稀疏均匀非同心电磁矢量阵列的2D-DOA与极化联合估计

本文提出了一种稀疏均匀非同心电磁矢量传感器矩形阵列,针对该阵列提出了一种二维波达方向(2D-DOA)和极化参数的联合估计算法.首先利用稀疏均匀矩形阵列的旋转不变性得到周期性模糊的2D-DOA估计,然后提出一种简易的非同心电磁矢量传感器的2D-DOA估计算法来解模糊,再通过一些三角变换得到高精度无模糊的2D-DOA和极化参数估计,最后推导了该阵列多参量估计的闭式克拉美罗界.本文所提阵列的稀疏配置使得在不增加阵元数和硬件复杂度情况下有效扩展了阵列物理孔径,且由于矢量传感器的使用获得了极化分集,使得2D-DOA的估计精度大大增加.此外本文方法能得到2D-DOA和极化参数之间的自动配对,更为重要的是该阵列使用非同心电磁矢量传感器构成,解决了同心电磁矢量传感器互耦严重、硬件设计困难的问题.仿真结果证明了本文多参量估计算法的有效性.     

用矢量天线阵列实现相干Chirp信号多参量联合估计

提出一种采用矢量传感器（天线）阵列联合估计相干Chirp信号初频,调频斜率,2维到达角和极化的算法.通过分数阶Fourier变换估计信号的初频和调频斜率,并用之构造了新的相关矩阵以抑制噪声.利用到达角和电磁极化矢量的特点,解决了由于信号相干带来的自相关矩阵奇异问题.为提高估计精度,采用了扩展阵列间距的L型均匀天线阵列,并提出了在信号相干情况下,解除角度估计模糊的算法.通过仿真,将此算法与常用的空间平滑算法进行了比较,证明了该算法的有效性.     

形态描述矩阵及其在彩色图像检索与识别中的应用

提出用以表达图像中特定区域内点的分布信息的形态描述矩阵. 该矩阵同时考虑了区域内各点的径向与角向分布信息, 能够全面、准确地表达图像的形态特征, 不受区域边界模糊的影响. 基于该形态描述矩阵, 提出了用以整体描述图像色彩区域的位置与形态特征以及判定彩色图像匹配程度的广义彩色直方图方法. 实验结果表明, 运用该方法, 能有效地进行彩色图像的检索和识别.     

基于互信息熵差测度的医学图像自动优化分割

分割问题是医学图像处理领域的热点和难点之一. 特别是如何自动确定图像中分类类数（NC）以及如何对含有病灶的医学图像进行分割这两个问题一直未能得到很好的解决. 因此, 提出一种基于互信息熵差（dMI）测度的模糊交叉分割算法（DDC）. 实验结果表明, dMI揭示了分割图像与原图像的内在联系, 因而得以有效地确定NC, 而DDC算法对含有不同病灶的不同模式的医学图像能够进行自动优化分割.     

基于复扩散模型憎水性图像多尺度亮点检测算法研究

在多尺度框架下，提出基于非线性复扩散模型憎水性图像水珠亮点检测算法，最后采用模糊均类算法对多尺度虚部图像水珠亮点进行提取。实验结果表明：对于不同憎水性等级憎水性图像，水珠亮点检测都达到95％以上，这为对绝缘子憎水性等级估判及水珠（水迹）的进一步分割提供了重要的信息。     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

电磁波瞬态极化的统计特性

研究了电磁波瞬态极化的统计表征问题. 首先分析了瞬态极化电磁波Stokes矢量表征的物理内涵, 为求解瞬时Stokes矢量的统计分布提供了简捷的途径. 在此基础上, 分析了电磁波瞬态极化在Gauss分布假设条件下的统计特性, 给出了瞬时Stokes参数的概率密度函数及其联合概率密度函数的解析表达式. 最后, 对瞬态极化电磁波在极化基分量之间相互独立的情况下进行了计算机仿真, 验证了该表征方法的有效性和简捷性.     

快速构建量子稳定子码的最小网格图

量子网格图顶点集的大小影响译码算法的效率,减少网格图的顶点数可以提高译码算法的效率.本文基于标准化的稳定子群校验矩阵,给出了构造面向网格图的稳定子群生成元的方法,据此可以构造顶点集最小的量子网格图.此外,本文通过分析差错算子与稳定子群生成元各个量子位的对易关系对两算子之间对易关系的影响,给出了一种快速生成量子稳定子码网格图的方法.现有构造方法对各顶点集分别独立计算,没有利用已有的计算结果,所以运算量大,这限制了译码的规模和速度.本文方法是在已有顶点集的基础上,利用迭代法构造新顶点集,该方法计算复杂性更小、算法效率更高,从而能适应规模更大和对时间要求更高的应用.     

Forecasting Daily and Monthly Exchange Rates with Machine Learning Techniques

In this paper we propose and test a forecasting model on monthly and daily spot prices of five selected exchange rates. In doing so, we combine a novel smoothing technique (initially applied in signal processing) with a variable selection methodology and two regression estimation methodologies from the field of machine learning (ML). After the decomposition of the original exchange rate series using an ensemble empirical mode decomposition (EEMD) method into a smoothed and a fluctuation component, multivariate adaptive regression splines (MARS) are used to select the most appropriate variable set from a large set of explanatory variables that we collected. The selected variables are then fed into two distinctive support vector machines (SVR) models that produce one‐period‐ahead forecasts for the two components. Neural networks (NN) are also considered as an alternative to SVR. The sum of the two forecast components is the final forecast of the proposed scheme. We show that the above implementation exhibits a superior in‐sample and out‐of‐sample forecasting ability when compared to alternative forecasting models. The empirical results provide evidence against the efficient market hypothesis for the selected foreign exchange markets. Copyright © 2015 John Wiley & Sons, Ltd.     

基于太赫兹时域光谱图像序列的运动检测研究

太赫兹时域光谱（THz-TDS）图像是一种新的图像形式，THz—TDS图像的每个像素点是一个一维时间脉冲信号，该信号承载了像素点位置处目标材料在太赫兹（THz）波段的吸收谱或散射谱：由于THz频段覆盖了许多有机大分子和半导体材料分子振动和转动的频率，可以预计，随着THz技术发展的不断深入，THz—TDS技术乃至THz—TDS图像分析技术将会成为研究这些材料基础问题的重要手段。本文针对THz-TDS图像的特点，提出了一种对在THz-TDS图像序列中的目标微小运动进行检测和估计的方法。该方法通过假设目标材料的局部THz特性保持守恒，导出了目标物的运动方程，并通过引入矢量同质微分概念，给出了该方程的近似求解方法。本文最后给出的实验结果验证了方法的可行性和有效性.     

Efficient Multistep Forecast Procedures for Multivariate Time Series

Upon the evidence that infinite‐order vector autoregression setting is more realistic in time series models, we propose new model selection procedures for producing efficient multistep forecasts. They consist of order selection criteria involving the sample analog of the asymptotic approximation of the h‐step‐ahead forecast mean squared error matrix, where h is the forecast horizon. These criteria are minimized over a truncation order n_T under the assumption that an infinite‐order vector autoregression can be approximated, under suitable conditions, with a sequence of truncated models, where n_T is increasing with sample size. Using finite‐order vector autoregressive models with various persistent levels and realistic sample sizes, Monte Carlo simulations show that, overall, our criteria outperform conventional competitors. Specifically, they tend to yield better small‐sample distribution of the lag‐order estimates around the true value, while estimating it with relatively satisfactory probabilities. They also produce more efficient multistep (and even stepwise) forecasts since they yield the lowest h‐step‐ahead forecast mean squared errors for the individual components of the holding pseudo‐data to forecast. Thus estimating the actual autoregressive order as well as the best forecasting model can be achieved with the same selection procedure. Such results stand in sharp contrast to the belief that parsimony is a virtue in itself, and state that the relative accuracy of strongly consistent criteria such as the Schwarz information criterion, as claimed in the literature, is overstated. Our criteria are new tools extending those previously existing in the literature and hence can suitably be used for various practical situations when necessary. Copyright © 2015 John Wiley & Sons, Ltd.     

基于主成分回归分析的瓦斯含量预测

为了增加多元回归模型预测的精度，将主成分分析与多元回归分析相结合提出了PCA—MRA模型，并将该模型用于实际瓦斯含量预测。结果表明，PCA—MRA模型消除了输入变量之间的相关性，减少了输入变量值个数，提高了预测精度，便于实际推广和应用，为瓦斯含量预测提供一种新的途径。     

Traditional versus novel forecasting techniques: how much do we gain?

This article applies two novel techniques to forecast the value of US manufacturing shipments over the period 1956–2000: wavelets and support vector machines (SVM). Wavelets have become increasingly popular in the fields of economics and finance in recent years, whereas SVM has emerged as a more user‐friendly alternative to artificial neural networks. These two methodologies are compared with two well‐known time series techniques: multiplicative seasonal autoregressive integrated moving average (ARIMA) and unobserved components (UC). Based on forecasting accuracy and encompassing tests, and forecasting combination, we conclude that UC and ARIMA generally outperform wavelets and SVM. However, in some cases the latter provide valuable forecasting information that it is not contained in the former. Copyright © 2008 John Wiley & Sons, Ltd.     

Covariance estimation for multivariate conditionally Gaussian dynamic linear models

In multivariate time series, estimation of the covariance matrix of observation innovations plays an important role in forecasting as it enables computation of standardized forecast error vectors as well as the computation of confidence bounds of forecasts. We develop an online, non‐iterative Bayesian algorithm for estimation and forecasting. It is empirically found that, for a range of simulated time series, the proposed covariance estimator has good performance converging to the true values of the unknown observation covariance matrix. Over a simulated time series, the new method approximates the correct estimates, produced by a non‐sequential Monte Carlo simulation procedure, which is used here as the gold standard. The special, but important, vector autoregressive (VAR) and time‐varying VAR models are illustrated by considering London metal exchange data consisting of spot prices of aluminium, copper, lead and zinc. Copyright © 2007 John Wiley & Sons, Ltd.     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击     

卡通—纹理字典学习的图像分解方法

结合变分方法与字典学习,提出一个新的图像分解变分模型和由扩散流引导的字典学习算法.实验结果表明,和已有图像分解方法相比,新算法自适应性强,不仅可以更好地将图像的卡通和纹理分开,而且能有效地将纹理中的噪声去除.     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

基于S1／2建模的稳健稀疏-低秩矩阵分解

为实现稳健的稀疏-低秩矩阵分解，本文首次引入矩阵的S1／2范数以诱导矩阵的低秩性来构建新模型，并在ADMM算法框架下设计了高效的交替阈值迭代算法．该算法采用增广Lagrange乘子技术，在迭代过程中交替更新低秩矩阵和稀疏矩阵．由于这两个矩阵的最优更新具有显式形式、算法整体的计算精度和时间代价得以控制．大量的数值模拟实验说明：相较于目前最好的不精确ALM算法，交替闽值迭代算法的迭代次数与时间代价大幅降低，对噪声更为稳健，分解出的低秩矩阵的秩与稀疏矩阵的稀疏度更接近于真实值．在对监控视频进行背景建模这一实际问题中，交替闽值迭代算法得到的背景矩阵更为低秩，更符合问题先验，且时间代价相较于不精确ALM算法降幅高达一个数量级，这说明新模型与算法能有效解决相关实际问题．