改进的FastICA算法研究

独立分量分析是目前盲源分离算法中最常用的一种方法,其中快速独立分量分析(FastICA)以其收敛速度快而被广泛应用,但FastICA对初始值的选择比较敏感,而且在使用牛顿迭代法时,每迭代一步都需要计算一次函数值和一次导数值,当函数比较复杂时,计算它的导数值往往不方便,用单点弦截法进行迭代,将最速下降法与单点弦截法结合,在保证分离效果的同时使FastICA的迭代次数减少,同时使计算式更加简洁,而且减小了对初始值的敏感性,仿真实验验证了其有效性。

一种改进的传感器节点多维标度定位算法

传感器节点的位置信息在无线传感器网络的监测活动等应用中起着至关重要的作用,而实现节点定位较好的方法是采用定位算法进行估计,因此定位算法的研究是目前热门的研究课题之一.本文主要研究分析了分布式加权多维标度定位算法,针对其不能适应网络连通度变化、网络拓扑不规则且收敛速度较慢等不足,提出了一种改进算法.该算法采用的加权机制与邻居选择机制综合考虑1跳邻居数目、节点自身定位精度与测距误差,并且引入最速下降法优化其目标代价函数.实验结果表明:在相同的实验环境下改进算法与原算法相比,在定位精度提高的情况下对不规则、大规模网络有很好的适应性且有更好的鲁棒性.

基于自适应扩散模型的单帧红外条纹非均匀性校正算法

针对红外焦平面成像系统存在列向条纹非均匀性的现象,采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先,综合利用图像梯度信息和局部灰度统计信息,自适应计算PM模型的扩散阈值;然后将每列像素的PM模型估计值作为该列像素的期望值;最后采用最陡下降法迭代计算得到每列像元的校正参数,并对结果进行循环校正以提高校正效果。实验结果表明:该算法可以保护图像边缘信息,与同类算法相比,能够更有效地抑制条纹非均匀性,并且能够防止图像产生鬼影。

Chan-Vese模型的共轭梯度算法

随着图像采集设备的发展和对图像分辨率要求的提高,人们对图像处理算法在收敛速度和鲁棒性方面提出了更高的要求.从优化的角度对Chan-Vese模型进行算法上的改进,即将共轭梯度法应用到该模型中,使得新算法有更快的收敛速度.首先,简单介绍了Chan-Vese模型的变分水平集方法的理论框架;其次,将共轭梯度算法引入到该模型的求解,得到了模型的新的数值解方法;最后,将得到的算法与传统求解Chan-Vese模型的最速下降法进行了比较.数值实验表明,提出的共轭梯度算法在保持精度的前提下有更快的收敛速度.