-
公开(公告)号：CN113222861A
公开(公告)日：2021-08-06
申请号：CN202110615237.0
申请日：2021-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于等式结构多重正则化的图像恢复方法及系统，引入等式结构，构建测量高斯似然函数；基于构建的测量高斯似然函数，选择多个稀疏变换，以稀疏变换系数为基础，给出相互独立的多个概率密度函数来推算目标图像的条件先验概率密度；基于目标图像的条件先验概率密度，根据贝叶斯法则推算目标图像的均值估计模型；最后通过期望最大化方法结合共轭梯度法迭代实现目标图像的快速重建，克服了综合法引入稀疏表示的可逆性限制，并允许采用任意数量的稀疏变换，而且联合稀疏域能够有效提高算法的收敛速度。
-
公开(公告)号：CN115795287A
公开(公告)日：2023-03-14
申请号：CN202211335212.6
申请日：2022-10-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出离网格空间交替稀疏贝叶斯压缩波束形成方法。本发明基于波束形成模型，通过一阶泰勒展开式近似对流形矩阵进行展开，导出包含DOA角度补偿的离网格波束形成模型；基于修正的多快照模型，给出三层贝叶斯结构图的模型假设，并采用空间交替法得到超参数变量的更新迭代公式，最终通过期望最大法给出DOA角度补偿矢量的更新方程。具体来说，本发明通过引入真实DOA和网格点之间的偏移矢量来修正波束形成模型，同时提高DOA角度和目标源信号估计的准确性，结合空间交替技术，避免每次迭代的矩阵求逆，不但减少了单次迭代的计算量，而且保留了加速收敛特征。
-
公开(公告)号：CN113222861B
公开(公告)日：2022-08-05
申请号：CN202110615237.0
申请日：2021-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于等式结构多重正则化的图像恢复方法及系统，引入等式结构，构建测量高斯似然函数；基于构建的测量高斯似然函数，选择多个稀疏变换，以稀疏变换系数为基础，给出相互独立的多个概率密度函数来推算目标图像的条件先验概率密度；基于目标图像的条件先验概率密度，根据贝叶斯法则推算目标图像的均值估计模型；最后通过期望最大化方法结合共轭梯度法迭代实现目标图像的快速重建，克服了综合法引入稀疏表示的可逆性限制，并允许采用任意数量的稀疏变换，而且联合稀疏域能够有效提高算法的收敛速度。
-
公开(公告)号：CN115859012A
公开(公告)日：2023-03-28
申请号：CN202211484570.3
申请日：2022-11-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提出基于快速多快照无逆稀疏贝叶斯的水下DOA和SAP估计方法。该方法引入光滑函数性质并推广为复数矩阵形式，基于推广后的性质，引入到多快照稀疏贝叶斯学习，推导出了矩阵形式的松弛证据下限relax‑ELBO；基于relax‑ELBO采用VEM方法求解隐变量的后验分布近似；根据后验分布近似对DOA和SAP估计，避免了矩阵求逆，很大程度上提高了运算速度，克服SBL难以在大规模领域和在线应用的局限。
-
-
-
Search Results
4
records
(took 0.021 seconds)
