压缩感知重构算法研究

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。在精典TV重构算法的基础上通过对测量矩阵与迭代过程加以改进,以测量值基本逆变换(IY)作为迭代初值的IY-TV重构算法;TV算法有利于去除信号的中噪声,在迭代过程中与IY变换图像差值相联合重建原始信号。测量矩阵直接影响图像的重构质量,设计与该算法相适应的测量矩阵以提取更多的基本信息。实验表明,该算法可以在较低采样率时,同样重构出较高的图像质量。     

微波辐射计的SIR图像重建算法

提出了图像重建可以提高微波辐射计分辨率,并对图像重建的SIR算法原理进行了研究;从采样间隔和迭代次数两方面分别对图像含噪声和不含噪声两种情况进行仿真验证.结果表明,SIR算法是一种有效的图像重建算法.     

基于网格的最小交叉熵算法在PET图像重建中的应用

基于内容的自适应三角形网格模型是描述图像的一种有效方法,本文将网格模型与最小交叉熵算法相结合,并加入先验解剖信息,用于PET图像重建.在本文提出的新算法中,先将投影数据用滤波反投影方法(FBP)生成参考图像,再对参考图像提取网格节点,用加入先验解剖信息的最小交叉熵算法对网格节点灰度值进行迭代计算,最后利用迭代后的网格节点灰度值对象素点进行插值得到重建后的图像.在仿真实验中,将该算法与最大似然方法(MLEM)等算法作比较,并分析了参数对重建结果的影响.     

一种基于压缩感知的迭代重建算法

迭代重建算法是一种经典的CT图像重建算法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,文中利用压缩感知理论提出了一种改进的基于图像全变差最小的迭代重建算法。该算法在迭代的不同阶段对迭代初始值做不同处理,并在每次迭代结束后采用梯度下降法调整全变差。实验结果表明,该算法不但提高了图像重建质量,同时也加快了迭代图像的收敛速度。     

采用高频能量的CT几何参数自标定方法

针对锥束CT系统中几何参数失配引起几何伪影的问题,提出了一种采用空域高频能量的几何伪影自校正算法。该算法以重建图像的空域高频能量为目标函数建立优化模型,通过单纯形法迭代求解使空域高频能量最大的几何参数最优解。利用投影图像的特性提取部分参数作为输入初值,减小算法搜索范围。并采用图形处理器（Graphic Processing Unit,GPU）对自校正过程中的图像重建并行加速,减少重建时间,提高校正速度。实验结果表明:该算法具有较高的求解精度,最大相对误差不超过5%,对重建图像中的几何伪影有较好的校正效果。同时,在不影响精度的情况下减少了迭代次数,算法执行效率提高了18.8%。     

基于Landweber迭代的图像重建算法

本文尝试将一种新型的基于Landweber迭代算法用于电阻抗断层图像(EIT)重建。该算法与线性反投影算法不同,Landweber算法可以明显地改进图像质量。仿真结果表明,它不仅可以消除噪声干扰,而且能加快收敛速度。     

基于改进牛顿-拉夫逊算法的脑出血磁感应断层成像研究

针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影。引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像。实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。     

基于专家场先验模型的图像超分辨重建算法

为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显著增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。     

一种新的基于PCNN的图像自动分割算法研究

脉冲耦合神经网络(PCNN)非常适合图像分割.在参数确定的情况下,分割效果随迭代次数呈周期性变化.因此确定最佳迭代次数是运用PCNN进行图像自动分割的关键.本文提出一种基于连通域计算的边缘统计算法,用于评价迭代结果的有效边缘.最大有效边缘值所对应的迭代输出即为最佳分割.实验证明,该算法比基于图像熵和基于边缘算子的算法灵敏度高,抗噪声能力强.     

基于全变差的加权最小二乘法PET图像重建

传统的加权最小二乘法、惩罚项加权最小二乘法虽然能够重建得到较好质量的图像,但在欠采样的条件下不能很好的拟制噪声.全变差作为正则项已广泛用于图像重建中,利用图像稀疏的先验知识能够在欠采样的条件下很好的重建图像.本文结合加权最小二乘法和全变差的优点,构造了基于全变差正则项的加权最小二乘法目标函数,运用交替求解的方法,将目标函数分解为求解二次优化和全变差正则化的优化问题,并分别用超松弛迭代方法和梯度下降法求解这两个优化问题.采用Zubal模型对该算法与传统算法进行仿真验证比较,并用相关系数、方差、信噪比等参数描述图像重建质量.结果表明在欠采样条件下,该算法能够更好的拟制噪声,重构效果比传统的有明显地提高.     

一种多传感器自适应量测迭代更新GM-PHD跟踪算法

针对多传感器观测数据质量不同且未知时,多传感器量测迭代更新高斯混合概率假设密度(GM-PHD)滤波器跟踪算法的结果对更新顺序敏感的问题,该文提出一种多传感器自适应量测迭代更新GM-PHD跟踪算法AIU-GM-PHD。首先基于多传感器融合一致性度量,提出一种用于在线评估各传感器跟踪结果质量的方法;然后对多传感器迭代融合顺序进行优化,最后构建相应的多传感器GM-PHD融合跟踪算法。为了解决多传感器自适应顺序迭代融合无法体现传感器质量差距的问题,提出了一种自适应带权伪量测迭代更新GM-PHD跟踪算法PAIU-GM-PHD。仿真结果表明,与常规多传感器迭代更新GM-PHD跟踪算法相比,所提算法能够获得鲁棒性更好、精度更高的跟踪结果。     

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。     

基于运动矢量场的双迭代全局运动估计方法

提出了一种基于运动矢量场的双迭代全局运动估计方法，该方法用两个最小二乘迭代过程来去除局部运动区域对全局运动估计的干扰。第一个迭代使用一个递减的百分比阈值来排除局部运动区域；第二个迭代过程使用一个固定的绝对阈值来检测完整的伞局运动区域并估计运动模型参数。实验结果表明双迭代法进行伞局运动估计的结果更加准确和稳定。     

A matched filter approximation for SC/MMSE iterative equalizers

This letter proposes a new iterative ISI equalization algorithm that offers low computational complexity: order L² with channel memory length L. The proposed algorithm is an extension of Reynolds and Wang's SC/MMSE (soft canceler followed by MMSE filter) equalizer: approximations are used properly to reduce the computational complexity. It is shown that the approximations used in the proposed algorithm do not cause any serious performance degradations from the trellis-based iterative equalization algorithms     

分组衰落信道下LDPC的一种带信道估计的改进Belief-Propagation算法

该文首先通过仿真证明了LDPC(Low Density Parity Check code)在分组衰落信道下,以通常的Belief-propagation算法译码,具有较好性能.然后基于算法的特殊迭代特性,提出分组衰落信道下,在每一迭代步骤中结合信道估计的改进的Belief-propagation算法.仿真证明,该算法可以有效地减少译码迭代次数.     

最大化瑞利熵的干扰对齐优化算法

干扰对齐技术常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,然而目前采用的迭代方法并不能做到完全的干扰对齐。针对这种情况,提出了一种新的干扰对齐优化算法,避开了反转信道的操作。该算法在最大化信干噪比算法的基础上加入完全干扰对齐的约束条件,将系统中各用户的所有干扰对齐约束条件进行奇异值分解,最终通过瑞利熵最大化的求解方法联合迭代求解发送侧的预编码矩阵与接收侧的干扰抑制矩阵。仿真结果表明,所提优化算法在较高信噪比时不同天线数下的和速率、不同迭代次数下的和速率等方面都优于原最大信干噪比算法。     

基于LDPC编码的MIM0系统迭代接收机研究

研究了基于LDPC编码无线MIMO通信系统中的软输出最小均方误差干扰抵消迭代(MMSE PIC)检测算法.针对初次迭代检测时PIC输出的后验比特对数似然比(LLR)不可靠的问题,利用MMSE滤波器输出的高斯近似表示,给出了基于后验概率估计的迭代干扰抵消检测算法,以提高检测器输出的编码比特对数似然比的可靠性.仿真结果表明...     

一类 Wiener 非线性时变系统的迭代学习辨识

针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计。文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法。仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性。     

对称线性BiCG迭代法求解波导问题

提出了一种对称化线性双共轭梯度(BiCG)迭代算法,应用于光电工程领域中波导问题的分析。该算法是针对有限元线性系统系数矩阵的大型复对称特性,在常规BiCG迭代法基础上对其进行对称化所得到的快速迭代求解算法。数值结果表明,所提出的对称BiCG迭代法比若干常用方法更加有效。     

空间相关环境下一种稳健的V-BLAST迭代检测算法

利用Householder变换,并结合WY表示形式,该文首先提出一种修正的Householder QR分解(M-H-QRD)算法,与排序QRD(S-QRD)检测算法相比:M-H-QRD检测算法在空间相关信道环境下具有稳健的数值特性;然后以此为基础,提出了一种基于M-H-QRD的V-BLAST迭代检测算法。仿真结果表明:在空间相关信道环境下,该算法比S-QRD检测算法、M-H-QRD检测算法在性能上具有明显的改善;与标准的V-BLAST算法相比,在高信噪比范围,迭代检测算法取得了与标准的V-BLAST算法几乎同等的性能,在中低信噪比范围,迭代检测算法优于标准的V-BLAST检测算法,同时数值特性比标准的V-BLAST检测算法更为稳健。