改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

基于谱测度的地域通信网节点重要性评估

针对已有测度无法准确评价网络抗毁度和节点重要性的问题,提出了一种基于网络邻接矩阵谱特征的抗毁测度。抗毁测度的值越大,网络中替代路径就越多,网络的抗毁能力越强。在此基础上,给出了一种节点重要性评估方法,如果节点失效后网络抗毁测度下降越多,则该节点在网络中的重要性越大。     

SNR准则下的认知MIMO雷达波形设计

研究了MIMO雷达信号模型下基于最大化信噪比(SNR)准则的最优和稳健波形设计问题.根据对目标冲击响应功率谱密度(PSD)确定和不确定两种条件的分析,推导了最优波形和稳健波形的闭式表达式.仿真结果表明,当目标冲激响应PSD的先验知识准确时,使用最优波形作为发射波形,在接收端获得在给定条件下最优的SNR;当目标冲击响应PSD的先验知识不准确时,使用稳健波形作为发射波形,能够降低目标冲激响应PSD的不确定性对输出端信噪比(SNR)的负面影响.     

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛.针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性.     

基于1.5维谱的船舶轴频电场信号实时检测

为有效地从海洋环境电场中检测出船舶轴频电场信号,在采用正态概率图法分析海洋环境电场高斯性的基础上,利用1.5维谱在抑制高斯噪声和加强谐波信号基频分量等方面的优势,提取特征频段(1～7Hz)范围内的1.5维谱的平均值为特征值,利用滑动检测方法对信号进行了实时检测,并通过实测数据对该检测算法进行验证。结果表明:该方法在信噪比较高和较低的情况下均能较好地实时检测到目标信号,并且在没有目标信号的情况下不会出现虚警。     

基于改进分形海浪谱的海浪模拟

摘 要:针对实验海谱只能表现海面的稳态特性而无法表现海面非稳态特性的问题,利用分形海谱作为Longuet-Higgins海面模型的靶谱以体现海面的动态特性.根据经典分形海谱在空间波数小于基波波数时不能满足正幂率的问题,利用海浪能量传递过程中的动态特性对归一化带限Weierstrass分形海谱的相关函数进行了改进,在相关函数中加入了与海面波长相关的指数因子以体现波长对相关长度的影响.对相关函数进行Fourier变换得到海谱,把改进后的分形海谱和有关文献的数据进行了对比,并进一步分析了分形维数、尺度因子、常量因子等参量对海面轮廓的影响.研究表明:改进分形海谱和P-M谱、文圣常谱和南海的实测数据都拟合得很好,海面轮廓会随分形参数及常量因子的变化而动态地改变,另外分形模型的性质在改进模型中依然适用,由此验证了该模型的有效性.     

极化域—空域联合谱估计

首次提出极化域-空域联合谱的概念,拓广了电磁波特征参量的谱描述方法.结合具体的极化敏感阵列定义了极化域-空域联合谱,用MUSIC方法得到联合谱函数表达式.研究了联合谱的估计的重要性能指标估计精度和分辨力,估计精度用克拉美劳限CRB(cramer-Rao Bound)来具体度量,分辨力由极化域-空域模糊函数以及模糊图来描述.最后仿真结果验证了该方法的有效性和理论分析的正确性.     

旋成体跨音速脉动压力环境分析与预测

脉动压力是进行结构响应分析和力学环境研究的重要依据。利用平均流场的数值模拟方法与基于实验的工程预测模型相结合的技术途径,对跨音速下旋成体的表面脉动压力环境进行了分析与预测,给出了旋成体在不同攻角、不同马赫数条件下表面脉动压力系数分布以及脉动压力功率谱分布曲线,并且与实验结果作了比较分析,得出结论基本一致。     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.