采用深度可分离卷积和改进特征融合的MSSD

单步多框检测器(Single Shot Multibox Detector,SSD)是一种优秀的目标检测模型,但是其对额外层的处理方式还需要进一步提升.因此,利用深度可分离卷积的思想设计新的深度可分离卷积模块改进模型中的额外层,采用紧邻特征图融合方法加强特征复用,综合设计了改进的目标检测模型(Modified SSD,...     

基于小波多分辨分析的DOA估计

提出了用小波作为预处理，结合阵列天线技术的方法。通过空间谱的估计，说明了小波在阵列信号的降噪、去相关、提高分辨率中所起的作用，为阵列信号处理的技术开拓了新的思路，提高了阵列天线的性能。     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

一种改进的贝叶斯小波阈值图像去噪算法

小波阈值去噪作为图像降噪领域的一项重要技术一直受到广泛应用.在贝叶斯阈值的基础上提出一种改进的贝叶斯阈值去噪算法,该阈值是在贝叶斯框架中得出的,在小波系数上使用的优先级是在图像处理应用中广泛使用的广义高斯分布(Generalized Gaussian Distribution,GGD).该阈值算法适用于每个子带,取决于数据驱动自适应参数估计,通过判断阈值周围的小波系数是否含有噪声的模糊性,从而对该模糊区域通过自适应算法确定小波系数的保留程度.实验结果表明,该方法比原方法在主观视觉效果上得到了明显的改善,较好地保持图像边缘细节,并且均方误差(Mean Square Error,MSE)较其他阈值算法有所减少,信噪比(Signal-Noise Ratio,SNR)较其他阈值算法有所提升.     

小波变换在图像压缩与解压硬件中的应用

讲述了利用小波变换对视频图像进行压缩和解压的原理。并从原理和应用角度对基于小波变换原理的视频图像压缩与解压芯片ADV611进行了介绍。给出了关于ADV611芯片在图像压缩中的应用实例和效果图。     

一种改进的变步长SAMP压缩感知浅海水声信道估计算法

针对稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit,SAMP）算法估计性能过度依赖初始步长的问题,提出了改进的变步长稀疏度自适应匹配追踪（Improved Variable Step-size Sparsity Adaptive Matching Pursuit,IVSSAMP）算法,并将IVSSAMP算法应用于水声正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统的压缩感知信道估计框架中。IVSSAMP算法通过残差条件对步长选取进行分类,在不同条件下分别引入微调因子设置残差与测量向量、残差与噪声之间的阈值来调整步长,实现变步长和稀疏度的自适应,同时规避了过度估计情况的发生。实验结果表明,IVSSAMP算法利用步长的灵活选取实现了估计精度与运行速度之间的平衡,降低了初始步长对算法性能的影响,具有较好的稳健性和应用性。     

NSST与改进SCM模型相结合的多聚焦图像融合算法

当前的图像融合方法存在运算数据量大和运算时间较长的弊端,为了改进这一不足,提出一种新算法.将图像经过Opencv降噪处理,去除冗余信息,再计算边缘能量(Energy of Edge,EOE),根据高低频信息特性选择融合规则,通过逆变换重构出融合后的图像.作为图像融合过程的第一步也是至关重要的一步,图像配准直接影响着最终...     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

一种新的变步长LMS自适应算法及其仿真

在分析标准LMS及VSS类算法的基础上,针对传统VSS类改进算法中步长因子太小而导致收敛速度变慢的缺点,提出一种新的变步长LMS算法,新算法引入了遗忘因子λ(i),(i=0,1,…,L-1),通过遗忘因子来产生新的步长.计算机仿真结果表明,与标准LMS算法、VSS算法、MVSS算法相比,新算法具有更好的收敛性能.