粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

舰船成本预测系统中的自变量约简方法

针对舰船成本预测系统中自变量众多且相互关系错综复杂的特点,提出了用模糊粗糙集方法对舰船成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的舰船成本预测系统自变量约简模型,并且针对实际的舰船成本预测系统一般是混合数据系统的问题,对广义差别矩阵的定义进行了改进,设计了相应的启发式约简算法。实例分析结果表明:文中所提的方法不仅能使约简的自变量大为减少,而且约简的效果较传统方法更好,且计算过程也更简单。     

k-k型广义Fibonacci数列的通项、性质及求和

研究了k-k型广义Fibonacci数列{Rn}:Rn+1=kRn+kRn-1,R0=R1=1,利用它的递推关系和特征方程得到了它的两个通项表达式,同时还运用{Rn}的递推性质,采用初等方法获得了{Rn}的与Fibonacci数列相似的两个性质和5个求和公式,推广了2-2型广义Fibonacci数列的相关结论。     

基于双自适应小波变换的JPEG2000数字水印算法

针对小波变换提出一种双自适应算法,并将该算法应用于JPEG2000压缩过程中的小波变换,在此基础之上,又提出一种适合于JPEG2000的数字水印算法．该算法利用JPEG2000压缩中的双白适应小波变换,将水印嵌入到量化后的小波系数中．实验证明,该算法具有较好的不可见性和较强的鲁棒性．     

基于CZT的频谱细化算法及应用

针对复杂信号频域特征提取问题,利用Delphi语言编写了Zoom-FFT和基于CZT的频谱细化方法应用软件,以某型坦克传动箱振动速度信号为例进行了对比分析,验证了算法的有效性和程序设计的正确性。结果表明：基于CZT的频谱细化方法具有运算效率高、细化效果好等优点,可以在复杂信号分析中推广应用。     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

分数阶Fourier变换的多相码雷达信号分离算法

利用多相码雷达信号在某个分数阶域内呈现多个间隔相等的冲击这一特性,提出了一种基于分数阶Fourier变换的多相码雷达信号分离算法,首先将混合信号以特定的旋转角作分数阶Fourier变换,然后通过窄带通滤波器抽取多相码雷达信号,去除大量噪声和其他干扰信号,最后再经过分数阶Fourier反变换,恢复出时域的多相码雷达信号。理论分析和仿真实验表明,该算法计算量小,分离效果好,可实现较低信噪比下的多相码雷达信号分离。     

基于区域的小波变换图像压缩

由于小波变换的全局分解性,因而并不适用于固定形状（或对象）的图像分解。为了解决这个问题,本文提出了基于感兴趣区域的小波变换（RWT）,在计算复杂度上与现有算法相比有所减小。由于RWT算法仅仅处理原始图像中的区域部分,因而与传统的小波变换相比,它的计算复杂度要小的多。实验结果表明,图像中的任何区域都可用RwT算法分解,用R册逆运算完全重构。此外,在压缩比相同的情况下,由于RWT算法产生较少的高频的信息,因而要比形状自适应小波变换实用。     

CDF9／7小波在JPEG2000中的整数变化

通过添加系数缩放值叮,使目前在JPEG2000中广泛采用的CDF9／7小波提升算法完全整数化,不仅保持了现有算法的还原度,而且简化了算法的复杂度,在图像压缩上取得了比较满意的效果。     

基于内插阵列变换的非圆信号MUSIC实值算法

提出一种基于内插阵列变换的非圆信号MUSIC实值算法(VIA-NC-MUSIC实值算法).首先利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实阵列输出转换为虚拟阵列输出,再根据信号源为实数的特点,分别求取虚拟阵列输出的实部和虚部,将其串联组合,扩展阵列输出的维数,进而得到一种多重信号分类(MUSIC)的波达方向(DOA)估计算法.还分析了VIA-NC-MU-SIC实值算法的计算复杂度,并与复运算的复杂度进行了比较,新算法的复杂度相对较低.仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、高分辨力,并且在二维阵元位置误差情况下,新算法的估计性能明显优于阵元位置未校准的NC-MUSIC算法.