彩色遥感图像薄云去除方法

针对彩色遥感图像中薄云带来的降质问题,提出了一种基于低秩矩阵分解的去云方法。将彩色遥感图像分成三个单通道图像,对每一个通道进行低秩矩阵分解,得到单通道薄云信息;根据薄云在三个通道中均匀分布的特点,选取合适的阈值对薄云信息进行自动判定,提取代表三个通道的薄云图像;用三个通道的图像分别减去对应通道的薄云图像,并融合三个通道的结果得到去云后的彩色遥感图像。实验结果表明,该方法不仅能够保留无云区域信息的完整性,而且对有云区域的处理在主观视觉效果和客观评价指标上都具有较好的效果。     

基于空间扩展的分布式秩损MIMO检测算法

针对天线相关性或接收环境不理想引起的信道矩阵秩损问题,提出了一种基于扩展空间的秩损MIMO检测算法,该算法采用分布式接收架构获得扩展的高维接收信号矩阵,充分利用分布式接收信号的独立性使信道矩阵达到满秩,然后通过基于信道矩阵QR分解的M分支树搜索算法检测出发送数据,为了度量所提算法性能的好坏,给出了分布式接收信号的克拉美罗界。理论分析与仿真结果表明,与现有的秩损MIMO检测算法相比,所提算法在增加少量复杂度的情况下,估计结果更加接近克拉美罗界,且在大信噪比时性能优异。      

基于RPCA和LatLRR分解的红外与可见光的图像融合

红外光和可见光图像的融合在视频监控、目标跟踪等方面发挥着越来越重要的作用.为了得到融合效果更好的图像,提出了一种新的基于鲁棒性低秩表示的图像分解与深度学习结合的方法.首先,利用鲁棒性主成分分析对训练集图像进行去噪处理,利用快速的潜在低秩表示学习提取突出特征的稀疏矩阵,并对源图像进行分解,重构形成低频图像和高频图像.然后...     

双信任度加权的K秩准则频谱感知算法

基于信任度的协作频谱感知算法,可以很好地解决本地检测的隐藏终端和频谱衰落等问题。但其对于多用户的大量数据分析,缺乏高效的数据统计和融合算法,算法的检测性能有待提高。为此,提出了一种基于双信任度加权的K秩准则协作频谱感知算法。它在主用户存在与不存在两种情况下,分别采用不同的信任度加权的算法,并与K秩准则的融合策略相结合。仿真结果表明,算法在保证数据统计和融合能力的前提下,有效的提高了检测性能和感知能力。     

有源干扰条件下机载MIMO雷达降维STAP方法

针对机载多输入多输出雷达杂波与干扰的同时抑制问题,提出一种降维空时自适应处理方法.首先,利用系统参数离线简便构造出杂波子空间,然后,根据杂波基向量与干扰基向量的关系,对杂波加干扰协方差矩阵的秩进行分析.当存在有源干扰时,系统的杂波与干扰自由度进一步提高.最后利用干扰加噪声协方差矩阵的块对角结构,结合离线构造的杂波子空间,通过迫零方法进行空时自适应权矢量求解.该方法能够有效降低运算复杂度,具有接近全维最优处理的杂波与干扰抑制性能.     

一种基于对角加载的降维多级维纳滤波实现方法

文章以GPS信号抗干扰为背景,应用多级维纳滤波的抗干扰方式。首先分析了经过多级维纳滤波前向迭代后的降维数据矢量的协方差矩阵,给出以特征值和特征矢量表示的最优权值。最优权值的表示式表明在滤波器维数超过最优时高阶的特征值对最优权值影响较大。随后通过仿真试验证明了在滤波器维数超过最优时输出信干噪比会下降。通过引入对角加载量并适当选择加载量功率的大小可以抵消滤波器维数过估计带来的影响,试验表明在对角加载量与白噪声方差相等时可以获得较好的输出信干噪比。文章从空频响应的角度试验了对角加载对于多级维纳滤波算法的意义。最后仿真试验了基于对角加载多级维纳滤波实现方法的抗干扰性能。      

秩函数与K0群的状态空间

给出了局部秩与稳定自由秩的表达式,得到了一类VN正则环的元素特征.利用K₀群的状态空间,给出了K0R有关性态的本质刻画.     

K分布雷达杂波中两种非参量检测器性能分析

分析了广义符号检测器(GSD)和秩二元累积检测器(RQD)两种非参量检测器在独立和相关K分布杂波下的检测性能.Monte Carlo数值试验表明,GSD在独立K分布杂波拖尾特性越明显时,达到指定检测概率所需要的信杂比越小,而RQD则与之相反.针对独立K分布杂波,RQD的第一检测门限等于参考单元数时可获得较好的检测性能.当参考单元数大于24时,继续增加参考单元数目对于提高两类检测器的检测性能的效果不明显.同时,两类检测器在相关K分布杂波下的虚警概率均会急剧增加,难以完成相关K分布下的CFAR检测.     

套代数弱闭模中的几何秩

由于几何秩在线性等距映射下是不变的,因此几何秩是研究算子代数线性等距映射的一个强有力的工具.证明了在一定条件下,套代数弱闭模中的n秩算子的几何秩的上、下界分别为n2和n(n+1)2,这表明套代数弱闭模中有限秩算子的充要条件是算子的几何秩有限.