北斗多频观测最小噪声系数组合法

在卫星高精度定位中,采用多频观测量组合可以构建长波长、无电离层延迟、无几何距离等组合,有效解决定位过程中的载波相位模糊度、电离层延迟、周跳等问题。本文在多频实系数组合方面,提出一种多频最小噪声系数组合方法,以组合后噪声系数最小为基本原则,并根据电离层延迟的影响分析了忽略电离层延迟和综合电离层延迟的组合。在多频最小噪声系数组合过程中,采用的频点个数越多,组合后的观测量精度越高。忽略电离层延迟组合主要考虑观测噪声的影响,北斗双频、三频、四频、五频、六频的最优组合相比于单频观测量,理论观测量精度分别提升了40%、53%、58%、62%、64%;综合电离层延迟组合兼顾电离层延迟和噪声系数的影响,通过适当放大噪声系数来降低电离层系数。在实际接收的观测量验证时,最小噪声系数组合的观测量精度提升效果与理论分析的变化趋势基本一致,采用实际数据进行北斗PPP定位分析,结果表明,双频最小噪声系数的定位精度略优于非差非组合。

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。

基于最小噪声分离的籽棉异性纤维高光谱图像识别(英文)

针对籽棉表层多类难检异性纤维,包括纸屑、白发、丙纶丝、化纤和地膜等5种白色物质,采用高光谱技术和最小噪声分离(minimum noise fraction,MNF)分析方法对含有异性纤维的籽棉图像进行研究。该文在400～1 000 nm的光谱范围内采集高光谱图像,根据光谱曲线选取子区域,应用最小噪声分离分析方法降维、去噪。取MNF变换后的前4幅分量图像,通过视觉评价,选定最佳成分图像并融合中值滤波、灰度变化等图像处理的方法确定最佳分割图像,提取异性纤维。试验结果表明,对于以上5种异性纤维,该方法的识别率达到91.0%。该研究可为棉花异性纤维检测系统的开发提供参考。

基于最小噪声分量变换的ASTER遥感数据岩性分类

遥感岩性分类相较于普通土地利用分类难度更大,其形状或者规模上都不具有特别明显的规律可循,且在边缘的过渡上也存在模糊性,对于常用的监督分类方法在岩性分类中效果都不甚理想。利用ASTER多光谱数据,总结出一套基于最小噪声分量变换的ASTER遥感数据岩性分类技术流程,在ASTER数据最小噪声分量变换的基础上,通过二维散点图几何顶点提取岩性分类样本,利用光谱角技术对西藏日土地区弗野铁矿范围内的岩性进行分类,并通过中值滤波的方法对分类结果进行后处理。结果表明,分类结果与实际岩性有很好的一致性,总体分类精度达到83.33%。

最小噪声分离在航空电磁数据噪声压制中的应用

时间域航空电磁数据经预处理后,仍存在残余噪声,影响电磁探测对地下异常的识别能力。笔者提出一种基于最小噪声分离的去噪方法,将一组含噪电磁数据通过旋转矩阵线性变换为按照信噪比大小排列的最小噪声分离成分,利用信噪比较大的最小噪声分离成分重构电磁数据,以达到分离噪声的目的。仿真数据去噪结果表明:最小噪声分离不仅能够有效压制晚期道剖面噪声,还能准确分辨异常信息;晚期道信噪比较测线滤波提高了11.28 d B,实测数据的噪声水平也由±50 n T/s降低到±10 n T/s。

最小噪声分离(MNF)变换应用于模糊印章提取的研究

为了提高印章的可辨识度,尝试解决印章与画意重合的问题,应用高光谱图像系统,采集了上海博物馆馆藏“清明上河图”作品的高光谱图像信息,对其中三枚可辨识度不高,与画意重合严重的印章进行了提取。通过最小噪声分离(Minimum Noise Fraction,缩写为MNF)解决了其中一枚印章可识别度不高的问题;对与画意高度重合的两枚印章,通过波段裁剪结合最小噪声分离处理,有效地将印章与画意分离开,取得了令人满意的效果。结果表明,最小噪声分离可以有效地提高模糊印章的可辨识度,结合相应的波段裁剪处理,也可以有效地将印章与画意分离开。

基于核最小噪声分离变换的高光谱遥感影像多类SVM分类

高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点。在线性最小噪声分离变换MNF(Minimum Noise Fraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法。在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比。发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势。

基于改进最小噪声分离变换的特征提取与分类

在最小噪声分离变换的基础上，引入核方法，采用小波核函数代替传统核函数对最小噪声分离变换予以改进。小波核函数的多分辨率分析特性可进一步提高算法的非线性映射能力。相关向量机高光谱图像分类是一种较新的高光谱图像分类方法，将新型核最小噪声分离变换方法与相关向量机相结合，对高光谱影像数据进行分类实验。仿真实验结果表明，基于小波核最小噪声分离变换的方法体现了高光谱影像的非线性特征，将所提出的方法应用于HYDICE系统在Washington DC Mall上空拍摄的数据，与对照算法相比，分类精度可提高3％～89／6，并可有效地提高小样本区域的分类精度。

基于最小噪声上界确定模型的结构

１引言由于在实际过程中，要确定系统过程噪声的统计分布特性非常困难，因此研究系统噪声统计分布特性未知但有上界情况下的模型结构确定问题是非常有意义的，但迄今为止有界噪声情况下模型结构的确定方法还很少［１］．Ｂｅｌｆｏｒｔｅ，Ｂｏｎａ，Ｃｅｒｏｎｅ［２］提...

利用最小噪声分数变换的高光谱目标探测方法

针对高光谱遥感影像特征维数多、冗余度高,同时观测信号中广泛存在各种噪声成分的问题,该文提出了一种利用特征降维的高光谱遥感影像目标探测方法。方法首先采用最小噪声分数变换算法对高光谱遥感数据进行特征降维,提取观测信号中的少量高信噪比成分组成新的数据立方,进而使用高光谱目标探测算子实现目标探测。通过对真实目标位置已知的HyMap高光谱遥感数据目标探测的实验,证明了该文提出的方法能够降低目标探测的虚警率和探测时间。

基于信道模型过估计的最小噪声子空间盲辨识(英文)

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.

基于最小噪声分离变换的遥感影像融合方法

针对主成分分析(PCA)融合算法的不足和最小噪声分离(MNF)变换的优势,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了基于最小噪声分离变换的遥感影像融合方法,并与其它融合方法进行定量和视觉比较,结果表明该方法能得到更好的融合效果。

基于改进最小噪声分离变换的异常检测算法

为了降低噪声对高光谱异常检测结果的影响以及提高异常检测率,提出了一种基于改进最小噪声分离(MNF)变换的新型高光谱异常检测算法。首先对传统的MNF变换进行改进,采用加权邻域均值法对噪声矩阵进行估计,对邻域内每一个像元给予一个特定的权值,提高背景像元在邻域矩阵中的比例,进而抑制噪声像元的比例,通过差值计算提取噪声信息,然后应用改进的MNF变换对高光谱图像进行降维去噪处理,最后,将获取的低维去噪图像利用异常检测算法进行检测,并用真实的AVIRIS数据进行了测试。结果表明,该算法有更好的降维去噪效果,提高了异常检测率。

基于最小噪声分离变换的高光谱异常检测方法研究

RX算法和核RX算法能很好地分离目标和背景,是较为广泛使用的异常检测算法,但是高光谱图像数据量大且存在冗余信息和噪声,直接进行RX及核RX异常探测运算量大且容易受噪声影响。针对此问题,提出一种基于最小噪声分离变换的高光谱图像异常检测方法,首先采用残差分析法估计噪声协方差矩阵以改进最小噪声分离变换,然后利用改进后的最小噪声分离变换来有效地降低高光谱图像数据的维数并分离出噪声,最后对低维降噪后的数据进行RX及核RX异常检测,避免了随机噪声对RX及核RX异常检测结果的影响并提高了异常检测率。对真实的AVIRIS数据测试表明,该算法优于传统的相应的RX、核RX异常检测算法。

基于最小噪声匹配的低噪放-天线一体化电路

传统的接收端天线与低噪声放大器(LNA)级联,通常需将天线输出阻抗与LNA的输入阻抗均匹配到50Ω,为此引入的匹配电路不仅占用了较大的电路尺寸,而且额外引入插入和失配等损耗。为消除匹配网络,本文提出一种基于ATF-54143晶体管的低噪放-天线一体化电路,基于最小噪声条件下将天线的阻抗与LNA晶体管的输入阻抗实现匹配。该方案通过直接优化微带天线的阻抗实现与LNA晶体管的宽带匹配,不使用任何形式的输入阻抗匹配网络来构建有源集成天线,从而克服了传统设计存在的问题和不足。实验测试表明,在2~3 GHz的带宽内,噪声系数(NF)较传统级联设计都有改善,且最大改善可达0.38 dB(较传统设计NF降低16%)。

最小噪声分离变换与Haar小波变换结合的壁画线状特征增强方法

在壁画的保护与修复中,线状特征具有重要的意义。然而由于自然环境等因素的影响,壁画经常出现褪色残缺等病害,导致其线状特征难以辨认。因此,利用高光谱成像与Haar小波变换结合,提出了一种壁画线状特征增强方法。首先,对高光谱影像进行最小噪声分离(MNF)变换,选取前10波段进行MNF逆变换进行重构,实现高光谱影像的降噪处理。其次,对重构后的影像选择真彩色波段变换为灰度图像,对灰度图像进行Haar小波分解。然后,对最小噪声分离变换后的影像,利用最大平均梯度法进行最优波段选择,将最优波段利用Haar小波进行变换,利用其分解后的低频信号与灰度图像分解后的低频信号相融合,高频信号使用MNF逆变换重构后的灰度图像。最后,对优化组合的低频和高频信号进行Haar小波逆变换得到结果图像,达到增强线状特征的目的。经过与原始灰度影像、主成分分析线状特征增强方法对比,验证了线状特征增强方法的有效性。研究结果可为壁画的保护修复提供更丰富、更直观的参考信息。

一种改进的高光谱图像最小噪声波段选择方法

有效的波段选择方法可提高高光谱图像处理的速度和处理效果。为了进一步提升前向搜索的最小噪声波段选择算法的效率,提出了一种基于光谱形状相似性分析结合最小噪声准则的高光谱图像波段选择方法。通过虚拟维度方法估计聚类数范围,基于光谱角距离度量类内散度和类间散度定义聚类有效性指标,利用时间序列关键点提取准则对聚类后每类数据的平均光谱提取关键波段集,运用最小噪声波段选择方法从关键波段集中搜索最优波段子集。最后,通过RX方法对波段选择后的高光谱图像进行异常检测。实验结果表明,相比直接前向搜索的最小噪声波段选择方法,所提出的改进算法用于异常检测能进一步提高检测精度。

基于最小噪声分离的沙特吉赞省城市建成区信息提取

基于MNF最小噪声分离光谱增强技术以及面向对象分类技术开展了沙特吉赞省城市建成区信息提取。研究成果显示,2008、2014、2018年三年度,吉赞省城市建成区面积分别为262.34、354.43和409.17km^2。2008至2014年,吉赞省新增城市建成区92.09km^2,增幅35.1%,年增长面积15.34km^2,面积年增长率5.85%。2014至2018年新增城市建成区面积主要集中在吉赞经济城,且新增城市建成区主要为规划开发的独立新城,原城镇居民点面积增幅较小,空间上主要分布于该省中南部平原地区。

基于ASNLS算法的智能浮标浮潜模型参数辨识

[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法(ASNLS),以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明:相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快(较最小二乘算法提高了31.8%)、深度预测误差更小(不同深度下的平均绝对百分比误差均小于9%)。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。

基于改进的辛周期模态分解的滚动轴承复合故障诊断方法

辛周期模态分解(symplectic period mode decomposition, SPMD)方法可以准确地提取周期脉冲分量,是一种有效的滚动轴承单一故障诊断方法。但在滚动轴承出现复合故障时,尤其是强背景噪声下,周期脉冲信号往往较微弱,使得SPMD难以提取出不同周期的脉冲分量,进而限制了其在复合故障诊断中的应用。对此,提出了改进的辛周期模态分解(improved symplectic period mode decomposition, ISPMD)方法。该方法首先采用求差增强技术和最小噪声幅值反卷积相结合的方法对信号进行降噪,增强周期脉冲,以准确估计故障周期;然后构造对应的周期截断矩阵,并通过辛几何相似变换和周期冲击强度获得辛几何周期分量;最后对残差信号采用迭代分解,进而得到不同周期的辛几何周期分量。试验结果表明,ISPMD能准确提取出周期脉冲分量,是一种有效的滚动轴承复合故障诊断方法。