基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。     

VLF/LF大气噪声模拟

由于无线电大气噪声所涉及的现象非常复杂,观测结果又具有局限性,所以它的理论分析比较困难。本文通过对大气噪声特性的分析,指出影响大气噪声的主要参数,并利用噪声特征经典分析模型建立了仿真模型。最后对模拟数值和实测数据进行了比较,结果证明,模拟数据与观测数据有较好的一致性。     

空中非合作目标旋转部件位置估计方法

针对当前空中非合作目标中旋转部件位置估计方法稳健性不足的问题,在分析旋转部件在高分辨距离像和逆合成孔径雷达像中分布特性的基础上,提出应用逆合成孔径雷达像的方位向距离单元熵和局部径向距离单元熵的旋转部件位置估计方法。该方法能够提升空中非合作目标逆合成孔径雷达成像过程中旋转部件信号分离的准确度。仿真数据和实测数据处理结果证明了所提方法的有效性,通过在实测数据中叠加额外噪声,进一步检验了所提方法对噪声的稳健性。     

典型声目标噪声场特征提取的研究

本文对小波变换和多分辨分析技术的基本理论进行了研究,依据信号的多分辨小波分解及其所表现出的多水平特性、局部化分析特性等特点,提出了利用小流变换后声信号在不同水平的和为声目标的特征矢量的特征提取方法,并对实测直升机和坦克噪声数据进行分析计算,列出计算机分析的结果,得出了相应结论。     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

基于矢量最优估计的稳健测向方法

为了弥补阵列天线导向矢量失配和相位测量噪声对测向性能的影响,提出基于矢量最优估计的稳健测向方法。区别于传统相关干涉仪测向方法,该方法基于阵列系统的二阶统计特性和锁相环原理对来波信号导向矢量进行最优估计,然后借鉴相关干涉仪原理确定来波信号方向。仿真分析表明,该方法弥补了阵列天线系统误差和测量相位随机噪声的影响,可以实现来波信号方向的准确测量。     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

RDWT和NVF的自适应彩色图像水印算法

提出一种基于冗余小波(RDWT:Redundant Wavelet Transform)和噪声可见度函数(NVF:Noise Visibility Function)的彩色图像水印嵌入新算法,该算法利用主体图像的稳态广义Gaussian模型描述图像的局部特性,建立了水印信息的加权系数计算公式。在水印嵌入过程中先对主图像在YIQ空间的Y分量进行RDWT变换。同时利用NVF函数对经过加密变换的水印进行加权处理,然后利用奇异值分解将水印嵌入到变换域复杂纹理和边缘区域。实验结果表明该算法在保证水印不可见性的同时能很好地抵抗多种几何攻击和图像处理攻击,实现了水印鲁棒性、不可见性和容量的统一。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

Modeling of unsupervised knowledge graph of events based on mutual information among neighbor domains and sparse representation

Text event mining, as an indispensable method of text mining processing, has attracted the extensive attention of researchers. A modeling method for knowledge graph of events based on mutual information among neighbor domains and sparse representation is proposed in this paper, i.e. UKGE-MS. Specifically, UKGE-MS can improve the existing text mining technology's ability of understanding and discovering high-dimensional unmarked information, and solves the problems of traditional unsupervised feature selection methods, which only focus on selecting features from a global perspective and ignoring the impact of local connection of samples. Firstly, considering the influence of local information of samples in feature correlation evaluation, a feature clustering algorithm based on average neighborhood mutual information is proposed, and the feature clusters with certain event correlation are obtained; Secondly, an unsupervised feature selection method based on the high-order correlation of multi-dimensional statistical data is designed by combining the dimension reduction advantage of local linear embedding algorithm and the feature selection ability of sparse representation, so as to enhance the generalization ability of the selected feature items. Finally, the events knowledge graph is constructed by means of sparse representation and l₁ norm. Extensive experiments are carried out on five real datasets and synthetic datasets, and the UKGE-MS are compared with five corresponding algorithms. The experimental results show that UKGE-MS is better than the traditional method in event clustering and feature selection, and has some advantages over other methods in text event recognition and discovery.     

基于行小波编码的纹理隐藏三维地形数据算法

讨论利用纹理图像隐藏高程信息来保护三维地形数据的信息隐藏技术。首先提出了改进的基于行小波变换及其编码,在保持地形形状和起伏特征的前提下实现高程数据的极低比特率低存储压缩。通过研究可嵌入隐藏信息的小波系数集合生成方法并结合基于视觉系统(HVS)小波域量化噪声的视觉权重(JND)分析技术,提出了自适应确定信息嵌入强度的方法。由于隐藏过程采用分组密码Rijndael生成单向Hash函数,信息隐藏算法高度安全、可以公开。     

Sequential learning versus no learning in Bayesian regression models

We consider two regression models: linear and logistic. The dependent variable is observed periodically and in each period a Bayesian formulation is used to generate updated forecasts of the dependent variable as new data is observed. One would expect that including new data in the Bayesian updates results in improved forecasts over not including the new data. Our findings indicate that this is not always true. We show there exists a subset of the independent variable space that we call the “region of no learning.” If the independent variable values for a given period in the future are in this region, then the forecast does not change with any new data. Moreover, if the independent variable values are in a neighborhood of the region of no learning, then there may be little benefit to wait for the new data and update the forecast. We propose a statistical approach to characterize this neighborhood which we call the “region of little learning.” Our results provide insights into the trade‐offs that exist in situations when the decision maker has an incentive to make an early decision based on an early forecast versus waiting to make a later decision based on an updated forecast. © 2014 Wiley Periodicals, Inc. Naval Research Logistics 61: 532–548, 2014     

一种基于线性流形的基因表达数据的聚类方法

由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。     

粒子滤波在误差配准中的应用

系统偏差严重影响了多部雷达航迹的互联和目标状态的融合,因此如何解决误差配准成为一个关键问题。因为系统偏差和雷达的量测之间是一种非线性关系,所以无法直接使用Kal-man等线性滤波直接进行系统偏差的估计。为解决这一问题,利用非线性的粒子滤波器(PF),对目标状态和系统偏差的估计进行了探讨,为了对比其性能,设计了一种扩展Kalman滤波算法。仿真结果表明PF在误差配准中的应用是可行的,性能高于扩展Kalman滤波。     

潜艇水动力噪声的自航模试验技术研究

探讨了一种新型的潜艇流噪声与螺旋桨噪声的模型试验方法——自航模水动力噪声测试技术。该方法通过合理的试验方案设计及信号处理手段,在背景噪声相对较低的测试环境中,可得到具有时间通过特性的噪声信号,识别出流噪声与螺旋桨噪声。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.