扩展目标跟踪Student’s t逆Wishart平滑算法

脉冲干扰和离群量测信息等因素通常会导致异常的厚尾噪声,这使得以高斯假设为前提的扩展目标跟踪(ETT)估计器的性能急剧降低,针对该问题该文提出一种基于扩展目标随机矩阵模型(RMM)的Student’s t逆Wishart平滑(StIWS)算法。首先,将目标的运动状态以及过程噪声和量测噪声建模为Student’s t分布以表征异常噪声对扩展目标概率分布的影响,将目标扩展状态建模为服从逆Wishart分布的随机矩阵。然后,在Student’s t贝叶斯平滑框架下,详细推导了能在扩展目标的多重特征动态演变的过程中有效估计目标状态的StIWS算法。最后,通过扩展目标跟踪的仿真实验结果和真实场景实验结果验证了所提算法的有效性。

基于极化SAR梯度和复Wishart分类器的舰船检测

舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰,使得舰船目标的形态难以提取,导致检测结果不符合真实情况。此外,在舰船过于密集、尺度不一致的情况下,相邻舰船由于旁瓣的影响有时会被认为是单个目标,从而造成漏检。针对这些问题,该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先,将似然比检验(LRT)梯度引入对数比值梯度框架,使其适用于极化SAR数据;基于LRT梯度图进行恒虚警(CFAR)检测,提取舰船的边缘信息,消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次,利用复Wishart迭代分类器对舰船强散射部分进行检测,可排除大部分的杂波干扰且保持舰船形态细节。最后,将二者信息融合,从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验,实验表明与其他方法相比,该文所提算法具有更少的虚警和漏检,且能够有效克服旁瓣泄露,保持舰船形态细节。

The Superiority of Bayes Estimators in a Multivariate Linear Model with Respect to Normal-Inverse Wishart Prior

In this paper, the multivariate linear model Y = XB＋e, e ～ Nm×k（0, ImΣ） is considered from the Bayes perspective. Under the normal-inverse Wishart prior for （BΣ）, the Bayes estimators are derived. The superiority of the Bayes estimators of B and Σ over the least squares estimators under the criteria of Bayes mean squared error （BMSE） and Bayes mean squared error matrix （BMSEM） is shown. In addition, the Pitman Closeness （PC） criterion is also included to investigate the superiority of the Bayes estimator of B.

一种改进的模糊Wishart-PSO极化SAR影像智能聚类算法

针对极化SAR影像聚类精度不高、极化参数数据量大、计算复杂的问题,本文提出了基于改进模糊Wishart距离的极化SAR影像粒子群智能聚类方法。该方法首先针对极化SAR数据分布,结合模糊划分改进传统Wishart聚类评价准则,减小孤立点噪声影响;然后根据极化散射机理完成聚类初始划分;最后在迭代寻优步骤引入粒子群优化框架,提高聚类中心有效性与分类精度。试验分别采用L波段AIRSAR数据及X波段高分辨率极化SAR数据验证了模糊Wishart-PSO聚类算法的有效性,分类结果较传统的H/α-Wishart方法合理性明显提高,聚类精度可达90%。

2个Wishart随机矩阵相对纯性的概率密度函数

研究2个Wishart随机矩阵相对纯性的概率密度函数的计算问题。运用第二类修正贝塞尔函数,通过解析计算得到2个Wishart随机矩阵相对纯性的概率密度函数的含参积分表示公式,并得到其概率密度函数在部分区间内的图像。

GNSS/SINS组合导航系统的改进变分贝叶斯自适应滤波算法

针对系统噪声及测量噪声统计量不准确的组合导航系统线性高斯状态模型,提出一种组合导航系统的改进变分贝叶斯自适应滤波算法(modified variational Bayesian adaptive filter,MVBAKF)。首先,选择Wishart分布作为已知均值的高斯分布协方差矩阵的共轭先验,并给出测量噪声方差、状态向量及其预测误差协方差矩阵的联合概率分布函数;然后,利用变分贝叶斯方法给出测量噪声方差及状态向量预测误差协方差矩阵的计算公式,进而提出具有迭代性质的MVBAKF算法;最后,进行基于MVBAKF算法的GNSS/SINS组合导航系统仿真实验。结果表明,相对于传统VBAKF算法,MVBAKF算法可较准确地估计测量噪声方差,有效克服系统噪声统计量不准确对滤波精度的影响,进而提高组合导航系统的滤波精度。

基于Wishart分布和MRF的多视全极化SAR图像分割

提出一种新的多视全极化SAR图像分割方法.将描述多视协方差矩阵的Wishart分布与马尔可夫随机场模型结合起来,利用迭代条件模型法(ICM)求取最大后验概率准则下的分割结果,其中ICM所需的初始分割图由基于Wishart分布的最大似然法获得.NASA/JPL实验室AIRSAR系统多视全极化数据的实验结果表明,与几种常用方法相比,本文方法分割精度更高,分割结果图中孤立像素少,图像连通性好.

选择利用Wishart和K统计描述的极化SAR图像分割

为得到极化SAR图像中不同异质程度区域的准确分割,本文提出一种选择利用Wishart和K统计描述的极化SAR图像分割方法。该方法采用分形网络演化算法思想,将简单线性迭代聚类算法生成的超像素作为初始对象;再根据区域异质度指标,选择利用Wishart分布或K分布描述对象的统计相似性;最终实现综合利用Wishart和K统计描述的极化SAR图像分形网络演化分割。通过模拟数据和真实极化数据进行实验并与其它方法相比较,结果表明,本文方法在整体上能准确分割不同异质程度的地物,在局部细节上分割结果边界更精细。

一种基于多模型高斯逆Wishart PHD滤波器的空间邻近目标跟踪方法

将空间邻近目标(Closely Spaced Objects,CSOs)整体建模为扩展目标(Extended Target,ET),用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态,并采用高斯逆Wishart(Gaussian inverse Wishart,GIW)概率假设密度(Probability Hypothesis Density,PHD)滤波器实现杂波和漏检条件下CSOs的稳定跟踪.修正了原GIW-PHD滤波器量测模型和形状估计的缺陷,给出新的递推表达式,并在此基础上提出一种多(形变)模型GIW-PHD滤波器,以适应CSOs分裂和融合引起的形状变化.仿真结果表明,所提算法能够有效跟踪CSOs,状态估计比原GIW-PHD更加准确,对CSOs的变化更加敏感.

加权全极化SAR图像非监督Wishart分类方法

为提高基于极化目标分解与复Wishart非监督分类方法中对不同类别地物中心散射相关矩阵的估值精度与合理性,本文提出了加权全极化SAR图像非监督Wishart分类方法,该方法通过对求解每一类地物散射相关矩阵时,进行数值加权,使得求解的散射相关矩阵更能代表地物类别的中心。本文详细阐述了该方法的原理和实施步骤,并通过对AIRSAR的L波段实际数据进行分类实验,可知该加权算法无论在分类精确度上还是在迭代速度上,性能都有所提高。

有限混合Wishart模型分类多视极化SAR图像

针对多视极化SAR图像的Wishart分类器存在着先验假设分布问题,提出混合Wishart模型并进行极化SAR图像的分类。结合bootstrap方法给出了混元个数准则,采用EM算法导出了混合模型的参数估计。根据旧金山湾区域的多视极化SAR图像实例进行了分析,并由此进行分类。实验结果显示在大的匀质区域方面上采用混合Wishart模型的分类结果明显优于直接采用Wishart方法的分类结果。

基于混合Wishart分布MRF分割的极化SAR图像海岸线检测

针对基于Wishart分布马尔可夫场(Markov random field,MRF)海陆分割存在海面和陆地整体区域无法使用单一Wishart分布描述的问题,提出了一种基于混合Wishart分布的极化合成孔径雷达(synthetic aperture radar,SAR)图像海岸线检测方法。该方法首先对极化SAR总功率边缘能量采用两区域Ostu阈值分割得到初始海陆分割结果,然后采用混合Wishart分布描述陆地和海面区域,通过基于混合Wishart分布MRF两区域分割迭代计算实现海陆精确分割。最后对经过水域合并处理的海陆分割结果进行边界跟踪实现海岸线检测。分别使用了RADARSAT2中国海南陵水地区和新加坡部分地区极化SAR数据进行实验,实验结果证明提出方法比基于Wishart分布MRF分割方法更加精确和鲁棒。

基于随机矩阵建模的Student’s t逆Wishart滤波器

针对复杂的异常噪声条件下扩展目标跟踪问题,本文基于随机矩阵模型(RMM)提出了一种Student’s t逆Wishart滤波算法.首先,运用Student’s t分布对异常的过程噪声和量测噪声进行建模,运用逆Wishart分布对目标扩展状态进行建模,以更加合理的数学模型表征异常噪声条件下基于稀疏量测的目标基本轮廓特征.进一步的,本文详细推导了能稳健估计目标椭圆形状特征的Student’s t逆Wishart滤波算法,能在形状和方向动态演变过程中有效估计扩展目标的多重特征.最后,通过构造异常噪声条件下椭圆扩展目标跟踪的仿真实验验证了所提算法的有效性.

基于Wishart矩阵特征值的频谱感知算法

为了提高频谱感知性能,克服经典算法的缺点,提出了一种新的基于Wishart随机矩阵理论的协作频谱感知算法。根据多个认知用户接收信号样本协方差矩阵特征值的对数分布特性,利用样本协方差矩阵最大特征值与几何平均特征值的比值,得到简单的判决阈值闭式表达式,实现频谱感知判决。该算法不需要知道主用户的任何先验信息,不受噪声不确定性的影响。仿真结果表明,所提算法在协作用户数少、信噪比低、采样点数极少的情况下,仍能获得较高的感知性能。该算法受虚警概率和极端值的影响较小,比同类算法有更好的检测性能。

散射模型与Wishart分类相结合的极化SAR图像分类

给出了一种散射模型与Wishart分类相结合的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像非监督分类方法。首先利用去取向三分量散射模型进行粗分类,将像素划分为三种基本散射类型和混合散射类型;然后,在基本散射类型内根据占优散射机制的功率进行细分类,并根据Wishart距离对细分类的结果进行类别合并,合并到指定的类别数;最后对四种散射类型的像素分别重新进行Wishart迭代,从而实现极化SAR数据的非监督分类。利用美国AIRSAR机载系统采集的实测数据进行实验,并且同已有分类方法进行比较,结果表明本文方法改善了分类效果,且降低了体散射过估计。

一种改进的全极化SAR图像MCSM-Wishart非监督分类方法

针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-component scattering model,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOS PALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。

基于正态—逆Wishart先验分布的贝叶斯分类识别方法研究

研究了各总体服从正态分布、分布参数的先验分布均为正态—逆Wishart共轭先验时 ,如何利用待判样品的预报密度函数 ,构造后验概率比和分类判别规则 ,并据此对样品进行分类识别 ;该方法的特点是充分利用了参数分布的信息 ,结论简单、直观 。

四元数Wishart矩阵分布及其在通信中的应用

利用奇异的四元数Wishart矩阵的密度函数以及特征值的联合密度函数计算出了四元数随机MIMO信道模型的信道容量.此模型包括信道系数矩阵Hnr×nt,它可分为ntnr和nt>nr这两种情况.文中对这两种情形分别计算了部分数据.

四元数非中心Wishart分布及其特征根分布

利用四元数矩阵变元的带状多项式定义及性质推导出四元数非中心

基于Wishart检验的金融市场风险溢出研究

在假定两个金融市场均为有效市场的条件下,基于Wishart分布对不同滞后相关系数进行Wishart检验,来确定在这两个金融市场之间的风险溢出发生期和风险溢出强度。实证检验结果显示,沪、深两市之间的风险溢出发生期大约在3分钟之内,且在3分钟的风险溢出发生期内沪市对深市的风险溢出强度较深市对沪市的风险溢出强度衰减速度缓慢,这反映了沪市较深市具有更重要的影响力,该研究结果与金融市场的实际情况吻合。