声通信多通道最大似然联合均衡译码方法

水平阵是水声通信中常见的阵列接收形式,但垂直阵也有重要的应用场合。文章提出了一种适用于垂直阵的水声通信多通道最大似然联合均衡译码方法,相比现有仅在信道均衡中叠加各通道信号的多通道判决反馈均衡方法(Multichannel Decision Feedback Equalizer, M-DFE),该方法利用最大似然准则,在一体化联合均衡译码过程中融合空间多通道接收信息,将空间增益直接用于抵抗水声信道多途衰落和译码纠错,有效提升了水声通信的性能。仿真结果表明,在误码率同样达到10^-3的条件下,该方法所需信噪比相比M-DFE方法可下降2 dB。海上实验结果显示,在多种信道条件下,该方法实现正确译码的通信速率是M-DFE方法的1.25倍以上。     

基于差分进化的时变信道最大似然估计算法

研究了隧道环境下的通信信道估计。针对隧道环境的地铁列车与轨旁设备之间无线通信中无线传输信道快速变化的特点,提出了一种采用元胞差分进化(DE)方法实时获取时变信道的有效信道长度的新型最大似然(ML)信道估计算法——DE-ML算法。仿真结果表明该算法在使用较少导频信息的情况下,通过差分进化方法有效估计跟踪有效信道长度,其估计性能优于最小二乘(LS)、线性最小均方误差(LMMSE)、传统ML等经典信道估计算法。该算法能在提高系统传输效率的同时显著提高算法的估计精度,尤其在高速移动情况下也具有了非常良好的性能。     

最大似然阵处理的迭代算法

本文提出了在最大似然阵处理中以矢量的内积运算代替交错投影法的二次项运算的迭代算法。这种算法减小了运算量,收敛、性能好。计算机模拟结果验证了算法的有效性。     

基于金枪鱼算法的最大似然信号方位与频率联合估计

针对多维非线性搜索在传统最大似然估计(ML)上的波达方向(DOA)估计存在计算量大、传统网格搜索速度慢等不足,提出了一种基于金枪鱼算法的窄带信号频率方位联合估计的最大似然DOA估计,该算法体现了良好的估计性能。仿真结果表明,该算法对单声源有精确的角度和频率估计值;在声源个数不同的情况下,与基于松鼠搜索算法、正余弦算法、原子搜索优化算法、人工蜂群算法等的估计相比,该算法有着更快的收敛速度和更低的均方根相对误差。     

基于贝叶斯推理时空交互式多视角目标跟踪

本文针对多摄像机视频跟踪的应用场景,在贝叶斯推理的框架下,提出了一种具有分布式时空交互计算特点的目标跟踪算法.本文首先利用贝叶斯网络对拓扑确定的多摄像机系统进行建模,并对待估状态(目标位置)高阶联合后验概率密度函数进行时空的递推,最后借助序列蒙特卡洛(粒子滤波)逼近后验概率密度函数,并采用高效的数据传送机制高效求解出跟...     

分布源目标方位估计的降维最大似然估计

介绍了已有的分布源目标方位估计中的最大似然估计(MLE)算法,它是四维非线性最优化问题,文中称之为四维MLE算法,因计算量庞大,同时提出了一种降为三维的MLE算法,简化为三维非线性最优化,称之为三维MLE算法。两种算法均采用牛顿型搜索算法,来搜索未知参数的全局最优点。在单次迭代过程中,三维MLE算法比四维MLE算法减少了51次协方差矩阵求逆和87次矩阵乘法,搜索效率得到提高,并且节省了存储空间。得出了新算法克拉美-罗界的计算公式,其计算量也有所降低。计算机仿真验证,三维MLE算法和四维MLE算法的估计精度相当,新算法在减少计算量的同时并无损失性能,所以实用性和实时性都得到显著提高。     

基于最大似然估计法的超声波测风仪校准周期研究

针对超声波风速仪校准问题,该文以基于时差法的超声波测风仪为例,利用实验室测试数据对超声波风速仪溯源必要性和校准周期方法进行研究。首先采用大直径低速回路风洞对多支超声波风速仪进行等间隔长期测试;然后确认仿真条件,进行超声波风速仪测试仿真;最后通过最大似然估计法给出超声波风速仪校准周期并进行验证。结果表明：超声波风速仪有必要确定校准周期,参与测试的传感器总数、校准总次数和不合格数对校准周期的确定影响较大,不合格平均出现次数对校准周期的确定影响较小,建议超声波风速仪校准周期72个月。     

非理想信道估计条件下OFDM系统的最大似然检测算法

基于最大似然的准则,研究了理想信道估计条件下和非理想信道估条件下OFDM系统的最优检测算法。研究结果表明,当发送信号为PSK调制方式时,无论是理想信道估计还是非理想信道估计,最大似然检测算法与传统的迫零检测算法等价。但当信道估计非理想且发送信号的调制方式为16QAM或高阶QAM时,采用最大似然检测算法才能够获得更好的性能。     

基于最大似然原理的电厂混煤均匀性确定

采用传统采样分析法对电厂混煤混合均匀性进行评估存在较大困难。将掺混原煤看作是各种成分符合不同概率分布的混合物,在原煤掺混而成的混煤中,某种成分的概率分布由原煤该成分分布、混合比例以及颗粒混合状态共同决定。以挥发分作为示踪成分,考察了掺混过程中挥发分概率分布的变化,在给定原煤挥发分分布和混煤挥发分样本集的情况下,采用最大似然原理对混煤中各种原煤掺混比例和标准差进行估计,进而对混合状态进行评估。研究表明,掺混模型对实际掺混系统的预测结果与原煤消耗量的统计数据吻合良好;多工况仿真实验也表明,掺混系统混合质量越差,模型的预测精度越高。     

一种基于自适应特征选择的目标实时跟踪算法

针对传统的均值漂移算法,加入了自适应特征选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性.传统的均值漂移算法往往选择固定的一个或两个特征(比如颜色)对目标进行跟踪,当跟踪场景发生变化,容易跟踪失败.本文通过分析被跟踪目标特征与变化背景的区分度来确定最显著特征与次显著特征,从而选择出最有效的目标特征,实现复杂变化场景下的目标跟踪.一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性.     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

利用帧间差探测函数模型的运动目标跟踪算法

针对基于模板匹配的目标跟踪算法中,匹配环节在算法中耗费大量的处理时间,使实时性较差的问题,提出了一种基于帧间差探测函数模型的运动目标跟踪算法.算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,设计了几种新的模块用于解决目标跟踪中的方向纠错和实时性问题.实验结果表明,不仅可以有效地对在复杂背景下运动的小目标进行跟踪,而且能够获得相比于块匹配法更好的实时性能.     

一种基于分布式LDAP的分布对象名字服务机制

针对传统的集中式分布对象名字服务机制在功能与性能两个方面存在的不足，提出了一种基于分布式LDAP的分布对象名字服务机制。这种新机制使得用户在大量分布对象中查找信息更加方便。同时，它的面向“区域自治”的分布式体系结构，使得系统的负载趋于均衡，消除了系统瓶颈，缩短了用户请求响应时间。     

基于序贯蒙特卡罗的多线索目标跟踪算法

颜色直方图对噪声和部分遮挡不敏感,当背景颜色与目标颜色相近时,会影响跟踪效果.本文提出一种有效的基于多线索融合的序贯蒙特卡罗图像序列跟踪方法,采用颜色直方图和边缘直方图与序贯蒙特卡罗算法结合起采进行视频跟踪.颜色直方图和边缘直方图一起构建目标观测似然函数.在序贯蒙特卡罗方法的框架下,采用观测模型函数获取图像序列中目标位置的后验概率分布.实验结果表明,结合图像颜色与边缘特征,在序贯蒙特卡罗的框架下可以取得更为有效和稳健的跟踪效果.     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

多区域采样目标跟踪算法

针对传统粒子滤波算法中容易发生的退化现象和粒子贫化问题,提出多区域采样目标跟踪方法。该算法将目标模板用多个重叠子区域划分,每个子区域对应一个采样窗口,根据采样子区域置信度能有效估计出跟踪目标的真实状态,子区域的互补性和阶段唯一性能很好地保证采样粒子有效性和状态空间质量,从而提高目标跟踪的精确度。实验结果表明,本文所提出算法能有效缓解目标跟踪中的粒子退化和贫化问题,提高粒子利用率,并且对目标形变、光照变化和部分遮挡等复杂情况具有较好的跟踪性能。     

基于最大模糊相关准则的图像快速分割

根据数字图像本质上具有模糊的特性,分析了传统模糊熵阈值方法的缺陷,提出了最大模糊相关准则快速阈值分割方法.首先应用模糊隶属度函数把数字图像转换到模糊域,然后根据相关的定义计算图像直方图目标与背景的模糊相关总量,并依据最大模糊相关准则自动选取最佳阈值.另外,为了缩短最佳阈值获取时间,应用差分演化算法对模糊隶属度函数参数进行寻优.最后在真实图像上与其它几种典型的阈值法进行了对比实验,实验表明所提方法能获得较好的分割结果,满足实时性需求.