基于神经网络的非线性控制系统自组织辨识

本文首先将自组织神经网络算法向一般化情形引伸，接着把自组织过程应用到一般非线性系统的动态过程分类，使得整个非线性系统能够按照输入输出样本空间的概率密度自组织，成为许多具有不同分类核心和感受野的线性子空间逼近。在此基础上，我们采用通用最小二乘算法，以子空间的非线性问题线性化误差作为依据，并进一步运用自组织神经网络的合作与竞争思想，最终得到一般情形的非线性系统的最小二乘辨识。仿真结果表明了本方法的可行性与优越性。     

利用Hough变换实现目标检测与航迹启动

经典的目标检测方法是Ｂａｙｅｓ方法，通常为门限检测。本文将利用Ｈｏｕｇｈ变换推导一种通过非相参积累实现目标检测和航迹启动的方法。针对目标的信噪比不同的情况，讨论了两种非相参积累形式，一种是直接积累，另一种是二值积累。二值积累在检测微弱目标时有独特的优越性。本文还讨论了两种非相参积累方法的理论检测性能。     

基于小波变换和数据融合的多导联ECG信号QRS波群精确检测算法

本文首先对单导联心电图（ Ｅ Ｃ Ｇ）信号的小波变换进行假设检验，得到 Ｑ Ｒ Ｓ波群的位置和检验的虚警漏报概率，然后对 １２ 导联检测结果作峰点比对融合和决策加权融合处理，最终得到精确的 Ｑ Ｒ Ｓ位置。实验表明这种方法对各种主要病症的 Ｑ Ｒ Ｓ波群均能准确检出，正确率在 ９９９５％ 以上。     

基于可测度分析的雷达系统误差估计

建立了多部雷达情况下的系统误差观测模型,分析了系统的可观测度,得出可观测度不一定随观测数据的增多而增强的结论。在此基础上,通过数据筛选的方法,可以获得一个使系统可观测度增大的观测子集,用于误差估计。实验结果表明,使用本文的方法,可确保估计算法的有效性     

正规模糊测度空间上的条件期望

讨论了次可加、具有有界变差的正规模糊测度空间上关于模糊测度、内测度及模糊积分的性质，在此基础上定义了此模糊测度空间上随机变量的条件数学期望，它是相对于经典测度空间的一个推广。     

一种新的选择性漏电故障判别方法及最简电路的实现

分析了小电流接地系统单相漏电故障的特点 ,提出了一种新的选择性漏电判别方法———时序比相法 .在论述该方法的基本原理和特点之后 ,给出了实现这种方法的最简电路 ,介绍了该电路的工作原理 .最后给出了在实验室实验和现场试验基础上作出的结论     

基于像素局部对比度的直线特征检测算法*

本文提出了基于像素局部对比度和全局虚警抑制的直线段检测算法。本文算法分为四步：第一步,计算像素点的梯度以及局部对比度;第二步,将方向大致相同的像素点分成直线支撑区域(像素方向为像素梯度方向的顺时针垂直方向),并对支撑区域进行矩形近似;第三步,在直线支撑区域内拟合直线段,计算直线参数;第四步,根据直线支撑区域信息验证直线段,抑制虚警。实验表明本文算法在复杂条件下,特别是光照影响条件下,具有更好的鲁棒性和效率。     

运用警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

利用复单脉冲比的群目标存在性检测算法

详细推导单目标和群目标条件下单脉冲比的统计特性,根据其本质差异提出基于单脉冲比的群目标检测算法,在双目标条件下通过仿真分析了群目标检测性能与信噪比、目标角度间隔以及复幅度比之间的关系,得出了有益的结论。当小目标伴随大目标时不容易被检测出来;两个幅度相当的目标,相位差别越大越有利于群目标检测。群目标检测可以有效剔除"野值",为分辨与测量奠定基础。     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。