基于最大后验概率和鲁棒估计的图像恢复推广变分模型

基于最大后验概率和MRF理论的图像恢复描述框架,提出一个面向图像恢复的推广变分模型.模型中将噪声建模为广义正态分布,利用最大似然法估计形状参数自动选择合适的范数作为数据保真项;将图像梯度场的分布建模为混合密度类,利用鲁棒估计理论构造一个耦合全变差积分和Dirichlet积分的图像先验模型作为正则化项.利用推广泛函的凸性,讨论了该推广模型的最优解存在性.最后提出结合梯度加权最速下降和半点格式的数值迭代算法.实验结果表明,推广模型能自动区分污染图像中的噪声分布特性,对于高斯噪声和脉冲噪声的污染图像都能取得很好的恢复效果.通过计算峰值信噪比和边缘保护指数,分析和评价了推广模型与目前其他变分方法的性能.

基于多带复数小波与最大后验概率估计法的图像去噪方法

提出一种基于多带复数小波与最大后验概率估计方法的图像去噪方法,与二带小波以及相应的去噪方法相比,性能具有明显改善。

基于吉伯斯随机场和最大后验概率的医学序列图像伪光流估计

目的提出一种医学序列图像消除帧间相关的新算法，以利于图像信号的压缩、存储和传输。方法把医学序列图 像假想为运动序列，然后根据最大后验规则，利用迭代条件模型来求解这个伪运动序列的伪光流场，达到消除帧间相 关的目的。结果本算法能够有效地消除医学序列图像的帧间相关，它比仅利用帧内相关的算法更为有效。结论医学 序列图像存在大量帧间冗余信息，消除这种冗余信息将显著地提高医学序列图像的压缩比。

基于极大后验概率估计的高光谱图像融合算法研究

本文研究了基于PCA和极大后验估计的高光谱图像融合算法。该算法首先挖掘影像内在的观测模型,建立极大后验估计的目标函数。针对高光谱影像数据量大的特点,通过简化观测模型获得参数估计。融合实验结果表明,基于极大后验估计的高光谱影像融合算法不仅理论严密,而且图像融合效果较其他的增强方法的效果好。

基于SVM的电力变压器内部故障部位的概率估计

目前变压器智能故障诊断大多是以油中溶解气体为特征对故障性质的诊断,缺乏对内部故障部位的分析及量化的诊断结果。针对上述问题,提出一种基于SVM的电力变压器内部故障部位的概率估计模型。该模型结合SVM与概率建模的优点,充分利用油中溶解气体和电气试验数据的互补信息,运用SVM后验概率理论,对变压器内部可能发生故障的部位进行概率估计,克服了标准SVM硬判决输出的缺陷,以概率的形式给出诊断结论。通过实例分析表明,该模型不仅故障识别率较高,还具有良好的概率分布形态,具有较好的实用性和推广性。

最大后验概率在三维显微图像恢复中的应用

针对显微镜系统造成三维荧光显微图像模糊问题 ,提出一种基于线性的最大后验概率算法 (LMAP) .该算法以线性最小均方 (LLS)为基础 ,引入平滑因子 ,通过调节小特征值克服病态问题 ,达到快速处理显微图像的目的 .对LMAP算法和LLS算法的图像处理结果进行了比较 .

基于最大后验估计的无监督聚类算法

传统的基于EM算法的聚类方法,当模型的某个高斯分量的协方差矩阵变为奇异矩阵时,会导致聚类失败。提出在聚类过程中用最大后验估计(MAP)来代替极大似然估计(MLE);将一种改进的贝叶斯信息准则(BIC)与模型参数估计同时处理,扩大了模型选择的搜索范围。该算法有效地避免了协方差矩阵在迭代中陷入奇异,并将参数估计和模型选择同时进行。通过R软件进行仿真分析,结过表明改进的算法在减少计算量同时,提高了聚类的准确度,并具有鲁棒性。

基于奇异值分解的MIMO-OFDM系统角域MAP信道估计算法

最大后验概率信道估计算法应用于多输入多输出-正交频分复用(MIMO-OFDM)系统时需要大规模的矩阵求逆和乘积运算,且系统数据传输效率随发送天线数的增加明显降低。为克服这些问题,提出了一种基于奇异值分解的角域最大后验概率信道估计算法。该算法通过期望最大化把(MIMO)信道估计问题简化为一系列独立的单输入单输出(SISO)问题,并使用奇异值分解避免了大规模矩阵求逆和乘积运算;通过多个OFDM符号联合估计信道提高了系统数据传输效率及算法的估计性能。仿真实验验证了此算法的有效性。

基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法(英文)

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。

基于最大后验概率准则的红外图像NSCT域去噪方法

提出了具有图像增强效果的基于最大后验概率准则的非下采样Contourlet变换(NSCT,Non-Subsampled Contourlet Transform)域自适应降噪算法。该算法在定图像系数和噪声系数先验为高斯分布的前提下,利用后验概率最大原理计算NSCT系数的萎缩因子。在考虑尺度和方向能量因素的基础上对萎缩因子进行了修正,并用于NSCT系数萎缩过程中。最后,通过逆变换重构出降噪和增强的图像。试验结果表明,本文方法与小波去噪方法相比,性能有明显的提升。

基于EM的MIMO-OFDM系统MAP信道估计算法

最大后验概率(maximum a posteriori,MAP)信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化(expectation maximum,EM)的MAP信道估计算法,并分析了算法的性能。该算法利用EM算法把多输入输出信道估计问题化简为一系列独立的单输入输出问题,避免了大规模矩阵运算,降低了MAP算法的计算复杂度;为进一步改善MAP算法的数据传输效率及其估计性能,可通过对多个连续的OFDM符号进行联合信道估计。通过仿真实验证明了该算法的有效性。

基于后验概率的最低比特位隐写分析

LSB隐写是将欲嵌入的秘密信息取代载体图像的最低比特位,是图像隐写最流行的方式之一。已经有大量算法来检测LSB隐写,但是对于图像最低位变化率的估计误差较大。探讨了一种基于后验概率的隐写分析算法:首先利用图像像素是否处于局部平滑区域进行建模,然后采用EM算法估计出图像中每个像素属于上述模型的后验概率并将后验概率作为此像素的权重,最后结合WS模型来估计图像最低位变化率。实验结果表明,该算法能有效地并且准确的估计图像最低位变化率。

基于语音存在概率的噪声功率谱估计改进算法

噪声功率谱估计是语音增强算法中的关键技术之一。针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进。利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率。仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果。

平衰落信道下ML和MAP信道估计与导频符号长度的关系性能比较

信道估计是无线通信系统必须加以解决的关键技术之一,采用导频符号辅助的方法进行信道估计是目前各类无线通信系统常用的方法。本文针对平衰落信道提出了最大似然(ML)算法和最大后验概率(MAP)估计算法,给出了ML估计和MAP估计之间的关系,仿真了MAP估计和ML估计的方差与导频符号长度的关系,提出当导频符号长度的取值超过20个符号长度时,MAP信道估计明显优于ML信道估计。

一个概率变点问题的Bayes估计

利用Bayes估计理论,研究概率变点问题,给出变点的一个具体先验分布和后验分布,并对变点的存在性作出判断。

一种改善的MIMO-OFDM系统MAP信道估计

在MIMO-OFDM系统下提出一种最大后验概率(MAP)信道估计算法.该算法利用期望最大化(EM)算法把MIMO信道估计分解为一系列独立的SISO信道问题,降低了MAP算法的计算复杂度.同时,根据在角域内不同发送和接收天线间的信道可近似为空间不相关,利用最有用抽头(MST)技术来减小噪声对估计性能的影响.仿真实验表明,与传统LS和EM算法相比,所提算法在低信噪比下具有较低的估计误差.

一种性能更好的MIMO-OFDM系统MAP信道估计算法

基于期望最大化(EM)的最大后验信道估计算法(MAP)在高信噪比(SNR)下将很难获得较低的估计误差,并且,对于导频辅助的MIMO-OFDM系统,OFDM符号的数据传输效率随着发送天线的增加而明显下降.为改善这两种缺陷,引入一种等效的信号模型来改善高SNR下的估计性能;在相邻多个OFDM符号内使用相移正交导频序列和联合估计来提高系统的数据传输效率和估计性能;根据角域内信道间的独立性来减小噪声对估计的影响.通过仿真实验可知,所提算法具有更小的估计误差和更高的数据传输效率.

一种有效的MIMO-OFDM系统MAP信道估计

对于MIMO-OFDM系统,最大后验概率(MAP)信道估计算法可通过期望最大化(EM)算法降低计算复杂度,但将产生误差平底(errorfloor)现象。并且,系统的数据传输效率受限于发送端天线的数目。针对这些问题,该文提出了一种有效的MAP信道估计算法,并分析了算法的性能。所提算法在利用EM算法减小MAP算法计算复杂度的基础上,利用角域内信道间的独立性降低估计误差。为改善系统数据传输效率及估计性能,通过多个OFDM符号进行联合的信道估计。仿真实验验证了所提算法拥有更好的估计性能和数据传输效率。

基于修正EM的高效MIMO-OFDM系统MAP信道估计算法

针对MIMO—OFDM系统的基于期望最大化（EM）的最大后验（MAP）信道估计算法带来的误差地板（EF）现象及较低的数据传输效率，提出了一种基于修正EM的高效的MAP信道估计算法。该算法首先引入一种更精确的系统模型来改善基于EM的MAP估计算法在高信噪比下的EF现象，其次利用多个正交频分复用（OFDM）符号进行联合信道估计来提高系统的数据传输效率和信道估计的均方误差（MSE）性能。仿真实验结果表明这种估计算法改善了误差地板现象。同时拥有更低的估计误差和更高的数据传输效率。

基于参数估计精度的Bayes试验设计方案研究

基于装备试验评价的参数估计精度要求,对装备试验设计的需求进行了分析,并以成败型产品的试验设计为基础,论述了二项分布情形下参数估计精度的具体要求,给出参数估计验后概率要求下试验设计方案的求解思路,推导了共轭分布条件下可信区间宽度的计算公式,建立了可接受失效数与最小样本量之间关系的数学模型,给出了试验设计的MATLAB计算公式。最后,结合实例进行了理论和算法的验证。