一种新的用于说话人辨认的PNN分类器的研究

给出了一种新的类条件密度函数估计的σPNN模型,它基于模式层共享的PNN和模式层分离的PNN,即每个类不仅拥有一组只属于自己的模式层,还拥有所有类都共享的几个模式层,这里共享意味着每个核函数对所有类的条件密度估计都有贡献,新模型的训练采用最大似然准则,并改进了EM算法来调整模型参数.闭集文本自由说话人辨认试验证明了提出的模型及其算法的正确性．     

基于双树小波通用隐马尔可夫树模型的图像压缩感知

标准压缩感知图像重构仅利用图像小波系数具有稀疏性的先验知识,未能利用小波系数的结构分布特性。利用基于模型压缩感知重构思想,将能有效描述图像小波系数分布特性的隐马尔可夫树(HMT)模型引入到图像的压缩感知重构。经过理论推导,将基于HMT模型的重构转化为型如标准图像压缩感知重构的优化问题,并提出基于贝叶斯优化的凸集交替投影法进行求解。为进一步提高重构质量和速度,引入了双树小波域通用HMT (uHMT)模型及改进的uHMT (iuHMT)模型代替小波域HMT模型。实验结果表明,基于双树小波域iuHMT模型的重构图像的平均峰值信噪比(PSNR)比uHMT模型高0.97 dB.     

基于多尺度残差网络的压缩感知重构算法

目前压缩感知系统利用少量测量值使用迭代优化算法重构图像.在重构过程中,迭代重构算法需要进行复杂的迭代运算和较长的重构时间.本文提出了多尺度残差网络结构,利用测量值通过网络重构出图像.网络中引入多尺度扩张卷积层用来提取图像中不同尺度的特征,利用这些特征信息重构高质量图像.最后,将网络的输出与测量值进行优化,使得重构图像在测量矩阵上的投影与测量值更加接近.实验结果表明,本文算法在重构质量和重构时间上均有明显优势.     

虹膜定位算法研究

在介绍现有虹膜识别算法的基础上,针对其局限性,提出一种改进的虹膜定位算法,实现了精确而快速的定位.在该算法中,通过阈值化和Freeman链码进行内边界定位;Canny算子和圆形Hough变换被用于外边界定位;上下眼皮的去除利用Canny算子和线性Hough变换实现,睫毛和镜面反射通过阈值化的方法加以去除.实验验证了该算法的合理性和有效性.     

基于R-R相关预测的心电图压缩算法

本文提出了一种利用相邻QRS波的相关性进行最小均方差预测的心电图压缩算法.压缩算法由QRS波识别、R-R相关预测、整数小波变换、标量量化、游长编码、算术编码等六部分组成.用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明提出的算法是有效的,在得到高压缩比的同时仍能保持低的信息失真度.     

基于搜索带宽感知的多机器人WSN孤岛结盟方法

为了提高无线传感器网络（wireless sensor network,简称WSN）孤岛结盟方法对未知孤岛分布和中继带宽约束的适应性及效率,提出了基于搜索带宽感知的多机器人WSN孤岛结盟优化问题,并给出了求解该问题的近似算法.首先,在相关模型假设及符号定义的基础上,借鉴迭代局部搜索和流水作业调度思想,引入同步轮次流水迭代过程,建立该优化问题的公式化描述;然后,在连通重叠搜索算法基础上,结合层次分簇和网络流相关理论,设计基于搜索带宽感知的层次中继部署算法;最后,通过与现有方法进行对比实验的结果表明：提出的方法能够在满足未知孤岛分布和中继带宽约束的同时,有效地提高WSN孤岛结盟效率.     

基于稀疏信号重构的DOA和极化角度估计算法

现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l?₁范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.     

联合非均匀采样和压缩感知的图像压缩算法

为了提高图像重构精度,改善纹理区域视觉效果,本文将压缩感知理论与图像压缩相结合,并提出了一种新的采样方法:在编码端对图像高频部分边缘点进行密集采样,对非边缘部分进行随机抽样,取代了传统压缩感知理论中直接使用测量矩阵获得低维观测值的过程。在解码端利用采样点位置信息构造块测量矩阵,使用光滑l0范数（Smoothed l0,SL0）重构算法实现重叠块重构,最终将其与图像低频部分下采样点插值放大结果合并实现高精度重构。实验结果表明:本文算法不仅可以提高整幅图像和纹理区域的重构精度,而且在低采样率或图像尺寸较小的情况下,算法效率也有明显提升。      

基于形态学成分分析的指纹分离

针对指纹图像的特点,对形态学成分分析进行改造,将其与角点检测器相结合,提出了一种指纹分离算法。算法基于基追踪去噪算法,首先对重叠指纹图像或者指纹与背景纹理重叠的图像采用两个相同的纹理词典进行稀疏表示,对稀疏系数软门限收缩之后进行反变换得到两幅纹理图像,然后使用梯度下降法最小化分离出来的两幅纹理图像的harris-like算子,使得两幅图像的角点均最少,再对其中一幅图像进行全方差调整,从而达到分离的目的。实验结果表明此方法能够实现指纹分离。     

基于轮廓波维纳滤波的图像压缩传感重构

图像压缩传感重构利用自然图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像.为了克服传统的压缩传感重构中正交小波方向选择性差和未利用变换系数的邻域统计特性的缺点,利用了轮廓波维纳滤波去噪算子替代迭代阈值法中的阈值算子,进而提出了基于轮廓波维纳滤波的图像压缩传感的重构算法.实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节,加快了重构算法的收敛速度.