基于分布源边界点法的声散射场全息重建和预测理论

通过在边界结点法向方向上,背离分析域一定距离处构造虚构点源;用虚构点源在边界结点、全息测量点、重建点和预测点处产生的特解,形成满足系统方程的特解矩阵,来计算散射场声学量之间的传递矩阵;建立了基于分布源边界点法的声散射场重建和预测理论模型.该方法避开了基于边界元法的声全息重建和预测模型中的变量插值、数值积分和奇异积分的处理,具有计算速度快、计算精度高、计算稳定性好等优点.     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

幂和矩阵及其代数性质

主要利用矩阵给出了幂和矩阵与Bernoulli矩阵,Stirling矩阵,Pascal矩阵,Fibonacci矩阵之间的关系.     

关于Hermite矩阵迹的几个不等式

研究了Hermite正半定矩阵和Hermite正定矩阵的迹的不等式问题.利用矩阵恒等变形的方法,得到了Hermite正半定矩阵和Hermite正定矩阵迹的几个重要不等式,推广了相关文献的结果.     

完全分配格上矩阵的若干研究

在完全分配格上定义了格矩阵,以及对称矩阵、幂等矩阵、逆矩阵等,通过给出了格矩阵的若干运算性质,讨论了有关对称矩阵、幂等矩阵的一些性质和定理,并给出证明.     

关于正规矩阵的判定

对角矩阵、Hermite矩阵、反Hermite矩阵、酉矩阵、对称矩阵、反对称矩阵、正交矩阵都是正规矩阵,所以正规矩阵作为一个更为广泛的矩阵类,有必要对它的判定条件进一步研究.由正规矩阵的定义、矩阵对角化、特征值与特征向量、矩阵实部和虚部、矩阵分解、谱分解等方面给出了正规矩阵的一些判定条件.     

有关伴随矩阵的性质

研究了矩阵与伴随矩阵的联系,通过研究矩阵的性质和计算技巧,总结、推导了其伴随矩阵的若干性质.     

一类收敛序列空间上的无穷矩阵变换

对于Banach空间上的一类经典向量序列空间,确定了一类重要的子集称为一致收敛子集,它包括了该序列空间的全部全有界集及许多非全有界集.利用Antosik-Mikusinski基本矩阵定理和该子集族,对于一类映射矩阵,获得了一系列矩阵变换定理,并且给出了一类无穷矩阵变换的刻划.补充和完善了非线性矩阵变换定理.     

随机奇异系统分布式最优分量融合滤波器

应用射影理论,基于奇异系统典范型分解,对带相关噪声的单传感器随机奇异系统,给出一种新的递推滤波器;当系统带有多个传感器时,基于线性最小方差标量加权的分量融合算法,给出了多传感器分布式最优分量融合滤波器.融合估计的每个分量分别由局部估计的相应分量按标量加权融合获得,它只需并行计算一系列标量权重.可改善各局部估计的精度和减小计算负担.推得了随机奇异系统任两个局部估计之间的滤波误差互协方差阵.仿真例子验证了其有效性.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

宽带CDMA系统中信道估计自适应滤波的研究

在研究了宽带CDMA系统中信道估计均方误差(MSE)的基础上,提出了一种利用信道估计的互相关函数作为系数的有限冲激响应(FIR)滤波器,并比较了它的理论均方误差与维纳滤波器以及滑动平均滤波器之间的大小.在第三代移动通信(3G)支持的多普勒频移范围内的计算机仿真表明:通过自适应算法,验证了所提出的方法在知道噪声方差的情况下都可以获得良好的均方误差性能.     

GPS空时自适应滤波矩阵重构抗干扰算法

小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5dB左右.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

带有色观测噪声多传感器信息融合稳态Kalman跟踪滤波器

针对带有色观测噪声的目标跟踪系统,分别用基于ARMA新息模型和基于R iccati方程的两种方法,在线性最小方差信息融合准则下,提出了多传感器按矩阵加权、对角阵加权和标量加权的三种信息融合稳态Kalman跟踪滤波器.仿真说明了三种加权滤波器的误差的差别不明显,但按标量加权滤波器显著地减少了计算负担,便于实时应用,且验证了两种方法所得结果相同.应注意在构造ARMA新息模型时,必须进行多项式矩阵的左素分解,才能得到正确的ARMA新息模型.     

基于多普勒频偏估计的自适应WMSA信道估计

经典的信道估计为线性插值,而信道的多普勒频偏体现了信道参数变化的快慢,因此信道插值的参与点数可以根据多普勒频偏进行动态调整.该文据此提出了基于多普勒频偏估计的自适应多时隙加权平均(WMSA)信道估计算法,有效提高了信道估计精度.     

基于模糊自适应控制的悬臂梁振动主动控制算法研究

基于模糊逻辑系统的自适应滤波方法,针对柔性悬臂梁,设计了相应的前馈振动控制器,解决一类参考信号与外扰呈非线性函数关系的前馈主动控制问题.仿真结果表明,采用的控制器对于改善振动快速控制是非常有效的.     

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.     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.