1 南京电子技术研究所，江苏 南京 210039
2 北京航空航天大学 电子信息工程学院，北京 100191
在传统多假设跟踪(MHT)算法中通常会假设杂波强度先验已知，当观测场景中杂波未知且空变时，该假设将会导致跟踪算法性能急剧下降。针对这一问题，本文提出一种基于自适应高斯混合模型(GMM)在线估计未知杂波的改进MHT 算法。首先利用自适应GMM 拟合未知杂波空间分布，并自适应地估计出波门内的杂波强度；然后将其应用于MHT 处理中，有效改善航迹得分计算和最优假设航迹估计的准确性，进而实现在杂波未知场景中的稳定跟踪。仿真结果表明，在未知杂波观测场景中，所提算法相比传统MHT 算法和MHT-GMM 算法获得了更好的数据关联准确性和航迹维持性能。
多假设跟踪 杂波强度 自适应高斯混合模型 航迹得分 最优假设航迹 multiple hypothesis tracker clutter intensity adaptive Gaussian Mixture Model track score optimal hypothetical track 太赫兹科学与电子信息学报
2023, 21(6): 794
河北经贸大学信息技术学院，河北 石家庄 050061
针对可见光通信中的离散傅里叶扩展正交频分复用系统的非线性效应，提出一种基于高斯混合模型的聚类解调方法。运用机器学习中的高斯混合模型根据接收信号估计所有星座点的高斯分布参数。然后计算接收信号到每一个星座点高斯分布的概率，选择概率最大值对应的星座点作为接收信号的判决结果进行解调，从而可以获得一些信噪比增益。仿真结果表明，在LED非线性信道下，高斯混合模型聚类解调方法在16和32阶正交振幅调制下可以分别获得0.6 dB~2.7 dB和0.2 dB~1.7 dB的信噪比增益。
光通信 可见光通信 离散傅里叶扩展正交频分复用 机器学习 高斯混合模型 解调 激光与光电子学进展
2023, 60(15): 1506008
1 中国科学院空天信息创新研究院，北京 100194
2 中国科学院大学，北京 100049
3 华南理工大学 软件学院，广东 广州 510006
4 中国科学院上海光学精密机械研究所 量子光学重点实验室，上海 201800
激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点，但工作在远距离模式时，目标点云比较稀疏。当前便携条件下，基于深度学习的算法在激光雷达点云数据直接目标识别时，实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求，采用基于变化的检测方法，对远距离条件下激光雷达的运动目标检测方法进行了研究，利用点云数据的距离信息，给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法，提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明，与二维图像动目标检测方法相比，三维单高斯模型法会很大程度提高检测准确性，降低虚警率，但仍然存在较高虚警率。为适应复杂三维场景，采用基于三维高斯混合模型的方法进一步降低了虚警率，但也降低了检测速度；而杂波图CFAR的方法具有很高的实时性，同时也具有较好的检测性能。
动目标检测 杂波图CFAR 激光雷达 三维高斯混合模型 moving target detection clutter map CFAR lidar 3D Gaussian mixture model 红外与激光工程
2023, 52(4): 20220506
1 安徽大学物质科学与信息技术研究院, 安徽 合肥 230610
2 中国科学院合肥物质科学研究院健康与医学技术研究所, 安徽 合肥 230031
在利用表面增强拉曼光谱(SERS)对毛发中痕量物质进行分析时, 该SERS信号中毛发特征峰与增强基底背景峰会相互耦合。 在耦合情况下, 背景峰会被误识别为毛发特征峰, 导致待测物的识别错误, 此外具有高峰强特性的背景峰对毛发中微弱特征峰产生掩盖干扰。 因此, 背景峰的扣除是解决上述问题的重要途径, 但常规的扣峰方法会导致周围邻峰的严重失真。 针对上述问题提出了高斯混合模型, 该模型在表征SERS信号的同时又使得各特征峰相互独立, 在扣峰过程中对周围邻峰不产生干扰, 既实现干扰峰的扣除又保证了邻峰的微失真。 高斯混合模型的核心问题在于模型参数的求解, 文中提出了小波变换与共轭梯度法, 分别解决模型的初始参数问题及最优解问题。 小波变换通过映射放大SERS信号的细节信息, 充分提取该信号的细微特征信息, 将该特征信息作为模型的初始参数。 其中共轭梯度法是迭代优化方法, 将模型参数进行循环迭代优化, 最终收敛结果即为模型参数的最优解。 综上两种方法可准确建立高斯混合模型, 模型中单高斯函数为SERS信号的特征峰, 且两者的峰形保持一致。 在扣除SERS信号的背景峰时应遵循以下过程, 包括有效数据的提取、 模型建立和峰的扣除。 其中有效数据的提取是对空白与滴样的增强基底进行同位置检测, 由此得到一组SERS信号。 模型建立是通过高斯混合模型对滴样SERS信号进行表征, 该信号可由多个高斯函数表现。 最后利用空白增强基底的特征峰对滴样的SERS信号进行指认, 其中峰形相似且峰位相同的特征峰可扣除。 实验结果表明, 方差值比最小时, 高斯混合模型的峰位、 峰宽、 峰强等特征与毛发SERS信号基本相同, 此时高斯混合模型可准确表征毛发SERS信号的特征信息。 在对7组毛发进行扣峰实验时, 毛发SERS信号中背景峰扣除率达到50%～100%, 同时毛发的特征峰也得到有效提取。 在对真实毛发样本进行快速分析时, 该模型识别出了毒品曲马多。
表面增强拉曼光谱 高斯混合模型 共轭梯度法 小波变换 背景峰扣除 Surface-enhanced Raman spectroscopy Gaussian mixture model Conjugate gradient method Wavelet transform Background peak deduction
1 河池学院 物理与机电工程学院，广西 宜州 546300
2 广西科技大学 宏达威爱科技学院，广西 柳州 545006
由于异常定义的模糊性和真实数据的复杂性，视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建（当前或未来帧）是一种流行的视频异常检测方法。使用在正常数据上训练的模型，异常场景的重建误差通常比正常场景的重建误差大得多。但是，这类方法忽略了正常数据本身的内部结构，效率较低。基于此，提出了一种深度自动编码高斯混合模型(DAGMM)。首先利用深度自动编码器获得输入视频片段的生成低维表示和重构误差，并将其进一步输入高斯混合模型(GMM)。而估计网络则通过高斯混合模型预测能量概率，然后通过能量密度概率判断异常。DAGMM以端到端的方式同时联合优化深度自动编码器和GMM的参数，能够平衡自动编码重建、低维表示的密度估计和正则化，泛化能力强。在两个公共基准数据集上的实验结果表明，DAGMM达到了现有最高技术发展水平，在UCSD Ped2和ShanghaiTech两个数据集上分别取得了95.7%和72.9%的帧级AUC。
视频监控 异常事件 自编码网络 高斯混合模型 深度学习 video surveillance anomalous event auto-encoding network Gaussian mixture model deep learning 红外与激光工程
2022, 51(6): 20210547
1 哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150000
2 装备发展部驻济南地区军事代表室，山东济南 250100
3 中国电波传播研究所，山东青岛 266107
城市通信技术的改革换代和用频设备的逐渐增多使得电磁环境变得越来越复杂。充分了解频谱资源利用的特性是提高频谱管理效率的关键。为了更全面地探索频谱利用的特点，提出一套完整的对复杂多样电磁环境大数据进行详细数据质量分析和处理的流程，分别对处于同一服务的不同信道、处于不同服务的不同信道进行频谱相关性分析，证明了频谱之间的相关性；对电磁环境大数据进行属性构造，构造了频率维占用度和时间维占用度属性。引入图像处理领域的多维混合高斯模型，对电磁信号进行背景噪声的去除，提取电磁信号，为后续的信息挖掘和关联分析奠定基础。
关联分析 属性构造 图像处理 多维混合高斯模型 电磁环境数据 association analysis attribute construction image processing multi-dimensional Gaussian mixture model electromagnetic environment data 太赫兹科学与电子信息学报
2022, 20(1): 8
郑州工程技术学院 信息工程学院，河南 郑州 450044
针对舰船合成孔径雷达(SAR)图像识别中的图像分割问题，运用数理统计领域的方法，以舰船合成孔径雷达图像为研究对象，在深入分析经典K–Means聚类算法以及高斯混合模型之后，提出一个改进的高斯混合模型，用来对舰船合成孔径雷达图像进行分割。该方法采用马氏距离对经典K–Means方法进行改进，同时，将传统高斯混合模型的每一个概率分布，进一步再细分成单个的概率成分，在辅助变量计算过程中，采用梯度上升算法。仿真实验结果显示，研究得到了比使用经典K–Means算法和普通高斯混合模型的分割方法精确度更高、稳定性更好的分割结果。
舰船SAR图像 马氏距离 高斯混合模型 梯度上升算法 ship SAR image Mahalanobis distance Gaussian Mixture Model gradient ascent algorithm 太赫兹科学与电子信息学报
2021, 19(5): 905
1 燕山大学电气工程学院河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
2 河南理工大学资源与环境学院, 河南 焦作 454000
3 中国地质调查局水文地质环境地质调查中心, 自然资源部地质环境监测工程技术创新中心, 河北 保定 071051
4 河北先河环保科技股份有限公司, 河北 石家庄 050000
近年来随着土壤重金属污染的加剧, 和人们环境意识的逐渐提高, 科研人员对快速检测土壤重金属含量方法的研究正在不断深化。 目前, X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。 但由于X射线荧光光谱仪的能量分辨率有限, 而一些重金属元素的荧光产额较低, 一些元素的相邻谱峰出现了重叠现象。 针对XRF法中元素相邻谱峰的重叠问题, 提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。 首先, 将从河北保定地区采样得到的土壤, 制备出不同含水率、 不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。 接着, 对光谱数据进行预处理, 采用谱聚类算法剔除异常光谱样本, 采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除, 并对光谱净计数用随机数法生成大量模拟光谱数据, 以备后续算法使用。 然后, 用期望最大化法(EM)对重叠峰进行初步解析, 首先设置EM算法的初始参数, 并将生成的模拟光谱数据代入EM算法, 当达到迭代次数时, 即可初步得到高斯混合模型(GMM)中各高斯峰的期望、 方差和权重参数。 但由于EM算法容易受初始参数设置的影响, 且易陷入局部最优而导致结果不准确, 还需对EM算法进一步优化。 本研究采用SSA对GMM的各参数进行全局优化, 在设置SSA算法的基本参数后, 将100组由EM算法得到的参数作为该算法的初始种群, 并设置合适的适应度函数, 通过迭代, 最终得到全局最优参数, 实现了重叠峰的分解。 SSA受参数设置的影响较小, 相比于一些传统的优化算法, 如遗传算法(GA)、 蚁群算法(ACO)、 粒子群算法(PSO)等, 具有收敛速度快、 不易陷入局部最优的特点, 因此, 采用此算法, 可以达到较好的优化效果。 通过对重叠峰解析结果的分析表明, 该算法可在较少的迭代次数下得到较准确的解析结果, 可广泛应用于能谱重叠峰解析。
X射线荧光分析法 高斯混合模型 期望最大化法 麻雀搜索算法 重叠峰解析 X-ray fluorescence analysis Gaussian mixture model Expectation maximization Sparrow search algorithm Overlapping peaks analysis 光谱学与光谱分析
2021, 41(7): 2175
1 南京航空航天大学空间光电探测与感知工业和信息化部重点实验室, 江苏 南京 210016
2 南京航空航天大学航天学院, 江苏 南京 210016
为了进一步提高高光谱图像的分类精度,提出一种基于局部高斯混合特征提取的分类(LGMFEC)方法。LGMFEC方法首先基于高光谱图像的空间结构为每个样本构建局部邻域集合,然后从局部邻域集合中提取高斯混合特征来充分表征空间-光谱信息及相关变化信息,最后将局部高斯混合特征融入包含黎曼核函数的支持向量机(SVM)分类器中,从而完成分类任务。三组通用高光谱数据集的实验结果表明,LGMFEC方法的分类性能在较大程度上优于几种先进的分类方法,尤其在训练样本较少的情况下的优势更为明显。
图像处理 高光谱图像 分类 特征提取 高斯混合模型
