自适应量子前向对传算法研究

该文研究了量子理论与量子神经网络原理,深入分析了量子前向对传网模型与基于递归加权最小二乘的量子前向对传算法。提出了量子前向对传网的定义与知识集,提出了自适应量子前向对传算法,证明了算法的收敛性。该算法全面考虑了在本次学习之前学习速率的总体状况,通过自适应地改变学习速率,控制学习速率适时变化,改善网络的收敛性。有效克服了学习速率过高导致网络振荡发散与学习速率太小降低网络收敛速度的缺陷。仿真结果表明,自适应量子前向对传算法相对基于递归加权最小二乘的量子前向对传算法具有较少的网络训练迭代次数和较高的分类精度。     

多用户大规模MIMO自适应安全传输策略

大规模MIMO系统采用空分多址可以提高系统吞吐量,同时利用多用户下行信号的相互协作可以对窃听者造成叠加干扰,带来了天然的安全增益。但目前该系统的物理层安全研究仍采用传统的人工噪声方案,忽略了多用户信号干扰带来的安全增益,造成严重的功率浪费。针对这一问题,该文分析了多用户信号干扰对系统可达平均安全速率和平均安全能效的影响,给出了系统的最佳接入用户区间。研究发现,在系统接入用户数较少和用户数较多时,系统安全能力较弱,针对此分别提出了N波束加扰和基于用户位置的用户调度的自适应安全传输策略。最后通过仿真验证了理论推导和所提策略的有效性,利用该文所提策略,能够保证系统天然安全能力不足时的安全通信。     

基于全局背景与特征降维的视觉跟踪算法

相关滤波算法容易受到形变、运动模糊、相似背景等因素的干扰,导致跟踪任务失败。为了克服以上问题,该文提出一种基于全局背景与特征降维的视觉跟踪算法。该算法首先提取紧邻目标的图像区域作为负样本供分类器学习,以抑制相似背景的干扰;然后提出一种基于主成分分析的更新策略,构建降维矩阵压缩HOG特征的维度,在更新分类器的同时减少其冗余度;最后加入颜色特征表征运动目标,并根据特征对系统状态的响应强度进行自适应融合。在标准数据集上将该文提出的算法与Staple, KCF等其他算法进行了仿真对比,结果表明该文算法具有更强的鲁棒性,在形变因素的影响下,所提出的算法与Staple和KCF算法相比距离精度分别提升8.3%和13.1%。     

融合局部和非局部信息的自适应贝叶斯分割方法

传统基于马尔可夫随机场(MRF)的贝叶斯分割方法由于只考虑邻域像素点的先验影响,无法有效抑制相干斑噪声;边缘区域分割效果欠佳,因为先验模型假定邻域中每个像素对中心像素的影响相同。因而,该文提出一种融合局部和非局部信息的自适应贝叶斯分割方法。针对SAR图像中的相干斑噪声模型,引入基于比率概率的相似性测度,用非局部相似像素块指导当前像素点的分割;并且采用变分系数(Coefficient of Variation, CV)方法获取边缘区域图像模板,在边缘区域自适应地调整定义的结构指数以及搜索窗尺寸,从而改善分割过度平滑与结构保持的矛盾;在实验分析中,利用新方法对部分图像进行了分割实验,并与传统方法作了比较。改进方法的分割结果形状更为准确,不但抑制了相干斑噪声,还有效保持了细节特征,具有显著优势。     

一种方向优化最小均方算法

最小均方(Least Mean Square, LMS)算法的更新方向是对最速下降方向的估计,其收敛速度也受到最速下降法的约束。为了摆脱该约束,该文在对LMS算法分析的基础上,提出一种针对LMS算法的分块方向优化方法。该方法通过分析误差信号来选择更新向量,使得算法的更新方向尽可能接近Newton方向。基于此方法,给出一种方向优化LMS(Direction Optimization LMS, DOLMS)算法,并推广到变步长DOLMS算法。理论分析与仿真结果表明,该方法与传统分块LMS算法相比,有更快的收敛速度和更小的计算复杂度。     

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。     

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

一种基于Deramp处理的空时自适应处理方法

在多通道合成孔径雷达动目标检测(SAR-GMTI)系统中,直接利用传统的后多普勒空时自适应处理(PD-STAP)技术进行杂波抑制会导致3个问题。第一,由于动目标径向速度引起的多普勒偏移会导致动目标出现谱卷绕,直接利用匹配滤波的方法对动目标聚焦会出现虚假目标。第二,在信号下采样的情况下,动目标聚焦位置会出现脉冲重复频率(PRF)的偏差,从而导致一个动目标可能出现在多个位置,使得动目标检测变得复杂。第三,利用传统的PD-STAP技术进行杂波抑制会导致很大的计算复杂性。基于此,该文提出一种基于Deramp处理的空时自适应处理方法进行杂波抑制处理,可以有效解决上述问题。该文最后通过仿真实验验证了该方法的有效性。     

自适应奇异值分解瞬变信号检测研究

该文介绍了奇异值分解检测信号的原理,研究了井下电磁脉冲数据传输中接收到的瞬变信号和噪声的奇异值分布特性,提出了相邻奇异值增量的概念,并根据瞬变信号和噪声相邻奇异值增量的不同,区分信号与噪声。在此基础上,提出了自适应选择主奇异值个数的奇异值分解检测瞬变信号的方法,并给出该方法检测瞬变信号的具体流程。仿真结果表明,与传统奇异值分解相比,该方法检测微弱瞬变信号更准确。     

基于Hankel-SVD的非平稳超声血流成像杂波抑制技术研究

有效抑制由血管或血管周围组织时变运动引起的非平稳杂波对于提高诊断超声彩色血流成像中血流动力学参数描述的准确性有着极其重要的意义。该文基于奇异值滤波技术提出一种改进的非平稳杂波自适应抑制方法。该方法逐次利用单个慢时多普勒回波采样矢量构建Hankel矩阵,然后根据奇异值分解后得到的正交Hankel主成份所代表的频域内容,动态选取高阶Hankel主成份重构多普勒血流信号,实现非平稳杂波的有效抑制。为验证算法的有效性,分别对多普勒回波仿真模型合成数据与利用彩色超声设备(Sonix RP)采集的颈动脉血流基带回波信号进行滤波处理,然后采用滞一自相关估计法计算血流平均速度与功率并进行成像。处理结果表明,相对于传统IIR滤波方法与多项式回归滤波技术,利用该文所提算法可对高强度、非平稳杂波进行充分抑制,提高血流估计精度,此外,该算法具有空间自适应性,无需人为设定阈值参数以估计杂波空间维数,与现有基于特征分解的自适应滤波方法相比,可以有效提高组织空间高强度时变运动时血流与组织的区分能力。