基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。

像素自相关矩阵的阈值自适应角点检测算法

针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法。该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点。通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考。

认知无线电中基于自相关矩阵的协作盲感知

为了克服传统的认知无线电频谱感知算法存在的不足,提出了一种基于自相关矩阵的协作式盲频谱感知方法,以提高频谱感知能力。该方法从样本自相关矩阵中提取检测统计量,采用双门限混合判决方法得到本地检测结果。认知基站将本地检测信息分成两类,并对软判决信息实施可靠性融合,最后给出全局判决结果。该方法是一种盲感知方法,不需要知道主用户信号的先验知识和噪声方差信息。理论分析和仿真结果表明,该方法可以有效提高频谱感知能力,且计算复杂度较低。

DOA估计中自相关矩阵的时空二维估计方法

利用阵列信号的空间平稳性质，本文提出了自相关矩阵的时空二维估计方法．本文还首次提出了中等冗余非均匀线阵的概念。模拟实验验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了DOA估计性能的大幅度改善。

基于差分自相关矩阵的激光脉冲编码识别

在分析了激光脉冲编码方式的基础上,提出基于自相关矩阵统计的激光脉冲编码识别方法:利用接收到的脉冲序列,构造一阶差分自相关矩阵和二阶差分自相关矩阵,分别对其进行直方图统计,根据直方图特点识别激光脉冲序列的编码方式,并解算出脉冲时间参数.通过仿真实验,验证算法的有效性,用计算机仿真生成不同类型的脉冲序列,并设定脉冲丢失概率和虚假脉冲概率,验证编码识别算法.实验证明该编码识别算法正确率高,实时性好,有较强的抗干扰脉冲能力.

自相关矩阵的时空二维估计方法

当不相关信号源入射到均匀线阵，线阵阵元输出信号是空间广义平稳的，其自相关矩阵是赫尔米特托普尼兹矩阵。作者利用阵列信号的主间平稳性质，提出了自相关矩阵的时空二维估计方法。通过大量的模拟实验，验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了估计性能的大幅度改善。

基于Harris自相关矩阵的迹和改进灰度值特征的高速匹配算法

针对在图像匹配要求实时性较高的情况下匹配率低的问题,提出了一种基于Harris自相关矩阵的迹和改进灰度值特征的高速匹配算法.该算法首先根据像素点位于角点时Harris自相关矩阵的迹最大的特点,用Harris自相关矩阵的迹检测待匹配图像的子区域角点,避免计算Harris响应函数,提高了图像匹配的实时性;然后在子区域的角点基础上利用灰度值特征检测出最高阶特征点,在参考图像中检测出灰度值与子区域最高阶特征点灰度值相同的像素点,并计算这个像素点和最高阶特征点的灰度值与其邻域灰度值之和的比值,当比值相同时则这个像素点被定义为参考图像中的特征点;最后以子区域特征点为匹配依据将参考图像和待匹配图像进行匹配.该算法与SIFT算法、SURF算法的仿真结果表明,在实时性要求较高的情况下该算法可得到高匹配率.

基于自相关矩阵和边缘检测的运动目标检测

提出了一种基于颜色特征提取和图像边缘检测融合的运动目标检测算法。利用颜色自相关矩阵对图像建立特征模型,进行相似度的比较得到较粗糙的目标检测结果。然后通过Canny算子提取图像的边缘信息并利用二值差化求得目标大致边缘轮廓。将两者再进行逻辑与操作,即判定在粗糙检测结果中运动目标轮廓内的元素目标边缘信息为运动目标边缘,并最终进行形态学操作得到运动目标。实验结果表明,提出的算法对复杂背景下运动目标有较为理想的检测效果。

麦克风阵列自相关矩阵及其误差分析

文章通过对麦克风阵列接收信号样本的自相关矩阵和理想自相关矩阵的推导，讨论分析了样本的自相关矩阵和理想自相关矩阵的差别，以及采样数、信号相关性、信号与噪声间的正交性和噪声的正交性等因素对相对误差的影响，并对各种影响因素进行了评价。

PRBS自相关矩阵逆的一般形式及其应用

给出了ＰＲＢＳ长度大于其自相关矩阵阶数时，ＰＲＢＳ自相关矩阵逆的一般形式及其长度变化时这种一般形式的特例，以及这种形式在系统辨识中的应用．仿真比较了算法改进对辨识精度的改善，这种ＰＲＢＳ自相关阵之逆的一般形式具有一定的理论意义及实用价值．

自相关矩阵奇异值分解法进行信噪比估计研究

主要介绍了一种典型的信噪比估计算法,并对信噪比的自相关矩阵奇异值分解估计法进行了研究。然后对该算法应用于AWGN信道中的估计性能进行仿真测试,结果表明,当数据观察长度在2 000以上时,在实际信噪比为[-10,25]dB内,该算法可以控制估计标准差在0．6 dB内。测试表明,数据误差完全符合要求,这说明该信噪比估计算法是可行的。

频率响应与谱函数对输出自相关矩阵的影响

通过线性时不变系统的平稳序列的输出仍为平稳的 ,其自相关矩阵 Ry( n)是非负定的。文中对 Ry( n)的正定性作了讨论。利用函数论的方法 ,导出了连续函数关于至多具有可列个跳跃点的纯跳跃函数在 [a,b]上的斯梯阶积分公式。利用所得公式 ,在系统的频率响应 H( ω)连续且它的零点集 H0 与输入序列谱函数 Fx( ω)的跳跃点集 Γx 适合 Γx∩ H0 =的条件下 ,证明了输出序列谱函数Fy( ω)为 [- π,π]上的纯跳跃函数的充要条件是 Fx( ω)亦为 [- π,π]上的纯跳跃函数。基于此结论 ,文中就Γx∩ H0 =,Γx∩ H0 ≠以及 Fx(ω)是否为 [-π,π]上的纯跳跃函数的不同情况得到了 Ry( n)为正定的条件。此外 。

LMS算法自相关矩阵特征值表达式的计算分析

在研究线性滤波ＬＭＳ 算法的收敛条件及推导其稳态相对误差的上下限算式时， 都用到自相关矩阵的特征值的表达式。根据自相关矩阵的特点， 对ＬＭＳ 算法收敛步长的上限公式及其稳态相对误差的上下限公式中出现的特征值表达式估算作了分析， 使得有关的公式能用于具体指导ＬＭＳ 算法。

谐波自相关矩阵最小特征值的表示

在谐波信号本征分解基础上，揭示了谐波自相关矩阵的最小特征值结构。最小特征值可以通过带噪谐波信号自相关函数及其矩阵来表示，为直接计算最小特征值提供了理论依据。文章的目的在于补充和完善谐波本征分析理论。

基于自相关矩阵特征值的频谱盲感知方法

频谱感知是认知无线电的关键部分。为了提高频谱检测性能，提出利用接收信号平均功率与自相关矩阵最小特征值之比构建检测统计量来检测信号，该方法无需信号先验信息和噪声功率，是一种盲检测方法。以GPS信号为例，仿真表明该检测方法除了在较低信噪比时效果欠佳，整体检测性能优于能量检测方法，并降低了认知系统复杂度，适合于认知无线电系统。

阵列天线输出自相关矩阵及其误差分析

引入相对误差矩阵范数的定义,讨论了实际阵列天线输出样本的自相关矩阵与连续采样下自相关矩阵的差别,与采样快拍数、信号的相关性,信号与噪声之间的正交性以及噪声的正交性等因素的关系。并通过数值计算,具体分析了不同情形下,样本自相关矩阵收敛于理想自相关矩阵的速度变化。

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆(SMI)算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构(CMR)算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构(TCMR)算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。

干扰条件下空域及空时自相关矩阵特征值分布特性研究

空域及空时自相关矩阵的特征值分布与干扰源的性质密切相关。通过研究干扰与特征值分布特性的关系,可以分析得出干扰源的个数等信息,为后续处理提供先验信息。在信号的窄带和宽带模型下,从理论角度分析了空域及空时自相关矩阵特征值的分布特性,并通过仿真实验加以验证。得到了窄带模型下空域自相关矩阵特征值分布的具体形式,总结了信号宽带模型下特征值分布规律,分析了利用特征值分布估计干扰源个数的可行性,结果表明:空域自相关矩阵大特征值的个数是对干扰个数的较好估计,但其准确度受到干扰源功率及其空间分布的影响。

基于图像自相关矩阵的改进SIFT算法研究

针对尺度不变特征变换(SIFT)匹配算法存在计算量大、复杂性等问题,本文提出了一种基于图像自相关矩阵的迹的改进SIFT匹配算法。首先,将特征点的邻域划分为两个同心圆,再以特征点的主方向为基准方向,每次逆时针旋转度,将特征点邻域图像划分了多个区域;其次,为每个区域图像计算自相关矩阵的迹,按逆时针方向组合形成SIFT特征描述符;最后,对生成的特征描述符进行归一化处理,得到较低维数的特征描述符,新的特征描述符提高了图像匹配的效率。实验结果表明,与传统算法相比,改进的算法在保持较高匹配精度的情况下显著提高了匹配的速度。

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明:在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升。