基于投影基准面的线阵推扫式卫星立体像对近似核线影像生成方法

提出一种实用的基于物方投影基准面的线阵推扫式卫星影像核线模型,研究并实现基于该模型的近似核线影像生成方法。该方法能够生成子像素级上下视差的近乎严格的核线影像,且能直接由立体影像的定向参数建立原始影像与核线影像之间的严格坐标对应关系;基于投影基准面进行近似核线排列,有利于生成分辨率一致、相对于物方水平的核线立体模型,方便进行立体量测和立体判读。为了验证本文方法的正确性、可行性和通用性,分别对带有高精度RPC的SPOT5-HRG异轨立体像对、IKONOS同轨立体像对、IRS-P5同轨立体像对以及Quickbird同轨立体像对进行了核线试验。目前,该方法已应用于卫星影像的立体测图和DEM自动生成软件模块中。

基于高阶近似核和傅里叶系数内插的快速频率估计算法

通过理论分析建立了近似核和量化位数之间的约束关系,并提出无需乘法运算的高阶近似核,用于提高单比特测频算法的动态范围。此算法同时对基于近似核的傅里叶系数实部或虚部最大值附近的DFT系数内插构造频率修正项,可以避免常规测频校正算法的复数运算从而有效减少运算量。此算法简单且宜于硬件快速实现,其有效性得到了理论分析和仿真结果的验证。

基于近似核DFT的多正弦信号快速检测和频率估计算法

基于近似核DFT,提出多正弦信号快速检测和测频校正算法,利用近似核DFT傅里叶系数实部或虚部系数内插构造频率校正项,以及实部或虚部最大值与平均值的比值确定检测门限,避免了常规插值校正和检测算法的复数运算,并实现了多正弦信号的非监督递归稳健检测。给出了算法的快速硬件实现原理,并对线性调频信号检测的适用性进行了讨论。仿真和硬件验证证实了算法的有效性。

基于近似核密度估计的近场多声源定位算法

针对混响环境下的近场多声源定位问题,提出了一种基于近似核密度估计(KDE)的算法模型。引入多阶段(MS)分频带处理有效解决宽间距时的空域模糊,同时,构建空域似然率函数(SLF)通过相加(S)及相乘(P)2种算子进行多维融合,从而衍生出S-KDE、P-KDE、S-KDEMS和P-KDEMS 4种算法。通过对均方根误差(RMSE)以及表征辨识度的SLF百分比(PSLF)这2个统计指标的综合比较,证实了P-KDEMS是一种具有较高稳健性与辨识度的近场多声源定位算法。

基于近似核FFT快速测频算法的FPGA实现

通过理论分析高阶近似核FFT和基2 DIF-FFT的结构,实现了基于64点近似核DFT的快速算法。算法基于基2 DIF-FFT的结构,通过蝶形运算和分解算法有效的减少了运算量,提高了低阶FFT的动态范围,易于硬件实现。理论分析和FPGA硬件实验结果验证了算法的有效性。

一种基于高阶近似核DFT的快速实现算法

理论分析优化近似核和基2 DIT-FFT结构,提出并实现了一种高阶近似核DFT的快速算法。算法基于高阶近似核,无需三角运算实现FFT并提高了动态范围,基于DIT-FFT算法对DFT进行分解和蝶形运算,有效减少了运算量。理论分析和实验结果验证了方法的有效性,DSP硬件验证了算法的快速性。算法简单且具有广泛的适用性。

HMRF半监督近似核k-means算法

信息技术的发展催生了海量数据。聚类有助于发现数据的内在联系,从中挖掘有价值的信息。在对数据进行分析时,容易获得一些关于数据的背景知识,使用这些有限的先验信息指导聚类,可以显著改善聚类的结果。基于隐马尔可夫随机场(Hidden Markov Random Fields,HMRF)的半监督聚类使用成对约束作为监督信息,虽然在很多应用场景中有较好的聚类效果,但是其时间和空间复杂度很高,无法满足大规模数据处理的需要。针对该问题,文中首先分析了HMRF半监督聚类与核k-means的数学联系,使用矩阵的迹将两者的目标函数统一起来;然后,为了降低HMRF半监督聚类的复杂度,提出HMRF半监督近似核k-means算法(HMRF semi-supervised Approximate Kernel K-Means,HMRF-AKKM),通过采样构造近似核矩阵,使用近似核k-means优化聚类的目标函数;最后,在基准数据集上将HMRF-AKKM算法与相关的聚类算法进行对比,分析不同算法在实验中的聚类表现。实验结果表明,在相同的聚类任务上,HMRF-AKKM算法与原始的HMRF半监督聚类具有类似的聚类质量,但是HMRF-AKKM算法的聚类时间更短,说明HMRF-AKKM算法继承了HMRF半监督聚类与近似核k-means的优点。该算法一方面可以充分利用成对约束信息改善聚类质量,另一方面通过采样和矩阵近似提高了聚类效率,而且聚类质量和聚类效率可以通过调节采样比例和成对约束数量来平衡。因此,所提出的HMRF-AKKM算法具有良好的可扩展性,适合处理大规模非线性数据的聚类问题。

利用近似核与近似取模法改进的Rife算法

为了满足侦察雷达接收机对正弦信号频率实时估计的要求,提出了一种利用近似核和近似取模方法改进的Rife算法。该算法利用4点近似核FFT代替全精度FFT,消除了乘法运算;利用近似取模算法避免了乘法运算和开方运算,整体上使运算量大幅下降。仿真结果显示,该算法保持了全频段高精度测频特性,均方根误差与克拉美罗下界(CRLB)保持较近距离。即使在信噪比为-7 dB的情况下,仍可保持频率估计均方根误差平均值为53.75 kHz;当信噪比为10 dB时,频率估计均方根误差平均值仅为7.58 kHz。通过计算量分析对比可知,改进的Rife算法复数乘法运算量约为I-Rife算法的44%,计算量大幅下降,可满足硬件实现实时处理的需求。

基于LM算法的近似核FFT频率拟合算法

在单比特测频中,由于近似核快速傅里叶变换(FFT)的影响,常规频率拟合算法无法满足测频精度要求。在Rife算法的基础上通过特征分类和算法模型参数求解,提出了一种基于LM算法的频率拟合算法。仿真结果表明,本文算法的测频精度达到0.1 MHz,与Rife算法、Quinn算法以及高斯拟合等算法相比,均方根误差更接近克拉美罗界,测频精度更高。

一种基于半圆的近似核FFT优化算法

介绍了单比特测频中的近似核快速傅里叶变换(FFT)算法,分析了近似核与模数转换器(ADC)之间的理论约束关系,针对8阶常规近似核无杂散动态范围(SFDR)低的问题,提出了一种基于半圆的近似核FFT优化算法,系统的SFDR至少提高4.5 dB,有效改善了弱信号的测频性能。

基于随机傅里叶特征空间的高斯核近似模型选择算法

核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法,其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低,时间成本很大。针对这一问题,本文引入随机傅里叶特征变换,将原始核特征空间转换为另一个相对低维的显式随机特征空间,并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界,得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数,避免了对最优原始高斯核模型参数的大规模搜索,从而大幅降低原始高斯核模型选择所需的时间成本。实验表明,本文给出的误差上界确由核近似参数控制,核近似选择的最优模型相较于原始高斯核模型有较高的准确率,并且模型选择时间相对网格搜索法大幅减小。

求解大规模谱聚类的近似加权核k-means算法

谱聚类将聚类问题转化成图划分问题,是一种基于代数图论的聚类方法.在求解图划分目标函数时,一般利用Rayleigh熵的性质,通过计算Laplacian矩阵的特征向量将原始数据点映射到一个低维的特征空间中,再进行聚类.然而在谱聚类过程中,存储相似矩阵的空间复杂度是O(n2),对Laplacian矩阵特征分解的时间复杂度一般为O(n3),这样的复杂度在处理大规模数据时是无法接受的.理论证明,Normalized Cut图聚类与加权核k-means都等价于矩阵迹的最大化问题.因此,可以用加权核k-means算法来优化Normalized Cut的目标函数,这就避免了对Laplacian矩阵特征分解.不过,加权核k-means算法需要计算核矩阵,其空间复杂度依然是O(n2).为了应对这一挑战,提出近似加权核k-means算法,仅使用核矩阵的一部分来求解大数据的谱聚类问题.理论分析和实验对比表明,近似加权核k-means的聚类表现与加权核k-means算法是相似的,但是极大地减小了时间和空间复杂性.

一种异源高分辨率卫星遥感影像近似核线生成算法

提出了一种实用的基于有理函数模型(RFM)的核线生成算法,研究并实现在该算法下异源高分辨率卫星遥感影像像对近似核线生成方法。该方法利用高分辨率卫星遥感影像正解模型迭代计算RFM反解模型,结合核线投影轨迹法,提取像对之间近似核线对。实验表明,本文算法具有可适性和通用性,为异源高分辨率卫星遥感影像数据的自动匹配处理提供了可靠保证。

基于有理多项式系数的线阵卫星近似核线影像的生成

分析了线阵卫星影像投影轨迹法计算局部范围近似核线影像的基本原理,提出利用分段直线拟合近似核线;基于RPC和物方经纬度的线阵卫星近似核线影像重采样方法,以便在密集影像匹配生成高精度数字高程模型(DEM)时缩小匹配搜索范围,并降低误匹配率。试验结果表明,利用投影轨迹法可以确定立体像对局部范围内的近似同名核线,且分段直线拟合方法精度更高;基于物方经纬度方法进行核线影像重采样后,非常有利于同名点的高可靠性匹配,且核线影像上的同名点坐标到原始影像坐标的反算精度优于0.04像素,验证了重采样方法的可行性。

利用投影轨迹的卫星影像近似核线重排快速算法

针对卫星影像核线的几何特性,采用线性模型简化表示每对同名核曲线,提出了一种实用的近似核线重排快速算法,并对多种地形条件的卫星立体影像进行实验。结果表明,在影像定向参数精度较高的情况下,该算法能够生成子像素级上下视差的核线影像,且具有简单、实用性强等特点。

数字全息再现中的积分核近似问题研究

对数字全息再现中的菲涅耳近似核hFz和Fresnel-Kirchhoff衍射积核hz进行了理论分析。得出了在满足菲涅耳近似条件下,这两种积分核再现具有等同性,同时hFz核再现具有缩短计算时间的优点,并给出了利用hFz积分核数字再现的实验结果。而在数字全息显微术中,hz核再现可以得到高的分辨率,并进行了数值模拟。

基于核近似的产品设计时间预测

针对产品设计时间预测中存在的小样本、不确定性数据等问题,将不确定数据处理成区间数,引入Hausdorff距离以计算区间数向量之间的距离,并将含有区间数的知识设计转换成核近似可嵌入的线性不等式,提出相应的产品设计时间智能预测方法,给出相关参数的优选方法。进行了注塑模具设计的实例分析,结果表明基于嵌入知识的核近似的时间预测方法是有效的。

基于近似高斯核显式描述的大规模SVM求解

大规模数据集上非线性支持向量机(support vector machine,SVM)的求解代价过高,然而对于线性SVM却存在高效求解算法.为了应用线性SVM高效求解算法求解非线性SVM,并保证非线性SVM的精确性,提出一种基于近似高斯核显式描述的大规模SVM求解方法.首先,定义近似高斯核并建立其与高斯核的关系,推导近似高斯核与高斯核的偏差上界.然后给出近似高斯核对应的再生核希尔伯特空间(reproducing kernel Hilbert space,RKHS)的显式描述,由此可精确刻画SVM解的结构,增强SVM方法的可解释性.最后显式地构造近似高斯核对应的特征映射,并将其作为线性SVM的输入,从而实现了用线性SVM算法高效求解大规模非线性SVM.实验结果表明,所提出的方法能提高非线性SVM的求解效率,并得到与标准非线性SVM相近的精确性.

无网格方法中的重构核近似方案

阐述固定重构核近似、移动重构核近似及复合固定重构核近似的基本原理,分析三种重构核近似函数的性质。利用固定重构核近似建立无网格形函数,并结合配点法求解平面弹性力学问题。证明固定重构核近似较其它重构核近似具有独特的优势。

区域渐近增强与感受野结合的多核近似学习网

为充分提取图像中可辨识信息、提高分类正确率,提出多核近似学习网,该网络主要由2部分构成。在特征提取部分,利用二维高斯分布对原始图像进行区域渐进增强,局部感受野和全局感受野被用于充分提取原始图像和区域渐进增强图像中的局部和全局特征,并将其串联以组成代表图像的特征向量。在分类部分,提出多核近似算法,将近似核映射编码出的低秩特征矩阵作为网络的隐藏层,以求解网络的输出权重。为验证该网络的有效性,利用USPS、MNIST和NORB数据集进行实验,实验证明所提出的多核近似学习网能够在局部感受野极端学习机的基础上进一步提取出特征信息,有效提高了分类正确率。