一种基于组合特征的大肠杆菌σ70启动子识别算法

启动子识别是研究基因转录调控的重要环节,但目前算法的识别正确率偏低.在深入分析启动子生物特征的基础上,提出了一种基于多种特征组合的大肠杆菌σ70启动子识别算法,在启动子序列的组成特征、信号特征和结构特征中选取10种典型特征,以此为依据,对位于非编码区和编码区内部的启动子分别加以识别.首先通过特征描述模型分别计算各种特征在启动子序列和非启动子序列中的得分,将特征得分组合成10维特征向量,再利用二次判别分析法在特征向量集上进行训练和识别.在实际数据集中进行的刀切法测试验证了算法的有效性.对位于非编码区的启动子,平均正确率达到了86.7%,明显优于其它算法;对位于编码区内部的启动子,平均正确率也达到了82.4%.算法还具有良好的可扩展性,能够方便地容纳新特征,使识别性能不断提高.     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

基于TOA预测的非同步照射辐射源定位算法

针对现有基于TDOA的定位算法难以适应辐射源信号非同步到达的实时定位问题,提出了一种基于TOA预测的非同步照射辐射源定位算法。该算法采用脉冲样本图外推法通过各站接收的短时脉冲列计算TDOA序列(TDOAs),并通过牛顿迭代法实现对辐射源位置的初步估计。对新到达的脉冲采用脉冲样本图外推法进行TOA预测,判别脉冲属性,进而获得新的TDOA测量值,然后采用扩展卡尔曼滤波算法实现对辐射源位置的实时更新。仿真分析表明:该算法解决了非同步照射引起的难以计算TDOA的问题,并增强了处理的实时性。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

静态半实物导弹仿真器试验用的相对目标定位体系结构

静态电子战(EW)试验评估了半实物导弹寻的器对一个真实环境(试验场)的反应,这里包括受到电子攻击的时候。本文描述了一个相对目标定位体系结构,它仅用静态平台上的传感器(GPS、INS、寻的器)在大地测量坐标系显示试验场结果。为导出大地测量坐标系中目标的位置,叙述一个“杆杠-力臂”校正过程,确定每个寻的器的位置和相应的仿真器的纵倾和偏航.寻的器定位参数与其目标定位变量组合,在大地测量坐标系中显示寻的器航迹点。为了在电子战破坏中识别真实的目标,本文介绍了航迹标记算法,这里需要用到惯性导航系统(INS)的偏流角。为了消除航迹图象中的闪烁噪声,在传感器坐标系中使用卡尔曼滤波器于目标定位变量,使航迹标记优化。还介绍了最近用反舰巡航导弹仿真器的电子战现场试验结果,以说明本文的方法在近实时确定电子战效果方面的可行性.在没有电子攻击情况下,将导出的目标位置和舰船的真实GPS试验场位置比较,量化目标定位精度.     

机动目标跟踪算法

文中提出了一种新的机动目标跟踪方法。一种基于新息序列的最快检测方案被设计出来,用于目标机动的快速检测。对给定的虚警概率,得出了最小机动检测延迟的最佳滑动窗口长度。检测到机动后,用增加机动项的方法修正系统模型。文中提出用递推算法来估计机动幅度。使用该估计,修正的卡尔曼(Kalman)滤波器可被用来对目标实施跟踪。仿真结果表明尤其是在目标机动过程中该算法具有优越的性能。     

存在位置误差时运动多平台时差定位CRLB分析

存在平台位置测量误差时,已有研究未涉及运动多平台时差(TDOA)连续定位的性能评价。为此,选择克拉美-罗限(CRLB)作为对目标定位性能的评价指标,将不同时刻的运动多平台真实位置向量构成扩维向量后由CRLB定义得出了其通用计算式,并根据运动多平台TDOA连续定位的特点,推导了适合此应用场景的具体计算式。仿真结果表明了所推导的CRLB能有效用于上述场景中的定位性能评价,对近场及远场目标都需要在系统技术指标及定位算法设计等方面考虑平台位置测量误差的影响。     

新的无符号滑动窗口算法及其在模幂中的应用研究

对固定窗口算法与滑动窗口算法进行了有效的分析和对比,提出了一种基于游程的无符号滑动窗口算法.新算法相比其他无符号滑动窗口算法更能有效地提高模幂运算的效率,特别对游程分布较好的指数E,效果更明显.该算法可以较好地应用于RSA和ECC等公钥密码系统的加解密及认证运算中.     

基因短序列模式分析及其在5''剪接位点识别中的应用

短序列模式分析是基因序列分析的一个重要组成部分,在进行生物信号识别的时候,一般都会利用到短序列模式的信息。通常短序列模式的数目很多,如果每个都应用到生物信号识别中,会产生大量的参数,而且无法体现信号的主要特征。为了找出在识别信号位点中起关键作用的短序列模式,以信息增益作为评价依据,按照逐步选择的策略,将模式进行排队。根据排队结果,选取信息增益突出的短序列模式作为识别生物信号的关键依据,这样可以用较少的模式得到较好的结果。结合选取的短序列模式,用最大熵模型作为信号序列真实分布的估计,从而对给定序列进行识别。最后将这个方法用于5’剪接位点的识别,得到了满意的结果。     

基于模糊熵与方向相似度的液体火箭发动机故障检测

先定义系统的广义模糊熵及其计算公式，再给出滑动数据窗口中采样数据矢量方向分布中心的离散度定义及其与模糊熵之间的负指数解析关系，并基于离散度概念对自适应窗口滤波器进行了改进，提高了滤波器对噪声的敏感度以及故障检测算法对强干扰噪声环境的鲁棒性。同时，根据滑动数据窗口中二模糊聚类数据中心矢量方向相似度的变化来监示发动机系统故障的发展趋势。本文基于受强噪声环境干扰的实际试车数据并用自组织模糊聚类算法作为滑动数据窗口上的聚类算法进行了数字仿真试验。仿真结果表明：基于模糊熵的故障检测算法具有对强噪声环境的鲁棒性，是低信噪比环境下的一种客观的故障检测算法。     

一种融合显著性的Adaboost电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,传统的目标检测方法不能满足目标尺度的精确变化,目标定位有偏差,且检测计算量大,无法达到实时性。将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

基于TSS方法的雷达性能优选分析研究

通过TSS方法进行了雷达性能的优选分析研究,分别针对雷达的单一性能指标和综合性能指标进行了优选分析。首先运用TSS方法完成了基于单一性能指标的雷达性能优选分析,然后通过欧几里德贴近度完成了雷达的综合性能指标优选分析,最后给出了TSS方法在雷达性能优选分析研究中的应用实例。     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。     

超图约束和改进归一化互相关方法相结合的图像配准算法

为提高图像配准算法的精度和适应能力，将超图约束和改进归一化互相关方法应用于图像配准。利用Hessian-Affine检测得到的仿射不变区域代替固定窗口来改进归一化互相关方法，获得初始匹配点对；通过马氏距离计算超边间的相似度，采用超图约束计算匹配分数对匹配对进行排序；利用分数高的部分匹配点对初始化变换矩阵，通过过滤匹配对来循环更新得到最优变换矩阵实现配准。实验结果表明，该方法具有较好的匹配和剔除错误匹配的效果，在不同类型的图像配准中也有较好的配准效果。     

稳像式火控系统实车训练装置的研制

该训练装置可以在安装稳像式火控系统的坦克上完成射击基础练习的训练与考核.它以单片机为核心,在射击操作与实车相同的条件下,具有自动检靶,自动记录发射数、命中数,自动变换目标,自动报警,自动评定和显示成绩等功能.射手可独自在坦克内操作,自行开始练习,自我检查操作结果.     

Research on simultaneous localization and mapping for AUV by an improved method: Variance reduction FastSLAM with simulated annealing

At present, simultaneous localization and mapping (SLAM) for an autonomous underwater vehicle (AUV) is a research hotspot. Aiming at the problem of non-linear model and non-Gaussian noise in AUV motion, an improved method of variance reduction fast simultaneous localization and mapping (FastSLAM) with simulated annealing is proposed to solve the problems of particle degradation, particle depletion and particle loss in traditional FastSLAM, which lead to the reduction of AUV location estimation accuracy. The adaptive exponential fading factor is generated by the anneal function of simulated annealing algorithm to improve the effective particle number and replace resampling. By increasing the weight of small particles and decreasing the weight of large particles, the variance of particle weight can be reduced, the number of effective particles can be increased, and the accuracy of AUV location and feature location estimation can be improved to some extent by retaining more information carried by particles. The experimental results based on trial data show that the proposed simulated annealing variance reduction FastSLAM method avoids particle degradation, maintains the diversity of particles, weakened the degeneracy and improves the accuracy and stability of AUV navigation and localization system.     

动态威胁环境下单无人机测向定位航迹优化算法

为解决单架无人机在动态战场环境下的测向定位问题,提出了一种基于动态窗口法的单机测向定位航迹优化算法。以最大化Fisher信息矩阵行列式为测向定位评价准则,在由动态探测雷达和静/动障碍构成的动态战场环境中,基于动态窗口法思想,将测向定位航迹优化评价准则由传统的单步最优原则扩展到对多步预测航迹的评价,同时考虑雷达探测和静/动障碍环境对预测航迹的影响,通过滚动时域方法控制无人机最优航向。仿真结果表明,所提方法能够使无人机在有效逃避雷达探测威胁以及规避环境中静/动障碍的条件下保证对目标的高精度测向定位,为解决动态战场环境下的单架无人机测向定位问题提供了新思路。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

Cache计时攻击对E1Gamal签名的安全威胁分析

分析了E1Gamal签名中模幂运算的平方乘算法和滑动窗口算法,给出了两种算法下利用Cache计时采集旁路信息的方法和幂指数恢复算法,分析了Cache计时攻击对幂指数相关的旁路信息获取能力以及Cache计时攻击对E1Gamal签名的安全性威胁．通过仿真验证了Cache计时攻击能够有效获取旁路信息,展示了不同长度随机密钥的安全等级,给出了建议采用的随机密钥长度与可能的防御措施．