有数据丢包的复杂网络的鲁棒保性能状态估计

针对现实网络在数据传输中存在数据丢包和噪声干扰的特点,研究离散时间复
杂网络的鲁棒保性能状态估计问题,旨在减小数据丢包和噪声干扰对状态估计的影响. 利
用Lyapunov稳定性理论与随机分析方法,以线性矩阵不等式的形式提出了鲁棒保性能状态
估计增益矩阵存在的条件和设计准则,在满足状态估计误差均方指数收敛的前提下,能进一
步使网络的状态估计满足一定的性能指标. 仿真结果表明,鲁棒保性能状态估计器可以有效地
估计复杂网络的状态.     

反向响应时滞过程的二自由度Smith预估控制

针对反向响应时滞系统,将Smith预估控制和内模控制相结合,提出一种二自由度
控制方法. 设定值跟随控制器采用Smith预估器形式,可使系统具有良好的设定值跟随特性,
而干扰抑制控制器则采用内模控制器设计方法,可改进系统的干扰抑制性能和鲁棒性,克服
传统Smith预估器的不足. 通过两种不同的方法(直接分解和全通分解),把过程对象的传递
函数分解为最小相位部分和非最小相位部分,相应导出了两种不同控制器的设计方法,并给
出了系统满足鲁棒稳定性的充要条件. 理论分析和仿真对比研究表明,该方法可使系统具有良
好的设定值跟随性能、干扰抑制性能和鲁棒性.     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

一种非线性直升机系统的有限时间镇定

针对一个具有多输入、强耦合、非线性的CE150直升机系统,给出了一种有限时间
控制方案. 该方案首先将整个直升机模型看作一个级联系统,通过坐标变换并采用基于限时间
控制的嵌套饱和方法分别对两个子系统进行有限时间镇定;然后验证前向一致性,保证了整
个闭环系统的全局有限时间镇定. 仿真结果表明,该方案不但有效而且具有更好的收敛性和
鲁棒性.     

基于博弈论的异构无线网络动态选择

下一代无线通信网络的主要特征之一是移动终端可以灵活接入各个网络. 在异构网
络共存的下一代通信中,网络选择技术能提高频谱利用率和网络容量. 为此,设计了一个基于
非合作博弈的网络选择机制,以保证移动终端能从异构网络中选择合适的网络接入. 证明了
该博弈为潜博弈,分析了该机制中博弈的纳什均衡存在性和可行性,并设计了一个基于反应
动态机制的最优迭代算法求解博弈. 仿真表明,该算法能够收敛到纳什均衡,且其网络选择机
制具有近似最优的性能.     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

鲁棒的快速车道偏移警告

针对FPGA等片上资源较为缺乏的处理器,提出一种应用于辅助驾驶的快速车道线偏移警告方法. 方法
面向单目视觉识别应用;首先采用基于区域统计方式的二值化处理进行图像增强,并利用515车道线模板匹配方
法代替传统的边沿检测去除原图像中的大量干扰信息,最后采用压缩型霍夫变换对匹配结果进行车道线提取. 与
传统霍夫变换相比,大大降低了运算量,减小了内存使用量. 实验证明,该算法对车道线的识别非常有效,满足实
时性需求,并已成功移植到FPGA上.     

边缘保持滤波与视觉最优准则的人脸图像光照归一化

受计算摄影学中边缘保持滤波器的启发,提出一种人脸图像光照归一化方法,能有效处理复杂光照条件下的人脸识别问题. 该方法采用加权最小均方边缘保持滤波器将亮度图像精确地分解为反射层与阴影层,根据视觉最优准则进行直方图匹配映射,获得视觉质量最优的光照归一化人脸图像. 对YALE-B 与CMU-PIE 人脸数据
库的识别结果表明该方法有效.     

一种高精度低负载的可用带宽测量机制

端到端的可用带宽是网络测量的重要性能指标之一. 针对现有的大多数测量工具及
方法在估算可用带宽前需要大量时间分析和测量等问题,在全面分析了网络中背景流特征的
基础上,提出一种高精度低负载的可用带宽测量机制. 该机制考虑了高速网络环境中丢包的情
况,建立网络利用率与探测速率间的关系模型,结合扩展卡尔曼滤波实时获得最新的端到端
的可用带宽. 该机制不需要事先知道瓶颈链路容量,探测速率可低于可用带宽,降低了突发背
景流对测量的影响. 数值模拟表明,所提出的机制能快速响应突发背景流,准确高效地测得端
到端的可用带宽.     

基于交叉耦合映像格子时空混沌的S盒设计

S盒的设计是分组密码设计的重要组成部分. 提出一种基于参数抖动的耦合映
像格子时空混沌系统设计S盒的方法,使用带有参数抖动的交叉耦合映像格子模型和基
于Chebyshev映射的格子局部状态生成函数,实现8×8 S盒的快速批量生成. 通过非线性度、
差分均匀性、严格雪崩准则、输出比特间独立性及双射特性等评价准则的分析和测试,对批量
产生的盒子进行优选,并就优选盒子的各项性能与已有的基于混沌的S盒子进行对比和分析.
结果表明：该方法所构造的优选S盒,其密码学特性更优良,可作为基本部件用于新型分组密
码系统的设计.     

资源三号卫星影像超分辨率重建

研究了迭代反投影重建的方法与基于稀疏表示和字典学习的重建方法,将两种重建
算法首次用于资源三号三线阵影像数据的重建试验,并从亮度均值、峰值信噪比、信息熵和清
晰度等四方面对实验结果进行客观分析. 重建影像结果表明：基于字典学习和稀疏表示的重建
方法获得的资源三号重建影像效果优于迭代反投影方法.     

一种用于全景影像的测量方案

提出了一种从全景影像中还原目标三维信息的测量方案. 通过全景相机所获取的影像只有GPS 坐标,而没有姿态信息,需要运用影像匹配技术以及光束法准确算出拍摄时刻全景影像的姿态,然后通过前方交会计算全景影像中目标的三维坐标. 针对全景影像畸变较大的特点,采用仿射不变特征匹配算法进行影像匹配,同时使用随机抽样一致算法剔除粗差点,以保证匹配点的数量及准确度. 根据全景影像的透视投影几何模型,能改进常规摄影测量中的光束法,可用来求解全景影像姿态. 提出一种针对全景摄影测量的前方交会算法,将空间直线方程变换后建立法方程,并进行平差解算. 实验表明,该方法相比于传统方法有更高的精度,可准确测算全景影像上的物点坐标.     

基于线性分组码的自同步扰码盲识别

针对加扰前信息序列为线性分组码情况下的自同步扰码盲识别问题,提出了一种有效的解决方法. 首先,从理论上分析了线性分组码与随机序列游程特性的差异,得出了扰码序列正确抽取与错误抽取时输出序列的游程特性的区别;然后,通过遍历寻找抽取后序列的游程比值与随机序列游程比值的欧几里得距离的最大值方式实现了自同步扰码多项式的盲识别.仿真实验验证了理论分析的正确性,解决了0、1 均衡情况下的线性分组码自同步扰码盲识别问题,具有一定的工程应用价值.     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

基于智能天线的一种自适应小基站架构

提出了一种将智能天线应用到小基站网络中的方案,配置有智能天线的小基站在周
围小基站繁忙时利用智能天线的方向性为业务繁忙的小基站进行自适应分流,达到负载均衡
的目的. 当本身业务繁忙时,通过智能天线进行空分复用可提高带宽利用率,从而提高系统吞
吐量,减少基站数目. 实验结果表明：在保证用户接入成功率和系统吞吐量的条件下,采用文
中小基站自适应算法可将所需部署的小基站数目约减少30%,从而降低了部署成本,减少运行
能耗.     

遥感卫星应用需求满足度的模糊评估

遥感卫星用户众多、需求各异,涉及的元素非常复杂,其应用需求满足度评价是一
个目前研究不多、难度较大的问题,但它对天基遥感对地观测系统设计、卫星组网规划、载荷
探测指标确定与应用系统研制等系列工作非常重要. 为此以高分辨率对地观测重大专项和空
间基础设施规划的需求调查资料为依据,设计了一种基于模糊评估思想的遥感卫星应用需求
满足度的评估方法. 从众多的应用元素和卫星工程指标中抽取了空间分辨率、时间分辨率、谱
段范围和光谱分辨率4个基本要素,建立了遥感应用需求的四参数模型,结合模糊综合评估思
想,设计了需求满足度评估的因素集、评价集和模糊隶属度函数,使用层次分析法实现权重分
配,选择加权平均型算子得到评估结果. 最后以多颗典型遥感卫星进行评估实验,将结果与国
际气象组织相应评价案例对比分析,表明了该方法的可行性.     

一种基于层次结构深度信念网络的音素识别方法

针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一
种基于层次结构深度信念网络(deep belief network, DBN)的音素识别新方法. 该方法由基于层次结构DBN的瓶
颈特征以及基于DBN的音素分类器两部分组成：其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督
性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力. 因此,将两者结合在一起能够在
提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别. 在TIMIT数据库上进行的实验结
果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高.