检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

块稀疏贝叶斯学习双基SAR超分辨率成像

块稀疏贝叶斯学习双基SAR超分辨率成像

基于块稀疏贝叶斯学习的直扩通信窄带干扰检测与参数估计

第十四届全国信号和智能信息处理与应用学术会议

作者：刘常浩卫扬铠王岩丁泽刚匡辉曾涛北京理工大学信息与电子学院北京理工大学重庆创新中心北京空间飞行器总体设计部

针对双基SAR系统的稀疏成像分辨率不高问题,提出采用基于结构配对贝叶斯学习(PC-SBL)的压缩感知算法进行块状稀疏信号恢复,将雷达成像问题转化成稀疏信号表示问题,通过建立雷达稀疏观测模型,对雷达成像问题进行求解。通过仿真实验可以证... 详细信息

针对双基SAR系统的稀疏成像分辨率不高问题,提出采用基于结构配对贝叶斯学习(PC-SBL)的压缩感知算法进行块状稀疏信号恢复,将雷达成像问题转化成稀疏信号表示问题,通过建立雷达稀疏观测模型,对雷达成像问题进行求解。通过仿真实验可以证明,这种基于结构配对贝叶斯学习的块稀疏成像算法比传统双基地后向投影算法的成像分辨能力更高,同时与正交匹配追踪算法相比,基于结构配对贝叶斯学习的压缩感知成像算法的适用性更强。

关键词：双基SAR成像块稀疏贝叶斯学习稀疏信号

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

系统工程与电子技术 2019年第4期41卷 890-898页

作者：张永顺朱卫纲贾鑫王满喜航天工程大学研究生院北京101416 航天工程大学电子与光学工程系北京101416 电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003

现有基于Nyquist采样定理的直扩(direct sequence spread spectrum,DSSS)通信窄带干扰(narrowband interference,NBI)检测和参数估计方法存在应用受限于采样率较高的问题。针对这一问题,将压缩感知(compressive sensing,CS)应用于DSSS通信NBI的检测和参数估计,根据DSSS信号与NBI的不同压缩域特性以及NBI在频域表现出的分块稀疏特性,利用块稀疏贝叶斯学习(block sparse Bayesian leaning,BSBL)框架获取干扰检测和参数估计的特征量,通过对特征量的检测和参数估计实现对NBI的检测和参数估计。理论分析和仿真结果表明:所提方法能够在压缩采样条件下实现对DSSS通信中NBI的有效检测和参数估计,与传统方法相比具有显著优势,干扰检测和参数估计性能受干扰强度、干扰带宽以及压缩率变化的影响,干扰强度越强、干扰带宽越小、压缩率越大,干扰检测和参数估计效果越好。

关键词：压缩感知直扩通信窄带干扰检测窄带干扰参数估计块稀疏块稀疏贝叶斯学习

在线全文

学校读者我要写书评

暂无评论

近红外光谱块稀疏贝叶斯学习建模方法研究

近红外光谱块稀疏贝叶斯学习建模方法研究

作者：吴超安徽大学

学位级别：硕士

近年来,间接检测的近红外光谱技术(Near Infrared Spectroscopy,NIRS)快速发展,具备无污染、无损和经济的优点,在食品、农业、生物化学、医学成像等领域得到广泛应用。但采集的NIRS数据普遍存在特征重叠、数据维度高、噪声干扰大,且存... 详细信息

近年来,间接检测的近红外光谱技术(Near Infrared Spectroscopy,NIRS)快速发展,具备无污染、无损和经济的优点,在食品、农业、生物化学、医学成像等领域得到广泛应用。但采集的NIRS数据普遍存在特征重叠、数据维度高、噪声干扰大,且存在大量冗余变量,直接影响了数据驱动模型的性能。为此,本文采用块稀疏贝叶斯学习(Block Sparse Beyasian Learning,BSBL)算法与模型集群分析(Model Population Analysis,MPA)策略,展开NIRS特征峰稀疏重构及其特征选择方法的探索,内容如下:(1)针对NIRS数据的高维和特征重叠易降低模型性能的问题,根据光谱特征峰的数量有限性,提出采用BSBL方法对NIRS特征峰进行重构选择的策略,并具备自动检测特征峰位置和宽度的功能。根据峰的定义和特性,采用一阶、二阶偏差以及半峰宽策略,实现自动检测特征峰的位置和波长范围,同时利用块结构模型和稀疏贝叶斯策略有效地实现光谱特征峰波长的稀疏重构,排除无关特征对预测性能的影响和干扰;此外,快速边缘似然最大化方法被用于优化目标函数,提升算法的收敛速度。最后,以合成光谱数据和实测光谱数据为例,进行定量模型分析,结果证明所采用方法不仅使模型的预测性能得到了提升,还降低了计算复杂度。(2)由于在NIRS重构选择过程中没有关联感兴趣的理化指标,导致重构的特征仍包含大量无关信息,从而降低模型预测精度。为此,本文结合MPA理论探究了NIRS特征峰变量选择方法。该方法采用BSBL方法对NIRS特征峰波长进行高效的重构选择,接着采取MPA策略将重构的特征变量与理化指标建立联系,进行变量选择。VCPA和VISSA作为典型的MPA方法被采用,同BSBL相结合进行特征峰变量选择,并作了对比分析。最后,利用实测数据验证所提方法的有效性,结果证实本文算法在提升模型预测能力的同时缩小了变量选择的范围,减少计算时间。上述研究成果为实际生产过程品质监测和等级鉴别的无损检测手段提供技术支持,有利于推动NIRS分析技术的发展,进一步提升过程监控和检测的数字化和信息化程度,为维护市场质量体系的健全和稳定奠定了基础。

关键词：近红外光谱稀疏重构块稀疏贝叶斯学习模型集群分析快速边缘似然最大化方法

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外与激光工程 2022年第4期51卷 389-394页

作者：游丽成都工业学院四川成都611730

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达(Synthetic aperture radar,SAR)图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀... 详细信息

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达(Synthetic aperture radar,SAR)图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习(Block sparse Bayesian learning,BSBL)算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition(MSTAR)数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。

关键词：合成孔径雷达方位角估计块稀疏贝叶斯学习线性加权

在线全文

学校读者我要写书评

暂无评论

基于块稀疏贝叶斯学习的肌电信号特征提取

仪器仪表学报 2014年第12期35卷 2731-2738页

作者：丁帅王亮北京航空航天大学北京100191

针对上肢多种运动的模式识别问题,对表面肌电的特征提取方法进行了研究,旨在取得更有鉴别能力的特征。采用基于块稀疏贝叶斯学习的方法提取s EMG信号中蕴含的运动信息,用于上肢动作中的整手以及精细的手指动作的识别。基于块稀疏贝叶斯... 详细信息

针对上肢多种运动的模式识别问题,对表面肌电的特征提取方法进行了研究,旨在取得更有鉴别能力的特征。采用基于块稀疏贝叶斯学习的方法提取s EMG信号中蕴含的运动信息,用于上肢动作中的整手以及精细的手指动作的识别。基于块稀疏贝叶斯学习的方法提取到的分解系数特征DC能表征s EMG信号的非线性特征。在对8位受试者6类整手以及精细的手指动作的识别实验中,将DC特征结合Willison幅值特征能更有效地反映出6类动作之间的差异,平均动作识别成功率可达92.9%。实验表明,所提出的特征提取方案可行。与传统的特征提取方法相比,此方案进一步提高了多种动作模式的识别精度。

关键词：表面肌电特征提取非平稳信号块稀疏贝叶斯学习

在线全文

学校读者我要写书评

暂无评论

基于块稀疏贝叶斯学习的人体运动模式识别

计算机应用 2016年第4期36卷 1039-1044页

作者：吴建宁徐海东凌雲王佳境福建师范大学数学与计算机科学学院福州350007

在人体运动模式识别中,传统稀疏表示分类算法未考虑待测试样本相应稀疏系数向量内在块结构相关性信息,影响了算法识别性能。为此,提出一种基于块稀疏模型的人体运动模式识别方法。该方法充分利用人体运动模式内在块稀疏结构,将人体运动... 详细信息

在人体运动模式识别中,传统稀疏表示分类算法未考虑待测试样本相应稀疏系数向量内在块结构相关性信息,影响了算法识别性能。为此,提出一种基于块稀疏模型的人体运动模式识别方法。该方法充分利用人体运动模式内在块稀疏结构,将人体运动模式识别问题转化为稀疏表示问题,采用块稀疏贝叶斯学习算法,求解基于样本训练集优化稀疏表示待测样本的稀疏系数,并根据稀疏系数重构残差判定待识别动作类别,能有效提高人体运动模式识别率。选用包含多类别人体动作行为模式的USC-HAD数据库对所提算法性能进行了验证。实验结果表明,所提算法能够有效捕获不同运动模式内在差异信息,平均动作识别率达到97.86%,比传统动作识别方法平均提高近5%,有效提高了动作识别准确率。

关键词：压缩感知稀疏表示块稀疏贝叶斯学习人体运动模式识别

在线全文

学校读者我要写书评

暂无评论

基于块稀疏贝叶斯学习的体域网心电压缩采样

传感技术学报 2015年第3期28卷 401-407页

作者：彭向东张华刘继忠南昌大学机器人研究所南昌330031 江西财经大学软件与通信工程学院南昌330013

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采... 详细信息

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 d B^21 d B。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。

关键词：块稀疏贝叶斯学习体域网心电信号压缩采样

在线全文

学校读者我要写书评

暂无评论

基于分层块稀疏学习的射频层析成像

物联网技术 2022年第11期12卷 104-108页

作者：黄子宁黄开德杨志勇佛山科学技术学院数学与大数据学院广东佛山528000 南昌航空大学软件学院江西南昌330000

针对射频层析成像中多径衰落不确定性引起的成像精度低、稳定性差的问题,提出基于分层块稀疏学习的射频层析成像模型。利用兴趣目标状态的时空稀疏性和相关性,设计信号的块稀疏结构表示与多观测参数学习方法,提升信号重构对多径不确定... 详细信息

针对射频层析成像中多径衰落不确定性引起的成像精度低、稳定性差的问题,提出基于分层块稀疏学习的射频层析成像模型。利用兴趣目标状态的时空稀疏性和相关性,设计信号的块稀疏结构表示与多观测参数学习方法,提升信号重构对多径不确定性的抑制能力,增强鲁棒性。基于分层思想,将成像过程分解为粗粒度检测与细粒度成像两个阶段,降低计算量,提高成像效率。真实实验结果表明,相比于常用的正则化最小二乘法,所提方法能有效提升室内环境下成像的精度和鲁棒性。

关键词：射频层析成像多径不确定性块稀疏贝叶斯学习分层框架室内定位正则化最小二乘法

在线全文

学校读者我要写书评

暂无评论

基于块稀疏贝叶斯学习的主题模型

基于块稀疏贝叶斯学习的主题模型

作者：施洪亮武汉大学

学位级别：硕士

当下,信息呈现出爆炸式的增长趋势,特别是诸如微博、推特等短文本内容平台的快速发展极大地促进了信息的传播。从大规模短文本语料中挖掘潜在主题信息具有深远的现实意义和很高的价值。然而,由于短文本具有内容较短、口语化、缺乏共现... 详细信息

当下,信息呈现出爆炸式的增长趋势,特别是诸如微博、推特等短文本内容平台的快速发展极大地促进了信息的传播。从大规模短文本语料中挖掘潜在主题信息具有深远的现实意义和很高的价值。然而,由于短文本具有内容较短、口语化、缺乏共现信息等特点,这使得短文本的主题挖掘任务面临着严峻的挑战。目前,挖掘文本中有价值的潜在语义信息主要有两种方法:传统的概率主题模型（Probabilistic Topic Models,PTMs）和非概率主题模型（Non-Probabilistic Topic Models,NPMs）。然而,PTMs缺乏直接控制学习表达的后验稀疏性机制导致其在短文本主题建模时很难取得满意的效果。而NPMs虽然能够直接控制短文本的稀疏性来挖掘潜在有价值的信息,但存在计算效率慢、挖掘潜在语义信息时稀疏性不够等问题。为了解决上述问题,研究者提出了很多改进措施,但仍存在一些缺陷不能很好的挖掘出有价值的潜在语义信息。随着块稀疏贝叶斯学习和词嵌入（word embeddings）模型等新技术的快速发展,这给短文本的主题挖掘任务带来了新的契机。为了解决短文本的稀疏性低维表达上存在的问题,本文提出了基于块稀疏贝叶斯学习的主题模型（Block Bayesian Sparse Topical Coding,Block-BSTC）有效地利用了块稀疏贝叶斯学习和词嵌入模型等技术来挖掘短文本的稀疏性表达。本文工作主要分为以下三部分:首先,利用词嵌入模型来实现词的向量化表示,并且结合k-means聚类算法对词进行聚类。使得本文的模型能够很好的解决数据稀疏性问题以及提高向量矩阵的稀疏性表达,从而促进向量矩阵内的块结构划分。其次,通过块稀疏贝叶斯学习算法来学习短文本的稀疏性低维表达。块稀疏贝叶斯学习算法能够像NPMs 一样直接控制文档编码和词编码的稀疏度,并且能够学习向量之间的关系构建块结构信息,最终通过学习短文本中稀疏性低维表达来获取主题语义信息。最后,对词编码和主题字典进行优化求解获得最优解。根据块稀疏贝叶斯学习算法的词向量学习过程,通过最大期望算法和主题字典学习方法来求解优化得到词编码和主题字典的值。在20新闻组数据集上的实验结果表明,本文提出的Block-BSTC模型在词编码稀疏性上表现优异。同时,该方法提高了文档的分类准确性。表明本文模型能够在短文本中挖掘有价值的潜在语义信息。

关键词：稀疏主题模型块稀疏贝叶斯学习词嵌入 k-均值词编码