摘 要:曝光瞬间造成图像模糊的运动通常作为直线运动近似处理 ,若能找出模糊图像的运动模糊方向 ,并将之旋转到水平轴 ,则二维问题可简化为一维来处理 ,大大简化由模糊图像估计出运动模糊点扩散函数以及图像恢复的过程 ,并为图像恢复的并行计算创造有利条件。由于运动模糊降低了运动方向上图像的高频成 分 ,沿着运动方向实施高通滤波 方向微分 ,可保证微分图像灰度值 绝对值 之和最小。基于此 ,本文利用双线性插值的方法 ,固定并适当选取方向微分的微元大小 ,构造出3 ×3方向微分乘子 ,得到了高效高精度

天线组阵中相位差的递推最小二乘估计与滤波-Phase array antenna group recursive least squares estimation and filtering

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计，未考虑到可能将量测噪声引入信号估计的情况．针对以上不足，提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法-Existing greedy iterative reconstruction algorithms class compressed sensing the signal waveform based on least squares estimation does not take into account

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法，并对最小均 方 (LMS, Least Mean Squares) 、归一化 LMS(NLMS, Normalized Least Mean Squares) 和递推最小二乘 (RLS, Recursive Least Squares) 三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明，这 几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下， RLS 算法 具有良好的收敛性