简介:传统的传播算子(PM)算法利用矩阵的线性运算代替特征值分解(EVD)得到噪声子空间,在一定程度上降低了运算量,但在整个空间谱的遍历搜索仍需较大计算量,且在低信噪比的情况下估计性能较差.因此,针对空域的一维信号提出了多重镜像压缩的传播算子(MIC-PM)算法,将整个空域等间距地分为多个切片,将原始噪声子空间通过Hadamard积变换,使之从一个切片镜像映射到另一个切片,得到映射噪声子空间,通过映射得到的噪声子空间与导向矢量的正交性得到真实DOA和镜像DOA.理论分析和仿真实验证明,MIC-PM算法能够将PM算法的运算量大大降低,在低信噪比情况下估计精度有所提高.
简介:通过仿真对比研究了基于特征匹配的目标识别算法快速性及鲁棒性问题.采用目前常用的STAR、FAST、SIFT(scaleinvariantfeaturetransform)、SURF(speededuprobustfeatures)、ORB(orientedFASTandrotatedBRIEF)、BRISK(binaryrobustinvariantscalablekeypoint)和FREAK(fastretinakeypoint)等算法,对算法快速性和鲁棒性进行比较,并通过不同检测子与描述子的相互结合,找出最佳组合方式,提出了一种运用匹配点数与总耗时的比值来衡量算法综合性能好坏的新方法.仿真对比证明,FAST检测子、BRISK描述子以及STAR与BRISK的组合具有较好的性能.