改进扩散式子带自适应滤波算法仿真

扩散式子带自适应滤波(Diffusion Subband Adaptive Filtering, DSAF)算法是针对分布式估计中输入信号存在相关性的一种有效解决方案。但现实世界中广泛存在的具有脉冲特性的非高斯噪声会导致传统的DSAF算法性能下降甚至完全失效。同时,水声通信、电话会议等实际应用场合中待估计系统常呈现出稀疏特性,传统的DSAF算法并未充分利用该特性。为此基于稳健估计理论和稀疏信号处理方法深入研究了非高斯噪声下稀疏系统的改进扩散式子带自适应滤波算法,并在不同脉冲性的非高斯噪声环境下对稀疏系统中的改进算法进行了仿真,验证了改进扩散式子带自适应滤波算法的有效性。

新型的迈克尔逊干涉条纹计数方法

提出一种基于嵌入式系统的迈克尔逊干涉条纹自动计数方法。该方法采用改进的自适应中值扩散滤波算法对采集到的干涉条纹数据进行去噪,利用软件自动定位的方法确定有效数据范围,提出二阶差分算法自动计数迈克尔逊干涉条纹。实验结果表明,与已有的计数器相比,本文提出的干涉条纹自动计数器精度高,稳定性强,适用范围广。

一种改进的KAZE特征检测描述算法

KAZE特征检测与描述算法在图像匹配方面具有较好的性能。然而,KAZE算法中Perona-Malik(P-M)模型的解不具有唯一性,而且图像弱边缘在尺度空间中易被平滑。为此,提出一种改进的KAZE特征检测描述算法(CKAZE)。首先,基于KAZE原理与能量泛函构建自适应扩散滤波函数;然后,研究解的唯一性及图像滤波过程中的边缘保持能力;最后,提出CKAZE算法,利用Mikolajczyk标准数据库图像进行特征匹配实验,对其性能进行验证。结果表明,对高斯模糊、光照、旋转缩放、视觉变换而言,CKAZE算法的特征匹配正确率分别较KAZE算法高4.555%、2.138%、0.656%、1.981%,特征检测和描述的精度提高。