信号处理杂志 北大期刊 CSCD期刊 统计源期刊

信号处理 2018年第03期杂志 文档列表

信号处理杂志论文与技术报告

基于协作干扰抑制的信道估计技术研究253-261

摘要：针对放大转发（AF）协作中继网络，为了高效获取级联和单跳链路的信道状态信息（CSI），本文设计一种组合训练方案。新方案采用时分（TM）训练和叠加训练（ST）相结合的（TM＋ST）方式，在源节点采用TM训练方式完成级联（S-R-D）信道的估计，而在中继节点将训练序列叠加到接收信息序列之上，完成单跳（R-D）信道估计。为消除协作信息对R-D信道估计的干扰，提出了一种基于协作干扰抑制（CIS）的信道估计方法。新方法利用直传（S-D）链路信息来抑制协作中继链路（S-R-D）协作中的协作信息干扰，从而有效提高单跳信道估计性能。本文提出的方案采用两种训练方式将单跳和级联信道估计分离，有效降低训练序列的设计复杂度，仿真结果表明了新方案的有效性。

单天线合成阵列欺骗式干扰抑制262-269

摘要：欺骗式干扰的功率远低于接收机噪声水平且与有用卫星信号在时频域都具有相同的信号形式，具有很强的隐蔽性，给卫星导航安全带来巨大威胁。多天线技术在欺骗式干扰抑制中已被证明是非常有效的方法，然而实际应用中多天线技术的干扰抑制性能受阵元通道误差和阵列孔径的影响。本文在真实卫星信号来向未知的前提下，给出了一种利用单天线运动形成合成阵列，进而进行欺骗式干扰抑制的方案，首先构造了合成阵列接收信号模型，然后分别利用MUSIC算法和RELAX算法估计出欺骗式干扰来向，最后通过估计出的欺骗式干扰来向得到合成阵列的自适应权向量，从而抑制欺骗式干扰。仿真实验验证了合成阵列抑制欺骗式干扰方案的有效性和正确性。

采用Duffing振子和S变换的微弱BPSK信号盲检测研究270-278

摘要：针对强噪声中微弱BPSK信号的盲检测问题，论文从周期信号入手，指出相差固定时由于输入信号与Duffing系统内置信号存在频差，将导致系统进入周期性混沌状态。对BPSK信号，由于信号本身相位的变化，Duffing系统相轨迹演化将进入间歇性混沌状态。论文通过采用时序图法和S变换提取时序输出包络来判断Duff-ing系统间歇性混沌状态，分析了方程控守频带范围，并建立正相振子和反相振子检测方程，最后提出了基于Duffing振子和S变换的微弱BPSK信号盲检测模型。仿真实验结果表明，在信噪比大于-40dB时，可以稳定实现微弱BPSK信号的盲检测。

信号处理杂志算法研究

平均光流方向直方图描述的微表情识别279-288

摘要：微表情持续时间短、强度低和局部运动的特点，给其识别带来了极大困难。本文提出了一种新的平均光流方向直方图（MHOOF）描述的微表情识别算法，首先检测人脸稠密关键点并根据关键点坐标和人脸动作编码系统（FACS）将人脸区域划分成13个感兴趣区域（ROI），然后提取选定ROI内相邻两帧之间的HOOF特征来检测微表情序列的峰值帧，最后提取从起始帧到峰值帧这一段图片序列的MHOOF特征进行微表情识别。CASMEII微表情库上的实验表明，本文提出的MHOOF特征可有效描述微表情的变化，识别率比两种最优的算法MDMO和DiSTLBP-RIP分别提升了5．53％和3．12％。

利用FastICA和三阶相关函数的多天线辅助NPLC-DS-CDMA扩频码盲估计289-295

摘要：针对非周期长码直扩CDMA信号（NPLC-DS-CDMA）扩频码盲估计问题，首先利用多天线接收信号并构建成矩阵形式；再对接收信号矩阵进行奇异值分解，利用FastICA方法估计每个用户直扩信号矩阵；然后将每个用户的直扩信号移位相乘去除信息码并计算其三阶相关函数（TCF），通过比较坐标点及其共轭系坐标点上的TCF估计值和理论值的距离排除大量伪峰值点，得到正确的TCF峰值点；最后利用矩阵斜消法得到扩频码本原多项式。仿真结果验证了本文算法对NPLC-DS-CDMA扩频码盲估计的有效性。

基于运动前景效应图特征的人群异常行为检测296-304

摘要：异常行为检测是智能监控领域的研究热点之一，针对人群中的异常行为，提出了一种基于运动前景效应图特征的人群异常行为检测算法。该算法首先通过自适应混合高斯模型的前景检测方法分割得视频帧序列的前景区域，而后对视频帧图像采用分块处理，结合获得的前景区域计算运动前景目标块的运动效应图，并提取其各个空时分块的运动效应图特征，通过一种改进的优化初始聚类中心的K均值聚类算法对数据进行训练和测试。实验结果表明，与现有算法相比，本文算法有效地提高了异常行为的检测准确率，并可定位异常行为的位置。

基于特征值一阶变化率的DS_CDMA多用户估计算法305-311

摘要：针对DS-CDMA系统的快速用户数估计问题，在分析系统模型的基础上，提出一种基于特征值一阶变化率的DS-CDMA系统用户个数估计算法。算法首先对信号进行非同步解凋处理，解决了传统信息论方法不适用于DS-CDMA系统用户数估计的问题；再通过移位相关法估计失步点，提取数据矩阵；最后提取特征值，依据噪声的相似性采用基于特征值一阶变化率的信息论方法进行用户数估计。仿真结果表明，在信噪比高于-6dB时，本文提出的算法在同步和非同步系统中均能准确地估计用户个数。相较于其他算法估计准确率提升了15％-20％。

频率选择性慢衰落信道下的消息传递迭代均衡算法312-318

摘要：针对频率选择性慢衰落信道，现有的迭代接收机性能与最优估计性能有较大差距，且复杂度高。为了提高频率选择性慢衰落信道均衡器的性能，提出了BP-EP-MF消息传递迭代均衡算法。该算法包含置信传播（Belief Propagation）、期望传播（Expectation Propagation）和平均场（Mean Field），其中MF算法处理非线性因子节点，EP算法降低计算复杂度。消息传递算法首先利用系统中的未知变量及关系建立信道的因子图模型，然后根据因子图上各部分的特点选择合理的、有效的消息更新规则和合适的消息更新机制，最后依据最大后验估计准则得到数据估计值。仿真结果表明，与非线性卡尔曼（EKF）迭代均衡器相比，消息传递算法（BP-EP-MF）均衡器的性能大幅提升、收敛速度加快、复杂度略微降低。

信号处理杂志应用

结合波利亚罐模型和M-H算法的遥感图像分割319-330

摘要：图像精确分割是目前遥感图像分割的主要研究任务之一，为此，提出一种基于波利亚罐模型的遥感图像分割方法。该方法通过模拟波利亚罐模型的随机实验过程，将图像像素之间相互关系运用到分割过程中，以精确地实现遥感图像分割。首先，根据波利亚罐模型及其随机实验过程定义邻域势能函数，结合马尔科夫随机场建立刻画像素类属性的标号场模型；假设遥感图像中各类属内像素光谱测度服从各自的同一独立高斯分布，以建立其特征场模型；由Bayesian定理，构建图像统计分割模型；然后，使用Metropolis—Hastings（M-H）算法进行分割模型求解，实现遥感图像分割。分别对模拟和真实遥感图像进行分割实验，实验结果表明使用提出方法可以有效去除图像中孤立的错分像素，使分割结果更加精确；定性和定量分析结果验证了提出方法的可行性及有效性。

结合ITD与非线性分析的通信辐射源个体识别方法331-339

摘要：信号细微特征提取是通信辐射源个体识别技术的关键。考虑到实测辐射源信号具有非线性、非平稳的特点，通过对信号时间序列复杂度的分析，提取一些非线性动力学参数作为指纹特征，进行辐射源个体识别。首先利用固有时间尺度分解（ITD）算法，对原始信号进行分解，利用相关系数选出若干合适的信号分量；之后提取每层信号分量的排列熵，近似熵以及样本熵组成特征向量，并通过实验优化相关参数的选择，最后采用支持向量机（SVM）对信号进行分类识别。利用实测舰船信号进行细微特征提取及分类实验，与一些细微特征提取方法对比，在信号种类增加时，本方法识别性能更优，证明了多尺度分析提取非线性参数的有效性。

改进的多模式脑肿瘤图像混合分割算法340-346

摘要：脑肿瘤是一种高危疾病，在治疗过程中，任何有关位置和大小的信息都至关重要。为了有效检测和诊断脑肿瘤，针对多模式MRI脑肿瘤图像：FLAIR、T2和T1C，本文提出一种改进的多模式脑肿瘤图像混合分割算法。首先对三种模式的MRI图像分别进行中值滤波和快速模糊C均值聚类，之后将图像灰度值按照线性比例FLAIR：T2：T1C=5：4：1融合得到预处理图像。之后使用快速模糊C均值算法和自动阈值对预处理图像进行聚类分割，得到脑肿瘤的欠分割图像，最后，使用混合水平集算法对欠分割图像进行分割得到脑肿瘤分割图像。分割的脑肿瘤图像与金标准对比，平均Dice达到0．90；与同类算法对比，经本文算法得到的Dice最佳，稳定性好，实时性高，能够满足医学临床需要。

迭代三角网约束的近景影像密集匹配347-356

摘要：针对传统稀疏匹配难以满足高精度三维建模需要，本文提出一种迭代三角网约束的近景影像密集匹配算法。与传统静态基于区域增长的“片一片”的匹配传播方式不同，本文采用动态三角形更新的匹配传播方式。该算法利用SIFT匹配获得的稀疏可靠同名点，在左、右影像上构建Delaunay三角网，将左影像上面积大于一定阈值的三角形的重心作为匹配基元，结合同名三角形区域约束、核线约束、灰度相关约束等对其进行匹配。在依次遍历左影像上每个三角形之后，将匹配产生的新的同名点结合初始同名点整体构建Delaunay三角网。迭代进行上述匹配，直到新一轮匹配过程中没有新的同名点产生，迭代停止。选取三组典型的近景影像对进行匹配实验，验证了本文算法的可靠性，且对不同类型的近景影像都具有较好的适应性。

信号处理杂志短文与研究通讯

卷积神经网络在异常声音识别中的研究357-367

摘要：卷积神经网络（CNNs）已广泛应用于语音识别领域中以改善传统声学模型存在的鲁棒性弱、实时性差、识别性能低等缺点。本文对卷积神经网络在异常声音识别任务中的适用性及其识别性能进行了研究，针对日常常见的6种不同异常声音样本，分析了不同声音特征的维度对卷积神经网络识别性能的影响，还将卷积神经网络分别与高斯混合模型、BP神经网络进行比较。实验结果表明，无噪声条件下，一维特征在卷积神经网络中的平均识别率比二维特征相对提升了2．91％，且误差收敛速度更快，但在有噪声条件下，二维特征的平均识别率比一维特征相对提升了3．41％。同时卷积神经网络比其他两种识别模型在对噪声的鲁棒性和误差收敛速度等方面均有明显的优势。

非平稳信道衰落FPGA实时模拟方法368-375

摘要：针对由于收发端的高速移动导致信道衰落呈现的非平稳特性，提出了一种基于线性调频信号叠加的非平稳信道衰落产生方法，并对输出信道衰落的幅值分布和平均增益进行了详细分析，据此设计了基于FPGA硬件平台的非平稳信道衰落模拟器，实测结果表明，该模拟器输出信道衰落分布、自相关函数和多普勒功率谱等均与理论结果非常吻合，可应用于针对非平稳散射环境下的下一代无线通信系统性能测试和验证。