航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像,提出了一种基于极大似然估计准则的规整化复原算法.根据图像随机场模型建立了有关多帧图像数据的对数似然函数,同时为了平滑噪声和保护图像边缘以及避免无价值的解,将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中.推导出了湍流点扩展函数和目标图像的交替迭代求解公式,通过迭代方式可将点扩展函数和目标图像同时估计出来,给出了算法的并行处理方案.在微机上对强噪声条件下的湍流退化图像进行了恢复实验,实验结果表明本算法具有较强的抗噪能力和实用价值.

基于改进的期望值最大化自适应光学图像多帧迭代去卷积算法

为提高自适应光学图像复原的效果,基于期望值最大化理论,提出了一种基于改进期望值最大化(EM)算法的自适应光学(AO)图像多帧联合去卷积算法。通过建立多帧AO图像退化的数学模型,推导出基于相位误差并随时间变化的点扩散函数(PSF)模型,根据图像功率谱密度及约束图像支持域的方法对AO图像进行去噪处理。应用AO成像系统参数与正则化技术相结合对EM算法进行改进,建立多帧AO图像联合去卷积的代价函数及其参数估计的优化模型。利用所建模型对模拟图像和实际观测的AO图像进行图像复原实验验证文中算法的复原效果。实验结果表明,与Wiener迭代盲去卷积、Richardson-Lucy迭代盲去卷积算法相比,文中算法迭代次数减少14.3%,估算精度有了明显提高,辨识出了AO图像的PSF,复原出了清晰的观测目标图像。研究结果对实际AO图像复原有一定的应用价值。

基于快速SBL的双基地ISAR成像

针对稀疏孔径条件下双基地ISAR成像分辨率低、运算时间长等问题,提出了一种基于快速稀疏贝叶斯学习的高分辨成像算法。首先,建立基于压缩感知的双基地ISAR稀疏孔径回波模型,然后将整个二维回波数据进行分块处理,并假设目标图像各像元服从高斯先验,建立稀疏贝叶斯模型,再利用快速边缘似然函数最大化方法求解得到高质量目标图像,最后将所求的每块回波对应的目标图像合成整个二维图像。由于采取了分块处理,在每块图像重构时减少了数据存储量和计算量。另外,相比于传统的稀疏贝叶斯学习求解方法,本文所提快速算法在保证重构质量的同时进一步缩短了运算时间,仿真实验验证了算法的有效性和优越性。

一种结合边缘检测的多基线InSAR高程反演方法

针对多基线InSAR高程重建算法鲁棒性差的问题,提出一种基于边缘检测与路径跟踪策略的多基线InSAR高程反演算法。该算法分为2个步骤。第1步是直接利用多基线最大似然估计算法从多幅不同基线的干涉相位图中获取粗略的地形高程,再用Sobel算子对滤波后的粗略地形高程进行边缘检测,获得地形的不连续边界;第2步则先构建优化的多基线InSAR高程反演模型,随后利用单通道InSAR相位解缠技术中的路径跟踪策略,引导构建的多基线InSAR高程反演模型沿高质量像元到低质量像元的路径进行高程重建,在连续区域引入邻域约束,在不连续区域则阻断邻域约束,既有利于提高算法在连续区域的抗噪性,又可避免邻域约束在不连续区域引起的误差传递现象,从而达到增强算法鲁棒性的目标。多组不同地形的高程反演结果证明了该方法的有效性。

基于均值未知的高维协方差矩阵的估计

给出了一种基于均值未知情形下,高维协方差矩阵估计的新算法。即当矩阵的维数p大于样本容量n时,根据随机矩阵理论,通过样本协方差矩阵特征值的边缘密度函数和总体特征值的对数似然函数,得到目标矩阵特征值的估计量。基于收缩估计的思想,对目标矩阵特征值和样本协方差矩阵特征值进行收缩估计,通过特征值的估计得到高维协方差矩阵的一个新的估计量。数值模拟表明,对于多元正态的总体,高维协方差矩阵的新估计量较样本协方差矩阵的精度更好。

一种新的贝叶斯调制分类算法

提出了一种基于马尔可夫链蒙特卡罗(MCMC)的数字调制分类方法。针对存在未知残留载波相位和频率时贝叶斯分类难以实现的问题,采用Metropolis-Hastings(M-H)算法估计边缘似然概率密度,从而在分类性能上保持了贝叶斯分类的理论最优性和稳健性。利用对比实验验证了方法的性能。

基于厚尾分布的异常信号检测方法

为了检测具有厚尾分布信号的异常值,提出将基于EM算法的统计诊断方法应用于正态逆高斯信号的异常信号检测。为了避免计算贝塞尔函数的困难,考虑将正态逆高斯信号看作缺失变量,通过EM算法求解参数的极大似然估计,简化了计算过程;通过Q函数代替对数似然函数,提出了在正态逆高斯分布的信号中基于Q函数的影响度量方法,分别给出了数据删除模型与局部影响分析的诊断统计量,理论和实例计算结果表明:该文所提出的检测方法对于正态逆高斯信号的检测效果明显。

基于期权价格的Lévy过程参数估计研究

Lévy过程可准确描述某些复杂的分布特征,如:尖峰、厚尾及有偏等,也可将标的资产运动过程中所展现的非连续性体现出来,因此在金融过程中得到了广泛而有效的运用.本研究基于期权的定价公式,运用极大似然法以及快速傅里叶变换对方差伽马(Variance-Gamma,VG)模型、Carr-Geman-MadanYor(CGMY)模型及VGSA模型(VG和Cox-Ingersoll-Ross模型的复合指数模型)等几种典型Lévy过程的参数进行有效估计,并且通过香港恒生指数期权数据对该方法进行验证.

基于改进块贝叶斯学习的多通道心电信号重构

为提高可穿戴心电监护系统的重构精度,提出了一种结合多测向量模型的块稀疏贝叶斯学习心电信号重构算法,并在算法的求解过程中使用快速边缘似然最大化算法。对MIT-BIH心律失常数据库、MIT-BIH噪声测试数据库和PTB诊断数据库中心电信号的实验表明,相比于其他传统的压缩感知重构算法,该算法具有重构精度高、运行时间短的优势;相比于基于单测向量模型的块稀疏贝叶斯算法,该算法的重构精度提高了35%,重构速度提高至原来的8倍;在重构含噪声心电信号的情况下,该算法获得比其他重构算法更好的重构效果。因此,本文算法在可穿戴心电监护系统中具有良好的应用前景。

工程数学复习指导

“工程数学”课的学时少,而内容繁杂,在复习时应注重一些基本慨念以及与之相联系的基本方法,下面分章说明。 第一章 事件与概率 本章重点是事件与慨率的概念及其性质,加法公式与乘法公式的运用,具体要求是:

发音错误检错中声学模型训练准则的比较研究

在发音错误检错系统中,将传统语音识别系统中的最大似然估计准则和最小音素错误准则应用于声学模型训练通常不能获得F1值指标意义下的最佳性能.本文在对最大似然准则以及最小音素错误准则参数更新公式进行分析的基础上,提出了最大化F1值函数的区分性训练准则,并利用构造弱意义辅助函数的方法对声学模型参数进行优化.通过比较,发现最大化F1值函数的区分性训练准则能够有效地增大训练和测试数据检错的F1值,同时训练数据和测试数据上的精确度、召回率都有明显改进.