信号处理杂志 北大期刊 CSCD期刊 统计源期刊

信号处理 2011年第06期杂志 文档列表

信号处理杂志论文与技术报告

基于Weibull率失真简化模型的帧比特分配算法801-807

摘要：为在确保视频压缩码流平稳且带宽受限的情况下提升重建视频质量,本文针对使用Weibull密度分布对压缩视频序列率失真性能分析的方法,对其模型进行数学简化,并以帧层编码速率控制的缓冲器充盈度和重建视频质量为目标,提出了一种新的H.264压缩视频速率控制方法——帧比特分配算法。该算法以H.264的JM16.1为视频压缩编码平台,将简化率失真模型嵌入速率控制算法中,以一个GOP为控制单元对其内部各图像帧进行比特分配与调整,同时以帧为周期进行算法模型参数更新。实验结果表明,本文提出的算法要比JVT-H017的算法在重建视频客观质量（PSNR）方面平均有0.30dB的改善,并能够得到更加平稳质量的视频输出。在实际输出码率方面,本文算法比JVT-H017的算法更低,并且编码缓冲器充盈度较JVT-H017平稳且没有上下溢的情况出现。

一种低快拍情况下稳健的波束形成算法808-812

摘要：针对低快拍情况下自适应波束形成器输出方向图存在主峰偏移,副瓣电平较高的问题,该文提出一种低快拍情况下稳健的波束形成算法。算法通过对线性约束最小方差（LCMV）波束形成器的输入信号协方差矩阵进行指数修正,改善了采用协方差矩阵求逆（SMI）算法的LCMV波束形成器输入信号协方差矩阵小特征值在低快拍情况下的发散程度,从而可在减小主峰偏移的同时,有效地解决副瓣电平较高的问题;最后通过分析波束形成器输出信干噪比（SINR）随修正指数变化的情况,给出算法修正指数的取值范围。计算机仿真结果验证了该算法的有效性和优越性。

基于DSCS的宽带频谱感知新算法813-819

摘要：频谱感知是认知无线电技术的基础,随着通信技术不断发展,越来越高的采样速率成为一大瓶颈。实际应用中频谱占用通常具有稀疏性,根据这一特点并结合频谱检测要求,本文提出一种基于差分信号压缩感知（Differential Signal Compressed Sensing,DSCS）的宽带频谱感知方法。该方法在能量检测法的基础上引入压缩感知理论（compressed sensing,CS）,使系统能以远低于奈奎斯特采样速率的速率无损采样,降低对硬件的要求;为降低计算量、提高算法稳定性,采用检测差分信号代替检测信号本身作为判断频谱占用变更的依据;引入精度作为算法的迭代停止条件,可根据需要灵调整算法准确度、降低计算复杂度。仿真表明,适当精度下DSCS法能大幅降低迭代次数、减少计算量,并获得更好的检测性能。

张量正交局部敏感判别式分析及其在人脸识别中的应用820-827

摘要：针对人脸识别的特征提取问题,本文提出了一种张量正交局部敏感判别分析（Tensor-based Orthogonal Locality Sensitive Discriminant Analysis,Tensor-OLSDA）的人脸识别算法。张量正交局部敏感判别分析在保持了流形的局部几何结构的同时加强了全局判别结构,并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题,从而增强了数据的可分性,提高了识别效果。张量正交局部敏感判别分析首先将人脸数据表示成高阶张量形式,在进行特征提取时将高阶张量数据沿不同阶展开,再利用特征根之间的正交性约束条件,求解正交局部敏感判别式分析特征子空间,最后将高阶人脸数据投影于这个特征子空间,进行识别。在AT＆T和YaleB人脸库上的实验结果表明,Tensor-OLSDA具有良好的分类性能,能获得较为理想的识别结果。

WMSN中基于VSQI压缩反馈的协作节点选择828-836

摘要：无线传感器网络中采用协同通信技术进行收集、交换和分析数据,可以有效提高信息精确度,并大大减少节点的能耗。其中协作节点的选择是一个重要问题。考虑在WMSN中应用信息压缩反馈技术,将分布在临近地理位置上的传感器节点的视频流质量指标（Video Stream Quality Index,VSQI）通过控制信道反馈给汇聚节点,可以为协同节点的选择提供支持。本文根据人类视觉特征,提出了一种用于视频流质量估计的方法,并据此综合考虑VSQI信号的设计。由于WMSN中巨大的信息反馈量,将压缩感知（Compressive Sensing,CS）理论应用到VSQI压缩反馈中进行了研究,寻找并验证了与VSQI信号相关的随机测量矩阵与重建准则,实验结果证明基于压缩感知的压缩反馈方法可以降低感知节点端处理复杂度、增强反馈压缩程度,从而确定WMSN中传输节点的协作节点。

基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪837-842

摘要：由于合成孔径雷达（SAR）在农业、林业、水文、地矿、海洋、测绘等领域广泛应用,SAR图像质量和视觉效果提升成为了各国学者研究的热点问题。SAR图像的主要噪声源——相干斑噪声的抑制和去除显得越来越重要。本文通过分析了SAR图像的噪声成因以及其噪声模型。基于SAR图像的特性,本文结合小波变换和Contourlet变换各自的优点,提出了一种基于小波-轮廓波变换与图像循环平移结合的SAR图像去噪算法。本文所提出的算法不仅可以显著去除相干斑噪声,提高图像的信噪比,而且还具有平移不变性,可明显改善图像的视觉效果。实验结果表明：与单独使用小波变换去噪相比,本文算法的信噪比提高2分贝;与单独使用Contourlet变换去噪相比,本文的算法去噪后的图像更平滑,抑制了人造纹理产生,视觉效果得到了明显的改善。

信号处理杂志算法研究

基于稀疏分解和神经网络的心电信号波形检测及识别843-850

摘要：心电图是现代医学的一个重要诊断依据。用计算机检测识别心电信号波形,能缓解越来越庞大的心电数据给医务人员带来的工作压力,减少因疲劳、疏忽以及主观偏差产生的误差。利用改进的Gabor字典和粒子群优化算法,对心电信号做稀疏分解。稀疏分解得到一个和原信号相比非常稀疏的解向量,与解向量中每个非零值相对应的是从字典中选出的和原信号结构特点最为接近的字典中的一组原子。根据解向量中非零值的大小以及对应原子的波形,确定此原子代表的波的波幅、波宽、波形、位置等信息。然后利用心电信号的先验知识,确定原子代表的波属于那种特征波（P波、QRS波群或T波）,进而建立神经网络的训练样本。经过训练,神经网络将能实现对稀疏分解后的心电信号波形的自动检测识别。实验证明,此算法能同时实现几种特征波的检测及识别。

一种基于二进小波变换的短波语音抗时变干扰算法851-856

摘要：本文针对短波语音中存在的时变干扰难以跟踪,更难以滤除的问题,提出了一种基于二进小波变换的抗时变干扰算法,利用二进小波变换的变焦距的功能以及保持语音信号连续性的特点将短波语音信号分解成各层小波系数,由于噪声、语音和时变干扰在不同尺度上小波变换后,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,因此通过二进小波变换能够有效地将时变干扰分解到很少的小波系数上,然后结合后验信噪比的大小以及根据人耳的听觉掩蔽特性,将强干扰和弱干扰、重叠干扰和非重叠干扰分开处理,较好地滤除了时变干扰并且明显降低了对短波语音信号的失真。仿真表明此算法不仅能够较好地滤除时变干扰,并且对语音失真较小,要明显优于传统的陷波算法。

基于公共点提取的多视图像校正857-863

摘要：自由视点立体视频既可以给观看者强烈的立体感,又可以为用户同时呈现不同角度的视点画面。但是垂直视差的存在,会影响合成立体图像的质量,出现图像的模糊,严重的垂直视差会使图像不能观看。因此,多视点图像的校正是提高3DTB观看质量的重要步骤之一。现阶段关于双视点图像校正技术的研究已较多,但多视点图像校正研究却需深入。其中,基于多相机标定参数的校正算法需要提供预先的标定数据,应用不便。本文提出了一种在无多摄像机标定参数情况下,消除垂直视差的校正方法。首先,使用SIFT算法提取图像特征点。然后,利用多视点图像公共点的匹配关系,选取唯一基准视点图像平面计算各视点校正矩阵。实验结果表明,该方法有效降低了垂直视差,限制了校正误差的传播,从而保持了校正后图像质量的一致性。

MIMO雷达双门限恒虚警检测864-869

摘要：由于MIMO雷达的多通道特性,使得MIMO雷达各接收天线之间需要进行大量的数据传输。在MIMO雷达中应用双门限检测可以使数据传输量大大降低。本文在单元平均恒虚警检测器的基础上,提出了一种MIMO雷达双门限恒虚警检测器,设计了MIMO雷达双门限恒虚警检测器的结构,将其检测性能和单门限恒虚警检测器进行了对比,分析了MIMO雷达双门限检测器在多目标环境下的检测性能。仿真结果表明在MIMO雷达中应用双门限检测具有结构简单,数据传输量低等特点,在单目标和多目标环境中,双门限恒虚警检测器的检测性能均优于单门限恒虚警检测器。

一种新型的基于块自适应滤波的MSK信号解调技术870-873

摘要：本文针对MSK调制信号在军用和民用领域都得到了广泛应用的这一事实,首先简单地分析了MSK信号非相干解调性能和差分解调性能的不足。然后根据MSK数字调制信号的特点,将频域块自适应滤波技术和码元FFT求模判决算法相结合,提出了一种新型的MSK信号数字解调算法。最后在详细阐述新型MSK信号解调算法的基础上,利用计算机基于蒙特卡洛方法对新算法的解调性能进行了性能仿真,并对仿真结果进行了较为详细的分析。计算机仿真结果表明该新算法不仅简单有效,而且对噪声有很好的抑制作用。与经典的非相干解调和差分解调相比,该新算法具有较低的解调误比特率和较低的频偏敏感度,并且解调性能得到了明显的提高,具有一定的实际应用价值。

基于高维空间典型样本Steiner最小树覆盖模型的一类分类算法874-882

摘要：最小生成树数据描述方法在刻画高维空间样本点分布时,将所有图形的边作为新增虚拟样本以提供同类样本分布描述,这种描述存在分支多覆盖模型复杂,且局部覆盖不够合理的问题。针对该问题,依据特征空间中同类样本分布的连续性规律,提出基于高维空间典型样本Steiner最小树覆盖模型的一类分类算法,该算法首先对目标类训练集进行样本修剪,去除冗余信息和噪声信息,选择最具代表性的样本作为训练集,然后对保留的典型样本构建Steiner最小树覆盖模型。算法分析和仿真实验结果表明,相比最小生成树数据描述,文中提出的方法能在较低覆盖模型复杂度的前提下更合理的描述目标类样本空间分布,构建更合理的覆盖模型,在分类正确率和适用样本规模上都表现出一定的优越性。

基于低速采样的多正弦波信号频率估计883-889

摘要：高频段信号由于受到A/D转换器和后续信号处理器件运算速度和成本的限制,其处理往往难以实现,为解决此问题,提出了一种新的基于低速采样的高频段多正弦波信号频率估计方法。首先将含有多个频率互异的多正弦波信号经过功分器分成两路信号,然后分别用不同的采样率对这两路信号进行低速采样,用傅立叶变换及基于改进的Rife算法与Quinn算法来估计两路信号低速采样后的频率,接下来利用中国余数定理对多个信号的频谱快速配对解模糊准确的估计出各个信号的频率。该方法在工程上易于实现,可同时实现低的采样速率与高精度估计,而且在较低信噪比的情况下仍可获得较高的估计精度。给出了该方法的具体步骤,通过计算机仿真试验验证了该方法的有效性。

基于网格爬山法的最大似然DOA估计算法890-895

摘要：最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足＂预估分布＂的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

信号处理杂志应用

采用特征分类直方图均衡化的鲁棒性语音识别896-900

摘要：大部分噪声会引起语音倒谱域特征参数的非线性失真,导致识别系统性能下降。直方图均衡化方法是一种非线性补偿变换技术,较传统的基于线性变换技术的抗噪声方法进一步提高了系统的鲁棒性。但实际识别系统中,除了噪声引起语音特征的非线性失真外,还存在训练和测试数据的语音特征类分布不一致问题,从而难以保证传统的直方图均衡化方法发挥其优势。本文提出一种基于特征分类的直方图均衡化方法,首先对初步均衡化后的含噪语音特征矢量进行K均值分类,然后对各类别下的特征矢量再进行直方图均衡变换。实验结果表明,低信噪比时无论在平稳噪声还是非平稳噪声环境下,与传统的直方图均衡化方法相比都进一步增强了识别系统的鲁棒性。

基于样条插值的非线性滤波器的分析与设计901-905

摘要：在理论分析和实际应用中,信号分析具有重要的理论意义和实际应用价值。非平稳信号的分析及处理一直是学术和工程界关注的热点问题之一。由于传统数据分析方法受线性或者平稳性假设的限制,无法有效地应用于图像处理、语音处理及雷达信号处理等实际应用中。本文通过对非线性、非平稳数据的建模,研究了适合非平稳数据分析的经验数据分解算法。建立了可行的经验数据分解滤波器的设计准则,并利用三次样条插值预测滤波器的参数。使用超光谱图像数据进行测试分析,在一次经验数据分解后,分析了高频子带数值在规定范围内的概率分布及相应的熵值。实验结果表明：经验数据分解算法产生的高频系数在0附近更集中,这对图像压缩有利,从而证明经验数据分解是一种对非平稳数据有效的分析方法。

高速高机动弱小目标检测方法研究906-911

摘要：本文针对高速高机动弱小目标检测中的距离走动和多普勒走动问题,提出一种多普勒频率补偿加尺度变换的目标检测方法。首先通过多普勒频率估计构建多普勒频率补偿函数,消除速度引起距离走动的影响,其次采用尺度变换方法消除多普勒调频率的影响,从而使积累时间不再受目标运动的限制。该方法无需多普勒调频率估计,解决了传统弱小目标检测方法中多普勒调频率估计准确性问题。在进行多普勒频率估计时,提出一种无模糊多普勒频率估计方法,该方法避免了模糊因子估计,大大减小了计算量,同时降低了对输入信噪比的要求,且有利于多目标情况。仿真结果验证了所提方法大大提高了高速高机动弱小目标的检测性能。

基于码书和纹理特征的运动目标检测912-918

摘要：复杂环境下如何进行鲁棒的运动目标检测是计算机视觉领域热门研究课题。本文提出了一种新的码书和高斯局部二值模式（GLBP）的纹理描述的运动物体检测方法,在线学习构建码书纹理背景模型。首先用码书以类似聚类的方式构建每个像素的码书模型,根据码字的颜色和亮度相似性,将背景像素分布用聚类码字的形式表示出来,同时在模型初始化和运动检测阶段不断更新码字以反映背景变化。然后用单高斯模型来学习背景像素变化的概率,生成GLBP纹理算子,同时在线更新GLBP反映图像空间纹理信息变化。最后融合三个特征将当前帧分割为前景背景两部分。通过实验视频表明本方法在实际视频中取得了较好的鲁棒的效果。