在IAR中运用IQMath库的抗噪功能

简介：
本文介绍了如何在嵌入式开发环境中使用IAR编译器和IQMath库来增强信号处理代码的噪声抵抗能力，详细讲解了IQMath库的功能及其在实际项目中的应用技巧。 2.4 OSP算法 Harsanyi 和 Chang 在 1994 年首次提出使用正交子空间投影方法来探测感兴趣的目标。这种方法的优点在于通过逐步分离信号光谱，从而提取出感兴趣的信号。最初，OSP 方法需要事先了解端元的信息；之后经过学者们的改进（如吴波等人的工作在2004年、Chang 在 2003 年以及 Chang 等人在 2001 年的研究），该方法得以应用于自动获取端元。 利用 OSP 提取端元的具体步骤如下： (1) 根据凸面几何理论，通过最大光谱矢量法（满足公式7）来寻找一个候选的端元。在图像中表现为亮度最大的像元。 (2) 判断这个候选端元是否为噪声：如果是，则排除该噪声；如果不是，则确定它是所需的端元。 吴波等人设计了一种方法用于判断候选端元是否是所需的目标或只是噪音：以候选端元为中心，在原图上定义一个足够大的窗口，然后在这个窗口内寻找与候选端元光谱相似度较高的像元。如果找到的相似像元数量超过给定阈值，则确定该候选为所需的端元；否则认为它是噪声。 (3) 消除已提取出的端元在光谱图像中的影响，并生成新的数据。 为了避免后续步骤中提取新端元时受到已经获取到的端元的影响，需要消除这些已被识别出来的成分。OSP 的具体做法如下： 将矩阵A（表示所有可能的端元）分解为两部分：D和U，其中 D 包含已知感兴趣的光谱信息（即已确定的端元），而 U 表示未被提取出的信息集合。同时把向量s也分为相应的两部分 s=[sD，sU]T，则原式变为： x=D ֹsD+U ֹsU+ε (8) 其中 D 的正交投影矩阵 PD 定义为：PD=I-D(DTD)-1DT。这里 I 是单位矩阵。 通过该矩阵 PD 对原始高光谱图像进行变换，得到新的光谱图像： PDx=PDUsU 此时，新生成的高光谱图中的像素值不再包含已提取出端元的信息。 (4) 判断是否达到结束条件（例如已经提取到指定数量的端元）。如果满足，则算法停止，并获取所有所需的端元；否则继续使用新的图像进行下一步操作。 3 端元生成算法 3.1 ICE算法 ICE算法结合了凸面几何模型与对误差合理估计以及适当的统计步骤，用于从高光谱影像中提取比其他方法（如MVT、N-FINDR等）更多的细节信息。 ICE的目标包括： (1) 不需要假定所有端元在图像上都有纯的像元； (2) 具备抗噪能力； (3) 提供评估算法有效性的标准，特别是估计场景中可能存在的端元数量。 具体过程如下（Berman 等人于 2003 年和 2004 年进行了详细描述）： 光谱解混可以通过最小化公式11的余差平方和 RSS 来获取最优的端元及其丰度。