基于准二维天线阵列的二维波达方向估计方法

设计了一种准二维天线阵列。这种阵列可划分为２个平移子阵，利用这两个子阵的信息，构成混合波达方向矩阵。通过对混合波达方向矩阵进行特征分解，实现二维波达方向估计。这种方法不仅具备波达方向矩阵法的所有优点，同时解决了β角兼并信号的分辨问题，阵列的孔径损失较小。     

用单通道接收机实现方位超分辨的一种方法

本文提出一种新的利用单通道接收机实现方位超分辨的信号处理方法.不论是不相关信号源还是相关信号源,通过引入一系列的特定权,在不同时间间隔得到单通道接收机的一组输出功率,通过处理这组功率可以求得阵列输出的协方差矩阵.同已有的微扰法比较,所需的数据样本数减少一半,具有显著的优点.计算机模拟的结果表明该方法具有良好的效果.     

样本块搜索和优先权填充的弧形推进图像修复

目的 针对基于样本块的图像修复方法容易引起填充前沿的锯齿效应,分阶段修复方法对优先权的约束性不足等问题,提出基于样本块搜索和优先权填充的弧形推进图像修复方法。 方法 首先对图像进行均值滤波操作,以更精确地计算等照线;再加入局部特征信息,进一步约束优先权,使修复的顺序更加合理;度量最佳样本块,加入梯度信息减少候选块的个数;分级搜索样本,平衡时间效率和空间搜索效率;最后弧形推进填充,保持边缘的平滑性。结果 将本文方法与其他方法进行修复结果对比分析。主观上,本文方法的修复结果视觉连通性较好;客观上,峰值信噪比（PSNR）的值均高于其他修复方法。结论 本文方法不仅可以较好地修复自然图像和文物图像,在目标物移除方面也有很好的应用。修复效果好,适用性强。     

基于矩阵重构的信源数估计方法

提出了一种基于矩阵重构和多重假设检验相结合的方法.采用特殊定义的变换-对消矩阵,抵消了非平稳噪声的影响;采用多次重构的显著性函数结果与显著性水平比较来判断信源数,避免了假设检验对先验知识的要求.将单序列假设检验扩展为多个序列联合检验后,即使在低信噪比和低快拍数时也可以获得较好的估计性能;同时显著性水平的确定与阵列数据无关,基本不需要先验信息,约束条件较少.仿真结果验证了该方法的有效性.     

基于相似性的图像融合质量的客观评估方法

研究图像融合结果的质量评估问题,提出一种新的基于相似性的图像融合质量客观评估方法.这种方法考虑人类视觉对局部变化更加敏感的特性,用源图像和融合结果的梯度场相似性来衡量融合的性能.这种相似性度量相对于现有的对比度度量,有了全方向的边缘辨识能力;相对于互信息量的度量方法,考虑了图像像素的局部关系,更加符合人的视觉特征.实验结果表明,这种客观评估方法很好地反映了图像融合的质量,与主观评价具有高度的一致性.     

小样本困境下的深度学习图像识别综述

图像识别是图像研究领域的核心问题,解决图像识别问题对人脸识别、自动驾驶、机器人等各领域研究都有重要意义.目前广泛使用的基于深度神经网络的机器学习方法,已经在鸟类分类、人脸识别、日常物品分类等图像识别数据集上达到了超过人类的水平,同时越来越多的工业界应用开始考虑基于深度神经网络的方法,以完成一系列图像识别业务.但是深度学...     

基于滑动窗口的独立分量分析算法

针对时变混合模型的独立分量分析(ICA)问题,提出了基于滑动窗口的ICA算法.给出了基于滑动窗的分离矩阵递归学习算法,提高了算法的运算效率,因此可应用于独立分量的在线提取和动态独立分量分析等应用场合.另外,针对独立分量排序不确定性所带来的问题,提出了利用峭度值大小对输出信号进行动态排序的思路.仿真实验证明了这一思路是可行的.对窗函数长度的选择问题还进行了探讨,得出了一些有参考价值的结论.实验结果表明,基于滑动窗ICA算法能较好地应用于时变混合模型的独立分量提取,具有良好的盲分离性能.     

序列数据的数据增强方法综述

为了追求精度,深度学习模型框架的结构越来越复杂,网络越来越深.参数量的增加意味着训练模型需要更多的数据.然而人工标注数据的成本是高昂的,且受客观原因所限,实际应用时可能难以获得特定领域的数据,数据不足问题非常常见.数据增强通过人为地生成新的数据增加数据量来缓解这一问题.数据增强方法在计算机视觉领域大放异彩,让人们开始关...     

极化分布源模型及角度估计

通过对“分布源是在一定空间分布的多个点源信号的叠加”的分析，提出了极化分布源模型和一阶近似的极化分布源模型。对极化分布源模型，为减少噪声子空间拟合算法(NSF)的搜索空问雏数，文中提出只搜索角度空间求解到达角，对极化参数通过求解线性方程组获得；对一阶近似的极化分布源模型，利用旋转予空间不变(ESPRIT)类算法求解到达角，极化参数同样通过求解线性方程组获得。仿真结果表明：极化的引入对NSF的性能有很大提高，以及一阶近似模型对角度分布的盲性。     

基于相位相关的图像配准算法

提出了一种新的基于相位相关的图像配准方法：首先在参考图像中心处截取一个小区域图像,然后在待配准图像中寻找一个同样大小的区域,使得在对数极坐标表示下,这两个小区域图像的互功率谱经傅里叶反变换后是一个二维脉冲信号。所要寻找的小区域中心点在待配准图像中的位置即为所要估计的平移参数,二维脉冲信号中脉冲的位置与缩放因子和旋转角度有关,由此而得到图像配准参数。实验结果表明该方法具有很好的配准效果。