基于Tikhonov正则化理论的时差定位新算法研究

提出了基于Tikhonov正则化理论的多站时差定位新方法.将基于拟最优原则的Tikhonov正则化方法应用于经过线性化处理后的定位方程组的求解,这种方法的优势之一在于它不需要任何关于噪声分布的信息.给出了有关正则解收敛性的理论结果,并介绍了正则化定位的计算方法.在计算机仿真部分,以普通最小二乘定位算法为参照,给出了在不同误差条件下两种算法的定位结果.数据结果显示,正则化定位算法的定位精度相对较高,且抗噪声干扰的能力也较强,这证明了正则化定位算法的可行性.     

一种基于最小二乘的高频雷达信号处理方法

高频雷达工作在十分拥挤的短波波段内,可资用的能满足信号调制的连续频带很难获得。为了获得足够的带宽,雷达采用一种非规则频率调制的波形。这种波形经过常规FFT处理后的旁瓣很高,严重影响了雷达的性能。为此,提出了一种基于最小二乘的信号处理方法,它具有处理方式简单,易于应用实现的优点,能够较好地抑制旁瓣,提高了雷达在恶劣电磁环境下的生存能力。     

多层前向神经网络带正则化因子的算法

针对权衰减递推最小二乘算法(trueweightdecayRLS,TWDRLS)每迭代一步计算复杂度和存储要求很大,基于局部线性最小二乘算法(locallinearizedleastsquaresalgorithm,LLLS)与正则化因子,给出了多层前向神经网络带正则化因子的LLLS算法,大大减小了TWDRLS算法每迭代一步计算的复杂度和存储量。实验表明,改进的算法提高了原LLLS算法的鲁棒性和泛化能力,其性能接近TWDRLS算法。     

非线性递推部分最小二乘及其应用

部分最小二乘回归(PLS)可较好地解决变量间的共线性问题,目前被广泛地应用于过程建模和监控.本文将递推PLS(RPLS)算法同RBF网络相结合,给出了一种非线性递推PLS方法(NRPLS),可根据在线数据自适应地调整模型结构和参数,使模型适应非线性过程的变化.在确定RBF网络的隐层节点参数时,采用了一种改进的k-means聚类算法,自动确定最优的聚类区数.该递推算法用于聚丙稀熔融指数软测量模型的在线修正,取得了较好的效果.     

递推最小二乘算法的补充性证明

在使用递推最小二乘算法时，通常考虑的情况是训练样本所构成的方程组为矛盾方程组时该算法的收敛情况。本研究对递推最小二乘算法进行了理论证明及分析，指出了在任意第k步，未知参数估计值收敛于前k组数据的极小范数解(如果前k组数据所组成方程组为相容方程组)或者极小范数最小二乘解(如果前k组数据所组成方程组为矛盾方程组)，并且此解是唯一的；仿真结果同样也验证了该结论的正确性。     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

基于正交最小二乘的非线性系统模糊辨识

提出了一种新的基于T-S模糊模型的建模方法．该方法是基于输入空间的模糊划分计算给定样本在各模糊子空间的隶属度，并利用正交最小二乘辨识模糊模型的结论参数．最后通过Box-Jenkins煤气炉数据和Mackey-Glass混沌时间序列的仿真结果验证了该方法的有效性与实用性．     

基于最小二乘算子的混合计算智能辨识算法

基于非线性最小二乘（ＮＬＬＳ）法和遗传算法（ＧＡ）思想，通过定义ＮＬＬＳ算子、适应度以及混合数据结构，得到非线性回归模型非线性参数的混合计算智能辨识算法，该算法结合ＧＡ和ＮＬＬＳ法两者长处，即有较快收敛性，又能以较大概率求得全局（一致收敛）估计。计算结果表明该方法显著优于ＧＡ和ＮＬＬＳ法。     

基于压缩感知的多核稀疏最小二乘支持向量机

为了提高稀疏最小二乘支持向量机对高维、异构数据的泛化性能,提出新型的基于压缩感知的稀疏多核最小二乘支持向量机算法。首先根据压缩感知理论,用正交匹配追踪算法对最小二乘支持向量机的支持向量进行稀疏化,再利用线性多核扩展法求出新的核函数矩阵。将新的核矩阵应用到最小二乘支持向量机,得到稀疏多核最小二乘支持向量机的解,用稀疏的支持向量实现函数回归。理论分析与数据实验对比结果表明该模型对于高维、异构数据能够更快更准确地进行训练,大大提高了模型的泛化能力和运算速度。     

空域中基于正则化技术的有效图像复原算法

针对模糊图像的复原问题，在正则化技术解决病态性基础上提出了一种有效的空间域图像复原算法。该方法对正则项进行空间自适应加权从而局部地控制图像的平滑性，并用共轭梯度运算来改善算法的收敛性。计算机仿真结果表明，该方法很好地再现了原图像的重要信息，复原图像在峰值信噪比和主观视觉效果方面都有显著的提高。     

采用分块编码的小波图像压缩技术

研究了基于小波变换的图像压缩技术。在小波分解的基础上,结合人眼视觉系统（ＨＶＳ）特性,提出了一种分块编码的图像编码算法。该算法利用小波变换系数子带内和子带间的相关性以及小波系数的分布特点,有效地对高频子带数据进行了压缩。该方法实现简单,可达到很好的压缩效果。     

A Simple Superresolution Approach of Multipath Delay Profiles Measured by PN Correlation Method

1. INTRODnCTIONSince most peop1e stay in buildings or around buildings for most of their time, an imPortant considerationon successfu imp1ementation of personal conununication services (PCS) is indoor radio commnications, i.e.,transmission of voice and data to peoPle on the move inside buildings. As we all know, delay distortion due tomultipath propagation is a serious cause of channl degradation [1l. So, the infOrmation of propagation delayin buildings is very important.Power delay pro…     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

基于小波变换的分形图像压缩编码方法

为了弥补分形编码在高压缩比时重建图像质量较差及匹配搜索量大的不足 ,基于小波图像的分形特征及系数的统计分布特性 ,定义了灰度变换和能量阈值系数 ,提出了基于小波变换的分形图像压缩编码方法 (FICC-WT)。对小波分解后的低频子图像进行灰度变换 ,然后进行自适应四叉树分割的分形编码 ;对差值图像及其它子图基于定义的能量系数进行自适应阈值取样的熵编码 ,并讨论了灰度变换参数对重建图像的影响。实验证明 ,所提方法减小了匹配探索量 ,而压缩比和峰值信噪比 (PSNR)有明显改善。     

一种改进的加权最小二乘排序方法

本文对层次分析法中权的最小平方排序方法进行改进,提出一种新的改进的加权最小二乘排序方法,并从理论上进行证明。文章最后通过一个实例将两种排序方法与特征根排序方法进行对比分析,结果表明,改进的加权最小二乘排序方法可导出与特征向量排序方法相同的排序结果,克服了权的最小平方排序方法与特征向量排序方法排序结果不一致的缺点。     

基于小波变换及傅里叶描述子的图像检索

分析并设计了具有不随目标的平移、旋转和尺度变换以及边界的起点变化而变化的傅里叶描述子。把小波变换的多尺度边缘检测算法及傅里叶描述子应用于基于内容的图像检索。实验结果表明 ,这种方法对于有背景噪声和旋转、平移及尺度变换后的同一类图像的检索率是很高的     

An Adaptive Method of Image Compression Based on Wavelet Analysis

1. INTroDUCTIONIn recellt years, the research on image compression and coding using wavelet transform has become a very hottOPic. It is because wavelet analysis has freedom retractility in the field of frequency. When the band of signal' is narrowl we can zoom in the resolution in order to express the signal exactly. If the band is wide, we can zoomOat the resolutinn to create the need of signal processing. Therefore.the method of wavelet analysis has a strongadaptability, and it isn't l…     

小波变换域噪声图像压缩编码

提出一种对于受高斯白噪声污染的图像压缩编码方法。首先对图像进行离散小波变换 ,然后对其小波变换域系数采用软阈值收缩方法实现去噪 ,最后利用零树方法对其进行压缩编码。实验结果表明 ,所提出的方法不仅能获取较高的图像压缩率 ,而且能较好地去除噪声。