基于相关向量机的高光谱图像噪声评估算法

为了更准确的估计高光谱图像噪声强度,提出了一种基于相关向量机(RVM)的高光谱图像噪声评估算法。对该算法所采用的RVM回归原理、残差与噪声的关系等进行了研究。首先,介绍了高光谱图像噪声评估中应用较为广泛的空间/光谱维去相关法的特点及不足。接着,对可有效进行非线性回归分析的RVM进行了介绍。然后,针对传统的空间/光谱维去相关法在系统中存在较强的非线性关系时,得到的残差将会过大这一问题,提出利用RVM回归分析去除具有高相关性的信号,利用得到的残差图像对噪声进行估算,从而提高评估系统的稳定性。实验结果表明:噪声强度估计精度优于8%;相比传统算法更有效。总体看,该算法可以满足自动高光谱图像噪声评估的稳定可靠、精度高等要求。

不同去相关方法对GRACE反演长江流域陆地水储量变化的影响

由于GRACE卫星轨道的设计和传感器误差以及球谐系数的相关性等因素的影响,利用GRACE数据解算的原始时变引力场模型中包含明显的南北方向条带误差,在一定程度上掩盖了真实的陆地水储量变化信号。针对不同的去相关方法反演的陆地水储量变化结果不同,且关于长江流域不同去相关方法之间的比较研究相对较少,以长江流域为研究区,选取SWENSON、P3M6、P4M15三种去相关方法,分析比较反演陆地水储量变化的结果。结果表明,在空间分布上,P3M6和P4M15方法空间分布较为接近,P4M15信号损失较多,SWENSON虽然保留了较多的信号,但其空间分布与其余两种方法相差较大,可能与经验参数选取有关。在时间域上,陆地水储量变化周年项振幅大小顺序为P4M15>P3M6>NONE(不进行去相关处理)>SWENSON,半周年振幅的大小顺序为:P3M6>P4M15>NONE>SWENSON。

一种改进的高光谱影像噪声估计算法

针对空间维去相关法影像分块常包含地物边界以及波谱维去相关法矩阵多次求逆导致运算量过多的不足,提出一种基于地物分割的改进波谱维去相关方法.方法可以保证影像分块的波谱一致性,且在波谱维去相关时只需进行一次求逆运算,从而显著减少运算量.运用该算法分别对模拟影像和真实Hyperion影像进行噪声估计.实验结果表明:一方面,改进算法具有更快的计算速度;另一方面,在对模拟影像进行估计时,改进算法的像元波谱曲线及其结构相似度更接近模拟噪声,在对真实Hyperion影像进行估计时,改进算法的噪声像元波谱曲线在零附近作小幅波动,更符合真实噪声的特征.实验结果验证了改进波谱维去相关算法的有效性.

结合RAKE接收的判决反馈多用户检测器

提出将RAKE接收与判决反馈多用户检测相结合的接收方案 ,并对聂景楠提出的判决反馈多用户检测器 ,采用分组去相关法加以改进 ,从而带来检测器运算速度的增加、节省所需内存 ,而且考虑了用户功率大小对判决反馈的影响 ,及RAKE接收技术的采用 ,降低了误码率 ,使系统整体性能得到提高 .研究结果表明 ,新的方案在性能上明显优于不带RAKE的判决反馈多用户检测器和R .Cupas提及的解相关检测器 .

AN IMPROVED FAST BLIND DECONVOLUTION ALGORITHM BASED ON DECORRELATION AND BLOCK MATRIX

In order to alleviate the shortcomings of most blind deconvolution algorithms,this paper proposes an improved fast algorithm for blind deconvolution based on decorrelation technique and broadband block matrix.Althougth the original algorithm can overcome the shortcomings of current blind deconvolution algorithms,it has a constraint that the number of the source signals must be less than that of the channels.The improved algorithm deletes this constraint by using decorrelation technique.Besides,the improved algorithm raises the separation speed in terms of improving the computing methods of the output signal matrix.Simulation results demonstrate the validation and fast separation of the improved algorithm.

高光谱图像空间光谱维去相关噪声评估

高光谱图像噪声评估既是评价图像质量的重要内容,也是衡量传感器性能的重要指标。一般噪声评估方法通过对图像规则分割或利用某种距离准则对图像进行连续性分割,计算图像子块的局部标准差或多元线性回归的残差来实现对图像噪声的估计。但这些方法获取的图像子块并不是完全均匀的,图像子块中仍然会存在地物边界,导致图像噪声评估的结果不准确。为了有效提取图像中的均匀子块,本文提出了一种优化的空间光谱维去相关(OSSDC)方法,基于光谱角距离和欧氏距离双重判定,从光谱曲线的形状和数值上寻找相似像元,获取图像中的均匀子块,然后利用多元线性回归计算残差实现对图像噪声的估算。利用模拟图像和实际航空飞行实验获取的高光谱图像对优化算法进行检验,同时与几种常用噪声评估方法进行对比分析,结果表明优化后的算法计算结果更准确,稳定性和适用性优于其他方法。