1 北京理工大学光电学院, 北京 100081
2 精密光电测试仪器及技术北京市重点实验室, 北京 100081
模拟了调制脉冲激光雷达在水下的探测信号,利用快速独立元分析方法(FastICA)的迭代算法将探测信号中的目标与后向散射信号分离,恢复出浑浊水域被强后向散射淹没的弱目标反射回波信号,极大地提升了信噪比。将解调信号设置为调制频率及三倍调制频率余弦函数之和,目标回波信号只需一次相干解调即可获得,其峰值位置与目标和探测器之间的延时相对应。经过独立元分析方法(ICA)迭代分离后,水下激光探测距离可以提高4~5个衰减长度。
海洋光学 后向散射 水下激光雷达 盲信号分离 独立元分析
卫星信号的捕获速度和精度直接影响到软件接收机的工作性能。针对现有卫星信号的捕获方法无法实现对全球定位系统(GPS)卫星信号快速精确捕获的问题,文章提出一种基于盲信号分离(BSS)方法的GPS卫星信号高精度快速捕获方法。采用小波阈值降噪法对混叠的GPS卫星信号进行降噪处理,提高卫星信号的信噪比,利用提出的基于子空间估计算法的卫星信号BSS方法求解GPS卫星信号的多普勒频率和码相位,从而恢复出不可观测的各个源信号。实验结果表明,该算法能够对真实卫星信号实现快速精确捕获;对比传统算法,文章所提的捕获算法更加适用于对弱信号的捕获需求,该算法具有较好的工程应用价值。
卫星通信 盲信号分离方法 小波变换 信号捕获 satellite communication blind signal separation wavelet de-noising signal acquisition
Author Affiliations
Abstract
1 Department of Computer Science and Technology, Northwestern Polytechnical University, Xi'an 710072
2 Department of Applied Mathematics, Northwestern Polytechnical University, Xi'an 710072
3 Key Laboratory of Education Ministry for Image Processing and Intelligent Control, Huazhong University of Science and Technology, Wuhan 430074
The separation of noisy image is a very exciting area of research, especially when no prior information is available about the noisy image. In this paper, we propose a robust independent component analysis (ICA) network for separation images contaminated with high-level additive noise or outliers. We reduce the power of additive noise by adding outlier rejection rule in ICA. Extensive computer simulations confirm robustness and the excellent performance of the resulting algorithms.
稳健ICA网络 噪声图像 盲信号分离 100.0100 Image processing 100.3020 Image reconstruction-restoration 200.4260 Neural networks Chinese Optics Letters
2006, 4(10): 573
1 四川大学,计算机学院图形图像研究所,四川,成都,610064
2 电子科技大学,自动化工程学院,四川,成都,610054
3 成都95538部队,四川,成都,610021
提出改进的求解独立成分分析参数的算法.该算法采用平均场近似原理,通过改变模型参数的限制条件,解决传统ICA算法中不能解决的问题.在图像特征的提取中,将模型中的混合矩阵和源信号均限制为非负,使提取的特征更为独立.利用语音信号、仿真图形及剑桥大学ORL人脸数据进行实验,从实验结果可以看出,改进的算法能有效地解决源信号数大于观测信号数的问题,同时该算法能分离出更独立的人脸五官特征,对ORL人脸识别结果分析表明,识别率从原来的87%左右提高到95% 左右,也?得鞲盟惴ū却车乃惴ǜ欣诮型枷裉卣魈崛〖笆侗?
成分分析 特征提取 平均场近似 特征识别 盲信号分离