MIMOOFDM系统中基于独立分量分析的盲信道估计算法研究

研究了MIMO OFDM系统基于独立分量分析(Independent Component Analysis)的盲信道估计算法,提出了改进的ICA-only算法.该算法将ICA算法应用到各个子载波,将ICA算法所固有的排列和幅值上的模糊性通过发射端的线性编码来消除,实验结果表明,该算法能很好地估计出信道参数.     

GPU上高光谱快速ICA降维并行算法

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。     

基于神经网络的专家规则推理系统

本文将专家在平衡—模拟倒摆小车时记录下来的数据经处理后，用监督式学习的方法训练一前置式神经网络。训练后的神经网络派生出了一组专家尚未意识到或者表达不出来的规则，并将该规则构造的专家系统控制器与使用Ｑｕｉｎｌａｎ的ＩＤ３算法推导出的规则构造的专家系统控制器进行比较。实验结果表明，神经网络算法学习出来的规则较ＩＤ３算法推导出的规则更为有效，且更有应用价值。本文成功地将该规则应用于火箭的姿态控制，一类似倒摆小车的问题。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码，将动态量子旋转门引入到粒子群算法中，采用自适应变异，提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中，获得了最优的分配方案。仿真研究表明，该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

UWB-SAR建模及波数域成像方法研究

本文首先简单地总结了UWB—SAR成像处理中的困难;然后根据其工作原理建立了适合于计算机仿真的回波信号模型;接着在介绍了波数域成像算法(ω—k算法)的原理之后,对其中存在的Stolt插值等问题进行了详细分析和深入探讨。在此基础上将该算法引用到UWB—SAR成像处理中,从理论上扼要地分析了其有效性;最后结合所建立的回波模型对ω—k算法进行了仿真,结果表明这种成像方法具有较好的聚焦效果。     

PCA和ICA的舰船尾流后向散射光信号检测

水体的后向散射光信号是舰船尾流后向散射光信号检测的常见干扰,由于其在频域十分接近且信号强度大于尾流信号,因此严重影响了有用信号的提取。针对这一问题,提出了一种基于主成分分析(PCA)和独立成分分析(ICA)相结合的尾流散射光信号检测方法。首先使用主成分分析对采集的散射光信号进行降维,去除冗余成分,之后使用基于负熵的F astICA算法对数据进行处理,分离了水体和舰船尾流的散射光信号,通过实验验证了该算法的有效性。     

多特征空间下的支持向量机及其在图像识别中的应用

分别在主成分分析(PCA)、独立成分分析(ICA)和线性鉴别分析(LDA)所构造的特征空间下用模糊支持向量机(FSVM)进行人脸识别。同时,提出了一种改进的FSVM方法,即利用FSVM和多叉决策树相结合的思想来设计人脸分类器,从而使FSVM分类器的速度得到了大幅度的提高。通过在ORL人脸库上的实验结果表明,该算法是有效的。     

独立分量分析在雷达盲信号处理上的应用

独立分量分析(ICA)是近年来发展起来的一种有效的雷达盲信源分离方法。目前新体制雷达的大量涌现,运用原有的雷达分选方法是无法分选的,这已经无法适应现代复杂的电磁环境。在深入分析FastICA算法的基础上,将其应用于连续波雷达信号分选中。计算机仿真表明,这种算法应用于连续波雷达盲信号分选时,不仅提高了信号的分选速度和信号分离的准确率,而且可以有效地提高信号分选的效能,也为盲信号处理提供了一种新的思路。     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

无线传感器网络DV—Hop定位算法的研究与改进

为了改善DV—Hop算法对节点的定位精度和提高覆盖率，对DV—Hop定位算法中未知节点到锚节点间距离计算方法进行了改进，提出了一种新的距离计算方法，并对改进算法和原算法进行了对比仿真。仿真结果表明了改进算法的有效性。     

基于改进粒子群算法的MIMO雷达布阵优化

针对MIMO雷达收发阵列在给定阵元数和阵列孔径下的布阵优化问题，将一种改进的粒子群算法———二分粒子群算法用于非均匀对称直线阵的旁瓣优化。该算法以MIMO雷达联合收发波束为优化对象，对MIMO雷达发射和接收阵列同时进行了布阵优化。仿真实验表明，当阵元数和孔径大小确定时，该算法可以在保证主瓣不展宽的情况下，将旁瓣峰值控制在－21dB以下，且与现有方法的相比，收敛速度更快。该算法在MIMO雷达设计方面具有一定的理论参考意义。     

基于ICA的多姿态人脸表示

将独立成分分析(ICA)应用于多姿态人脸识别。对比分析了ICA和主成分分析(PCA)两种人脸识别方法的差异,并重点研究了多姿态人脸的独立成分(IC)表示。在基于权向量幅值的方法基础上,引入了基于比例因子的IC核选择的新方法。实验表明,新方法有利于提高识别的准确率和识别的效率。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法，该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷，基于Tent映射提出混沌双扰动的思想，并加入粒子群算法的进化过程，实现对粒子群算法的改进；之后，利用该新算法训练BP神经网络的初始权值和阈值，建立目标威胁估计模型和算法；最后，将该方法应用于实例中进行仿真，结果表明该目标威胁估计新算法具有较高的准确度。     

加权模糊Petri网的推理算法研究

将加权模糊Petri网与矩阵运算相结合，提出了一种推理算法，实现知识的推理运用。该算法利用了加权模糊Petri网的并行处理能力，将复杂的推理过程采用矩阵运算实现，充分考虑了多种约束条件，具有简单、高效、易于实现等优点，适合大型复杂加权模糊Petri网的推理计算。最后以实例对算法进行了验证。     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰，提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容，并以干扰度最低为目标函数，使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数，作为粒子群位置和速度参数进行初始化，将粒子群算法生成的分配结果作为蚁群算法的初始信息素，利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

基于盲源分离的抗密集假目标干扰技术研究

密集假目标干扰会严重影响雷达检测目标的性能。针对此问题,提出一种基于盲源分离的密集假目标抗干扰的方法。该方法可有效从密集欺骗式假目标中检测出目标回波信号,并分析比较了JADE和Fast ICA两种盲源分离方法对密集欺骗式假目标和回波信号的分离效果。理论分析和仿真结果表明:JADE盲源分离较Fast ICA盲源分离抗密集假目标干扰较更有效。     

基于改进粒子群算法的装备维修资源优化问题研究

通过对粒子群算法的分析，针对其易过早收敛的不足，将遗传算法的变异操作引入其中，并给出了惯性因子的调整方式。在建立维修资源优化模型的基础上，结合实例运用改进的粒子群算法和模拟退火遗传算法进行了仿真，结果表明，该算法具有更好的收敛性。     

蚁群算法在车辆巡回保障中的应用研究

应用蚁群算法（ACA）解决车辆巡回保障问题，建立了车辆巡回保障优化数学模型，对轨迹更新规则进行了重新设定，给出了算法的实现步骤。通过算例分析，将计算结果与遗传算法（GA）和粒子群算法（PSO）作了比较，对模型和算法的正确性、高效性和适用性进行了验证。实验结果表明，该算法可以快速、有效求得车辆巡回保障的优化解，得到车辆巡回保障过程中的较优方案。     

一种基于多尺度分解的快速相关跟踪算法

针对传统归一化相关跟踪算法运算量较大的问题，提出一种基于多尺度分解的归一化相关跟踪算法。该算法根据目标大小对目标模板和实时图像进行高斯金字塔分解，然后从最高尺度图像开始搜索，并将最大相关点作为下一级搜索的预测值，直至匹配成功。实验结果表明，该算法能够稳定地跟踪目标，而且计算速度优于传统的归一化相关跟踪算法。     

基于ICA的油库阀门内漏声发射定量检测

基于声发射原理的阀门内漏检测作为一种动态无损检测方法得到了广泛应用,但是定量检测一直是研究难点。现有的内漏率定量检测模型计算方法因参数不易测定,导致计算困难,精度不高。采用独立分量分析(ICA)方法提取声发射信号特征向量,并与参考样本集的特征向量相比较,相似程度最高的即可作为待测阀门的内漏率。内漏模拟实验分别将常规参数、频谱成分和ICA提取特征作为特征向量进行比较,结果表明ICA提取的特征向量维数为15时,均方根误差可以达到0.01 L/min,能够满足工程检测需要。