一种改进的自适应中值滤波算法

针对椒盐噪声的特点,提出了一种改进的自适应中值滤波算法。该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出。新算法尽可能地减小了滤波窗口,使得图像细节得到更好的保持。数值试验结果表明,新算法能够在有效抑制噪声的同时更好地保持图像细节信息,尤其在高概率密度噪声条件（〉70%）下也能取得较好的结果,比传统自...     

应用于声反馈抑制的变步长归一化子带自适应滤波算法*

针对自适应滤波算法中稳态失调量和收敛速度之间的矛盾,提出了一种新的变步长归一化子带自适应滤波算法。该算法在系统噪声抵消原理的基础上,用迭代收缩的方法估计得到无噪先验子带误差的功率,对每个子带步长进行更新。对所提出的算法进行数学分析,可以得出该算法是稳定的和收敛的。在长回声路径和短回声路径两种情况下,将该算法应用于助听器声反馈抑制系统中。相对于其他归一化子带自适应滤波算法,仿真实验表明,所提算法实现了更快的收敛速度,获得了更低的失调量。     

一种变尺度S型核分式低次幂自适应滤波算法

为了进一步提高非线性自适应滤波算法在非高斯冲激噪声以及有色噪声环境下的鲁棒性, 提出了一种基于S型函数的变尺度核分式低次幂自适应滤波算法, 该算法利用S型函数的非线性饱和特性和低阶范数准则来克服训练数据被非高斯冲激噪声破坏时性能下降的问题, 并将S型函数与核分式低次幂算法的代价函数相结合后, 通过引入的变尺度因子来平衡...     

一种自适应的自动聚焦算法

自动聚焦是图像测量和计算机视觉中的重要技术。研究发现,以前的一些自动聚焦算法,在没有噪声的影响下,效果较好,但一旦有噪声的影响,算法可能会失效,因此,提出了一种自适应的自动聚焦方法。首先通过一个基于局部小窗口的自适应门限将边缘像素和非边缘像素区别开来,然后再加上一个全局门限来进一步滤除噪声的影响,最后用一些自动聚焦算法来计算经过自适应处理后的图像,画出它们的聚焦曲线。经过大量的实验,结果表明,该算法不仅具有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能。     

基于自适应混合滤波的多目标跟踪算法

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题,提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图,并对图中阴影采用一种简化去除算法,即判断前景像素时,将HSV分量用加权的形式描述,而不必对各个分量依次判断。对前景图提取观测值时,引入了合并处理算法,将分裂的多个矩形检测框进行合并。然后,利用推理的方法将前景观测值与目标关联,用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失,并能够解决多目标冲突、合并和分离等问题。     

一种调节反馈有源噪声控制系统水床效应的频域自适应算法*

伯德灵敏度积分决定反馈有源控制系统具有水床效应,即某个频段内的噪声衰减伴随着另一频段内的噪声放大。已有的反馈系统自适应算法没有明确考虑噪声放大量,非自适应算法考虑了噪声放大量但不能在线调整。为了使自适应反馈系统能明确调节噪声放大量,该文以控制器某个频段内的幅度响应小于指定阈值为约束条件,并作为"惩罚项"与误差信号能量相加得到代价函数,通过最速下降法最小化该代价函数得到了一种频域自适应算法。与已有算法在有源降噪耳机实例中的对比结果表明,该算法能够更为直接地对指定频段内的噪声放大量进行调节,从而在降噪量与噪声放大量之间取得折衷。     

一种自适应前向均衡与判决均衡组合结构及变步长改进算法

信号在超长线缆传输中, 线缆的线间串扰及温度梯度变化造成噪声干扰, 特别是线缆介电损耗和肌肤效应的影响, 导致接收端信号频率色散失真严重, 难以恢复原始信号, 限制了传输速度. 另外, 在页岩气、煤层气等资源勘探领域, 在用长缆传输数据时, 还要求传输高精度同步脉冲信号, 用于采集数据相位的标定. 线缆的传输效应及噪声干扰严重影响了接收端的信号同步, 造成采集数据相位失真. 本文针对信号在长缆传输中的非线性失真及衰减问题, 提出了一种新型均衡结构, 并针对新模型给出了最优系数组合. 在此基础上针对改进的结构提出了一种基于反正切函数的变步长算法, 该算法配合三误差因子, 形成收敛函数, 该函数具有收敛速度快, 稳态误差小的优点. 改进后的自适应组合均衡器计算复杂度低, 收敛快, 信道跟踪能力强, 加快了数据处理速度, 同时能较好地应对信道的时变性. 仿真结果表明, 基于新变步长算法的自适应组合均衡器, 性能上提高了50%, 并且消除了噪声干扰和码间干扰, 测试实验表明, 在无中继超长缆(7 km以上)传输中, 信号速度提高了一倍.     

流动数值模拟中一种并行自适应有限元算法

给出了一种流动数值模拟中的基于误差估算的并行网格自适应有限元算法.首先,以初网格上获得的当地事后误差估算值为权,应用递归谱对剖分方法划分初网格,使各子域上总体误差近似相等,以解决负载平衡问题.然后以误差值为判据对各子域内网格进行独立的自适应处理.最后应用基于粘接元的区域分裂法在非匹配的网格上求解N-S方程.区域分裂情形下N-S方程有限元解的误差估算则是广义Stokes问题误差估算方法的推广.为验证方法的可靠性,给出了不可压流经典算例的数值结果.     

自适应格形联合滤波噪声抵消器及优化步长

自适应噪声抵消方法(ANC)能有效地增强被加性噪声干扰的信号。鉴于传统的采用LMS横向滤波器(TF)的ANC(TFANC)有其缺点,本文研究了采用格形联合滤波器(LF)的ANC(LFANC),证明了它具有基本上不依赖于输入的优异收敛性能。另外,针对前人工作的不足,我们从理论上着重研究导出了LFANC的失调的解析表达式并进行了实验验证,从而得到失调随滤波器级数呈指数增长的重要结论。我们还成功地将优化步长用于多级LF,这样就能在几乎不增加运算量的前提下大大加快LF的收敛,将以上方法用于对真实含噪语音的处理,取得了较好的效果。     

一种自适应最小范数算法

运用特征子空间方法的关键在于信号子空间或噪声子空间的估计,实际上有些信号的统计特性随时间变化,于是要求得到参数的实时估计值,为此,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新。本文首先分析了一种自适应子空间估计算法,即MALASE(MaximumLikelihoodAdaptiveSubspaceEstimation)算法。然后,把MALASE算法与传统的最小范数(Mini-Norm)高分辨算法相结合,并应用零点跟踪技术,提出了一种自适应Mini-Norm高分辨算法,可用于对时变的信号波达方向(DOA)进行跟踪估计。计算机仿真结果验证了该算法的有效性。     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

一种改进的粒子滤波视觉跟踪算法

针对复杂背景下视觉目标跟踪问题,提出了一种基于多特征融合和改进建议分布函数的粒子滤波目标跟踪算法。为了解决单一特征跟踪稳定性差的问题,该方法在构造粒子滤波算法观测似然函数的过程中,综合利用颜色、梯度和纹理特征,并给出一种有效的特征权值自适应分配策略。针对传统建议分布函数无法利用观测信息的缺陷,提出了一种基于PSO算法的建议分布函数,有效地抑制了粒子退化现象。实验采用复杂地面环境下的多组图像序列,结果表明该算法的有效性。     

自适应特征选择的相关滤波跟踪算法

针对相关滤波方法对快速运动与快速变形的目标跟踪稳定性较差的问题,提出一种自适应特征选择的相关滤波跟踪算法。利用位置滤波器和颜色概率模型提取候选区域中的基础特征,对基础特征以不同的权重分配方式进行融合,得到多个融合特征。对融合特征进行可信度判定,选择可信度较高的融合特征作为当前帧的跟踪特征,估计出目标的候选位置。若最高可信度低于可信度阈值,启动检测器重新检测目标位置,否则候选位置即为目标最终位置。与此同时,对目标模型进行更新,确保模型对目标描述的准确性。在标准数据集OTB50和OTB100上进行大量实验,测试结果表明,所提出的跟踪方法在运动模糊、光照变化、快速运动等条件下具有较高的跟踪准确率和较好的稳健性。     

一种红外搜索系统中弱小目标自适应检测算法

为解决红外搜索系统中场景起伏造成的背景预测不准确这一问题,提出了一种自适应调整的空间滤波方法。该算法在估计背景的同时,对背景残差进行计算,根据残差值调整滤波参数,使背景残差趋于最小,以适应背景的起伏。当背景包含较多复杂因素时,不利于目标提取,多尺度形态学算子通过不同尺度不同形态的结构体参与计算,可以全面地估计背景,进一步抑制背景残差,再通过计算图像全局阈值,自适应分割出潜在目标。采用并行运算,可将算法实现于现场可编程器件(FPGA)上。试验结果表明:即使当场景较复杂,场景信噪比较低时,依然可以使处理后的图像信噪比大于3,从而可显著提高红外搜索系统的检测概率,实现弱小目标的检测。     

自适应光学中SPGD算法关键参数实时调节方法

介绍了随机并行梯度下降（SPGD）算法及其在相干合成中的应用,针对实验中算法关键参数难以调节的难点,提出采用软硬件结合的新方式,实现对实验数据的在线采集和分析以及对SPGD算法关键参数的自动实时调节。开展了4路光纤激光相干合成实验,对不同调节方法进行对比。实验中采用新方式有效调节了SPGD算法中增益系数和随机扰动幅度的取值,合成效果显著。     

一种自适应路面图像模糊增强算法

针对传统的图像模糊增强算法增强强度小、处理灰度层次变化丰富的图像效果不佳以及控制参量难以设置等问题,提出了一种新的图像模糊增强算法.首先对局部窗口中像素点进行基于邻域一致性模糊熵测度的分类,并以分类为依据,对每个像素点均确定一最佳渡越点.对模糊隶属度函数也进行了研究改进,设计的函数具有良好的曲线形状,并通过调整控制参量,使渡越点的位置和函数曲线进行最佳的结合,能通过少量的迭代次数获得较好的增强效果.在模糊逆映射上,采用线性逆变换函数,保持了模糊映射所带来的增强效果,并消除了由于截断带来的灰度信息的损失,在运算效率上也得到了提高.新算法对灰度变化丰富的路面图像的增强取得了良好的效果,并且控制参量均为自适应计算,不需进行人为干预,具有很好的通用性.     

一种用于立体声声学回波消除的新型鲁棒梯度法格梯形自适应滤波算法

提出了一种使用编码器−时序建模结构的时延估计方法来估计声学回声抵消中传声器信号相对远端信号的时延。该方法以短时傅里叶变换域的远端信号和传声器信号作为输入特征, 通过复数卷积神经网络构成的编码器提取带有相位信息的高维特征, 利用循环神经网络学习两输入信号之间的时延关系, 构建了从信号到时延的映射。仿真实验结果表明, 相比WebRTC-DE和GCC-PHAT, 所提方法的优势有: (1)模型的参数量和计算量不受时延长度影响; (2)有效缩短了时延估计的收敛时间和跟踪时间; (3)在长混响和双端对讲的情况下具有更小、更稳定的估计误差和标准差。将使用编码器−时序建模结构的时延估计方法与自适应回声抵消级联的实验验证了新方法的有效性。

     

一种用于立体声声学回波消除的新型鲁棒梯度法格梯形自适应滤波算法

立体声声学回波消除的梯度法格梯形算法对脉冲干扰不具鲁棒性。针对这个问题,引入了鲁棒M-估计方法,并从理论上予以了论证。由此产生的双通道M-估计梯度法格梯形算法具有显著提升的抗脉冲干扰鲁棒稳定性,从而也具有了更高的实际应用价值。     

一种基于时域滤波的红外序列图像去噪算法

红外图像是现代光学设备常用的图像源,图像显示效果直接影响设备的用户体验,而红外序列图像中的噪声会导致显示效果的下降.为了减轻噪声对红外序列图像显示效果的影响,通过历史多帧灰度值的加权和当前帧无噪声图像的估计,提出了一种基于时域高斯滤波的去噪方法.参考空域双边滤波的权值分配方法,引入了灰度值的影响对时域高斯滤波的权值进行...