摘要:传统人脸识别算法通常把光照处理和姿态校正作为两个相对独立的处理过程,难以取得全局最优识别性能.针对该问题,本文根据人脸的非刚体特性,将仿射变换和分块思想融入线性重构模型中,提出了一种基于仿射最小线性重构误差(Affine Minimum Linear Reconstruction Error,AMLRE)的人脸识别算法,在处理光照问题的同时能够补偿姿态变化造成的局部区域对齐误差,以获得更好的全局识别性能.在公共数据集上的实验结果表明,本文提出的算法对光照和姿态有很好的鲁棒性,同时与现有的人脸识别算法相比,本文的算法具有更高的识别率.
摘要:在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维数据的方法,避免了对内存的浪费.实例结果表明,这种包对信号的微弱变化具有优良的检测能力,其检测结果无幅值和相位失真,并能精确定位微弱变化的位置,这种包也能有效提取复杂信号中的弱故障特征,在这两方面均明显优于小波包的处理结果.
摘要:论文提出了一种基于接收信号强度(Received Signal Strength,RSS)的测向交叉定位方法,解决无源测向交叉定位中的虚假点问题.首先推导了阵列协方差矩阵中接收信号强度与阵列流型之间的关系,利用协方差逆矩阵高阶幂逼近噪声子空间的特点,在已知阵列流型基础上准确获取各来波的信号强度,解决了同一信道多来波的RSS估计问题;然后运用电磁波传播相关理论,根据接收信号强度和传播路径衰减参数的关系判定各定位点的置信度,排除了虚假点.所提算法对存在一定角度估计误差、低信噪比等情况具有很好的鲁棒性,仿真结果验证了该算法的有效性和可行性.