一种改进的快速N-FINDR端元提取算法

为了解决传统N-FINDR算法计算量大,提取结果对噪声和初始端元选取敏感,且容易将异常点作为端元而造成误提取的问题,提出一种改进的快速N-FINDR端元提取算法.该方法通过光谱距离提取并去除高光谱图像中的冗余信息,减少N-FINDR提取端元的搜索范围,平滑噪声影响,并自适应剔除异常点,通过最大化光谱距离选取N-FINDR的初始端元,避免了随机选择的盲目性.采用合成数据和真实高光谱数据进行仿真分析并与现有算法进行对比,结果表明,本文算法能在噪声与奇异点干扰下正确提取端元,其提取效率和鲁棒性均优于现有算法.

奇异谱分析用于提升双光梳激光测距精度

从含噪数据中提取信号从而提升数据采集系统精度是极为重要的问题.奇异谱分析(singular spectrum analysis,SSA)作为一种无参数频谱估计技术,广泛用于区分系统模型未知情况下的动态系统信号的复杂成分.本文应用SSA方法提取双光梳飞秒激光测距系统中的含噪时间序列的距离信息,数值仿真显示SSA方法可以从含有有色噪声的信号中提取距离信号.实验中,SSA方法成功地从含有量子噪声的测距信号中提取出激光与目标之间的距离信息,提取后的信号有13倍的精度提升.这种方法同样适用于高维信号,如基于飞秒激光测距的高精度、高速率表面形貌测量的图像提取.

具有抗噪性能适用高维数据的增量式聚类算法

针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性。此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数。通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性。

基于先验信息的低信噪比调频连续波雷达信号处理

针对恶劣测量条件下宽频带低信噪比调频连续波雷达信号距离模糊问题,建立了固态料面调频连续波雷达信号模型,并提出了以先验信息为辅助,包含信号频域预处理、频带截取及频带能量加权的距离反演方法.实际数据处理结果显示:经过预处理的信号频谱平均信噪比由原来的-5.55 d B提高到8.32 d B;采用包络线截频带法和最小二乘截频带法进行距离反演后拟合料线与实际料线间的料形相似度由0.46分别提高到0.71和0.79.