基于估计概率密度函数的独立分量分析方法

基于最优估计函数,给出了一种估计得分函数的方法.通过使用高斯混合模型,给出了估计信号概率密度的EM算法和进行独立分量分析优化的梯度算法.为了提高算法的精度和稳定度,发展了迭代估计概率密度的方法,该方法可以针对超、亚混合信号进行分离.

一种针对复值信号的独立分量分析方法

利用独立分量分析方法对相互独立的复值信号进行盲提取,即从统计特性出发,通过变换观测信号,能够获得尽可能相互独立的信号.并在广义EHA准则基础上进行了变化,通过直接挑选非线性函数的方法,实现盲复值信号的提取.利用梯度下降法实现算法学习,仿真实验验证了算法的有效性.

基于梯度模分布的视点选择

在三维体数据的可视化中,信息的获取不仅与传输函数的设置有关,而且与用户观察的视点有关。提出一种新的应用直接体绘制来可视化体数据时最佳视点的选择算法,通过计算梯度模在图像上的分布,寻找梯度模分布最为均匀且投影面积最大的视点方向,同时,在视域球上离散采样得到初始视点墒分布后,使用自适应步长的梯度下降法来优化全局最佳视点方向。实验结果证实了所提出方法能够有效地找到最佳视点。