关于前向最大后验概率(MAP)算法的研究

推导了前向 MAP的一种简化形式—— F- MAP,并给出了它的两种实用算法 :Log- F- MAP和 Max- Log- F- MAP.F- MAP与 SOVA算法 (寄存器交换模式 )间有着密切的联系 ,特别是可将Log- F- MAP看作对 SOVA的进一步改进 .通过定点仿真 ,对 F- MAP和其他流行 SISO算法在Turbo译码中的 BER/FER性能进行了比较与分析 ,得到了译码延迟 D的合理值为 5～ 6倍的约束长度 .

后验概率算法用于位移场的确定

提出了一种基于贝叶斯最大后验估计算法确定固体表面位移场的方法。在图像处理过程中,把位移看作随机变量,首先建立贝叶斯模型,对变形前数字图像中的一个像素点,选定变形前后两幅数字图像中对应的圆形子区,将两子区所对应的所有可能位移逐一代入贝叶斯后验概率公式进行计算,使后验概率最大的位移值就是所求该点的位移。在得到整像素位移之后,引入亚像素重建技术,确定图像的精确位移场。本文通过计算机数字模拟实验和实物标准位移实验,验证了该方法的可行性,并得到了0.02pixel的位移测量精度。

一种基于后验概率差值的拒识算法

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时,输入词的后验概率和后验概率差值之间的区别,并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法,本算法几乎不需要额外的计算和存储量。当识别率为98.2％时,拒识率达到了95.4％。

一种基于最大后验概率的抗遮挡目标跟踪算法

针对传统目标跟踪算法对遮挡场景判断不准确、实时性不高的问题,提出一种基于最大后验概率匹配系数的特征自适应选取的目标跟踪算法.首先,在Mean-shift算法框架下,采用颜色和纹理特征描述目标;其次,选取可信度高的特征的最大后验概率匹配系数判断目标是否被遮挡;最后,根据遮挡程度采用最大后验概率匹配系数对模板进行实时更新.实验结果表明,在遮挡场景下,本文算法与传统的Mean-shift算法相比,具有更好的稳定性和鲁棒性.

基于概率和自适应的最大后验概率盲均衡算法

为了减小最大后验概率(maximum a posteriori,MAP)盲均衡算法中稳态剩余误差和加快收敛速度,提出了一种改进的基于概率和自适应σ的MAP盲均衡算法。根据概率论的原理,分析了MAP算法中σ表示的实际意义,改进算法通过改变更新方程中的高斯信号方差值σ,即由固定值改为可变值,再运用不等概思想进一步的提高了MAP算法的收敛性能。仿真结果表明,与MAP盲均衡算法相比,改进型MAP盲均衡算法具有更好的均衡效果和收敛性能。

Turbo-MIMO系统中一种基于部分后验概率的软检测算法

迭代树搜索(ITS)是一种有效的基于M-算法的软MIMO检测方案。然而ITS会遇到某些比特的对数似然比(LLR)无法确定的情况,虽可采用赋常数值方法(称为clipping)解决,但这会影响系统性能。为此,该文提出一种新的基于M-算法的软检测方案。该方案在树的每一级递推计算部分符号序列的后验概率,并基于此近似计算从第1级到该级的所有比特LLR,再采用M-算法保留部分符号序列延伸至下一级。该算法可确保每比特都可计算LLR,且能得到可靠性高的LLR值。考虑到某些比特LLR会多次计算,文中给出了算法的低复杂度实现。另外,该文还给出了一种计算符号序列后验概率的简单方法。最后,仿真结果表明所提算法相比ITS具有更好的性能,并使性能与复杂度达到较好的折中。

DF-MAP:一种基于概率图模型的案件判决路径挖掘算法

通过获取案件的判决路径,法院判决系统可以轻松地对案件进行判决.然而,随着司法资源的迅猛增加以及案情特征的多样性,为快速获取案件判决路径提出了挑战.论文利用Rete算法在分析已有法律法规中可能存在的规则集合基础上,根据案件判决路径的有向性,提出了结合案情描述关键字和适用法律规则的概率图模型—Rete-PGM.根据Rete-PGM特征,利用有向图理论及最大后验概率查询算法,提出了适合于Rete-PGM特征的最有可能的路径挖掘算法—DF-MAP(Deep First Max A Posterior),并用实验验证了该算法的性能.通过将所提算法运用于真实的法律文书数据集,实现了真实案件的判决路径挖掘.该模型的提出以及案件判决路径的发现,为创建高效的法院判决系统提供了保障.

超分辨率重构最大后验概率算法介绍

图像超分辨率重构(superresolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的。我们采用最大后验概率(maximum a posteriori,MAP)算法进行超分辨率重构。根据贝叶斯原理,高分辨率图像的后验概率等价于以下两项之积:已知理想高分辨率图像的前提下,低分辨率图像出现的条件概率;理想高分辨率图像的先验概率。MAP算法的基本思想就是在已知低分辨率图像前提下,使出现高分辨率图像的后验概率达到最大。该方法的优点是在复原过程中可以直接加入先验约束,能确保解的存在和唯一,降噪能力强和收敛稳定性高等。

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。

一种基于MAP的超分辨率图像重建的快速算法

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准MAP估计算法运算量大的问题提出了两点改进.第1点是当计算梯度时直接计算目标函数的增量,避免了函数值的冗余计算;第2点是采用非精确一维搜索确定步长,避免了运算量庞大的海塞矩阵的计算.实验结果表明,提出的改进在保持重建效果基本不变的前提下,在很大程度上提高了MAP超分辨率图像重建方法的速率,与此同时保证了算法的收敛性.

基于贝叶斯最大后验概率准则的大型复杂系统故障诊断方法研究

针对大型复杂系统的特点,在故障空间建立故障源—测试依赖关系模型。在此基础上,将贝叶斯理论引入大型复杂系统故障诊断,以最大后验故障概率为准则判断系统所处的运行状态。将该问题归纳为集合覆盖问题(SCP),用拉格朗日松弛算法求得近优解。将算法应用到阿波罗飞船发射前故障诊断实例中,取得了满意的实验结果。

基于后验概率的支持向量机

在支持向量机 (supportvectormachines ,SVM )中 ,训练样本总是具有明确的类别信息 ,而对于一些不确定性问题并不恰当 受贝叶斯决策规则的启发 ,利用样本的后验概率来表示这种不确定性 将贝叶斯决策规则与SVM相结合 ,建立后验概率支持向量机 (posterioriprobabilitysupportvectorma chine ,PPSVM )的体系框架 并详细讨论线性可分性、间隔、最优超平面以及软间隔算法 ,得到了一个新的优化问题 ,同时给出了一个支持向量的新定义 实际上 ,后验概率支持向量机是建立于统计学习理论(statisticallearningtheory)基础之上 ,是标准SVM的扩展 针对数据 ,还提出了一个确定后验概率的经验性方法 实验也证明了后验概率支持向量机的合理性。

基于逐比特MAP算法的Turbo编码调制方式

给出了一种基于逐比特 MAP算法的 Turbo编码与多元调制相结合的编码调制方式 .该编码调制方式通过删截 Turbo码的校验位以获得高编码效率 ,将复用后的编码输出以 Gray映射方式与多元调制结合从而获得高频带利用率 ,并采用逐比特 MAP算法进行迭代译码 .仿真结果表明 ,将 Turbo码的高编码增益与多元调制的高频谱利用率有效地结合在一起 ,是一种功率和频谱高效的编码调制方式 ,它比传统的网格编码调制 ( TCM)

基于POCS-MPMAP合成算法的超分辨率图像复原(英文)

阐述了凸集投影理论 (POCS)和基于Markov约束的Poisson MAP超分辨率图像复原算法 (MPMAP) 为了能获得更大的带宽扩展和更好的复原图像 ,把POCS理论与MPMAP算法结合在一起 ,提出基于POCS MPMAP的合成超分辨率图像复原算法

匹配场反演结果的后验概率分析

采用全局寻优遗传算法进行浅海环境参数匹配场反演 ,研究了判断反演结果唯一性和不确定性的后验概率分析方法 ,并对反演中各环境参数的频率依赖性进行了讨论 ,最后用亚洲海实验(ASIAEX2 0 0 1 )数据对环境参数进行了有效的反演。

单帧低分辨率图像的SFMAP高分辨率重建算法

卫星图像的超分辨率处理是基础性和标志性的空间技术。一般情况下很难得到可供处理的一序列卫星图像,单帧图像的超分辨率处理尤为重要。我们提出由单帧欠采样的低分辨率噪音卫星图像重建高清晰卫星图像的最大后验概率估计(SFMAP)算法。通过插值生成多帧低分辨率图像族,模拟亚像元位移的低分辨率图像,参与空域迭代过程,以满足其空域代数方程组的超定问题,在一定程度上解开输入低分辨率图像的混叠,得到高分辨率重建图像。实际处理显示出较好的效果。

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。

UMTS Turbo码的滑动窗-线性-Log-MAP算法及VLSI设计

讨论UMTS中turbo码的设计,提出采用前向状态度量作为初始化精确值的滑动窗方法和改进的Log-MAP(线性Log-MAP)相结合的算法(称为滑动窗-线性-Log-MAP算法),设计出turbo码的VLSI结构,且在归一化处理时,介绍了一种可节约12.5%存储量的方法。FPGA设计结果显示在BER=10-5时,与最优算法Log-MAP相比,性能损失0.2dB,硬件资源节约30%,译码时延小,吞吐量大。

基于Turbo码的Max-Log-MAP译码算法的改进

Turbo码已被第三代移动通信系统 (3G)采纳为高速数据服务的编码标准 (IMT 2 0 0 0标准 ) ,因此研究易于实现和优化的译码算法有着非常重要的实际意义。本文提出了一种有效地改进最大对数后验概率 (Max L og MAP)的译码算法 ,此算法通过增加的比例因子来修正外部信息对数似然率 ,改善了译码质量 ,提高了系统的 BER性能 ,仿真结果表明此改进算法与传统算法相比在 BER性能指标上有大约 0 .2～ 0 .3d B的改善。

基于贝叶斯理论及MCMC-MH算法推演地基土材料阻尼比的概率分布模型

浅层土壤的材料阻尼比参数分布可以通过多通道表面波(MASW)分析法提取的表面波衰减曲线来反演识别,但是衰减曲线对于较大深度和小空间尺度土壤性质的变化不敏感,反演的土壤材料阻尼比分布是非唯一的和不确定的。基于该研究建立了土体材料阻尼比随深度变化的先验概率分布模型,利用Nataf变换和Karhunen-Loeve将其分解为标准高斯变量与特征值及特征向量的乘积和;随后依据贝叶斯理论,以TLM-PML模型结合频率波数域-半功率带宽法对衰减曲线进行正演,并与试验数据联合构建似然函数,使用蒙特卡洛马尔科夫链(MCMC)-Metropolis(MH)算法得到土体材料阻尼比的后验概率分布模型;对马尔科夫链的收敛性和独立性进行检验获得了多组相互独立的后验样本数据;用独立的后验样本计算出自由场振动响应,利用核密度估计得到具有一定置信度的置信区间,并与试验数据进行比较,验证了该研究提出的土体阻尼比非确定性概率模型的合理性和可靠性。