有限区间非线性系统的重复学习控制

迭代学习控制方法存在初始定位误差问题;重复控制方法要求被学习量满足周期性条件,而实际中存在不满足这一要求的场合.重复学习控制不要求初始定位操作,被学习量仅需满足重复性条件,它回避了迭代学习控制中初始定位误差问题,推广了重复控制的适用范围.针对较为广泛的一类在有限作业区间上重复运行的非线性系统,文中提出重复学习控制方法.利用一类非线性时变控制系统的Freeman公式,设计标称系统的镇定控制器.分别针对部分限幅和完全限幅学习两种情形,证明了限幅学习下的系统稳定性与收敛性.理论结果表明,文中所提出的重复学习控制方法在处理时变参数不确定性方面是有效的.     

复合高斯杂波中知识辅助检测器的先验信息感知方法

利用先验信息可以提高雷达目标的探测能力,若先验信息与当前探测环境不匹配,知识辅助检测器的性能会受到影响.本文针对Bayes框架下的复合高斯杂波中的知识辅助检测器,提出了杂波纹理分量先验分布参数的感知方法.首先阐述了知识辅助检测器先验信息感知的一般方法.然后针对基于杂波纹理分量先验信息的知识辅助检测器结构,建立了先验模型参数失配与知识辅助检测器检测性能之间的量化关系.进一步利用知识辅助检测器对当前杂波场景进行探测,获得检验统计量和虚警率测量值,从而构造纹理分量分布参数的约束关系.通过分析多个约束关系的交点,获得杂波纹理分量先验分布参数的感知值.计算机仿真分析了这种感知方法的可行性,并利用实测杂波数据对感知方法进行了验证.通过知识辅助检测器检测性能对比分析,采用感知方法获得的先验信息模型参数能够进一步提高检测器的性能.     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.     

HSDPA系统中的Turbo迭代均衡

为了提高第三代移动通信系统增强技术HSDPA的性能, 提出了一种Turbo迭代码片均衡接收机结构. 该接收机主要由码片均衡器, 软入软出（SISO）的多码道检测器与Turbo解码器构成. 码片均衡器对信道进行均衡参与第一次迭代, 其后的每次迭代中, 检测器输出的外信息作为解码器输入的先验信息, 而解码器输出的外信息则作为检测器输入的先验信息. 计算机仿真表明Turbo迭代均衡接收机性能明显优于传统的接收机.     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

基于神经系统与免疫系统调节机理的Memetic计算

Lamarck学习理论已被引入进化计算,能有效提高其局部搜索能力,逐步发展成为进化计算的新热点-Memetic计算.文中从神经系统与免疫系统在生物机体内的整合调节机理,提出了免疫Memetic计算模型,设计了模拟神经系统对免疫反应单向调节的Lamarck学习策略,并针对数值优化问题,提出了基于Lamarck学习的免疫Memetic算法.该算法结合了免疫算法和传统数学规划算法的不同特性,具有较理想的搜索性能.基于10个低维和10个高维基准测试问题的仿真结果表明,基于Lamarck学习的免疫Memetic算法与基于遗传算法的基本Memetic算法相比具有明显的优越性.     

一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法，提出了一个新的构造和训练小波网络的学习算法，精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性，该算法充分地利用了包含在训练数据中的时频信息，迭代地确定小波网络隐层结点的个数和网络的权系数，较好地解决了小波网络的结构优化问题，通过应用于信号的表示与去噪，进一步证明了该算法是简单和有效的。     

自动发现不等式型定理的一个完备算法

利用多项式的判别式序列、WR算法、吴消元法及部分的柱形代数分解算法,给出了能自动发现不等式的一个实用算法. 该算法无须事先对结果做任何形式的猜测,而能全自动地发现新不等式. 该算法对一大类不等式型定理是完备的,而且可用于几何约束问题的实解分类. 在Maple下,据之编写的程序DISCOVERER已发现了许多不同背景的不等式型定理.     

一种生成渐进动画网格模型的改进算法

在计算机图形学中,动画网格模型被广泛地用来表示时变数据,而模型的渐进网格表示方法经常可以用来加快处理、传输和存储速度.文中提出一种生成渐进动画网格模型的高效方法.该方法使用一种改进的基于曲率的二次误差测量准则来计算边折叠代价,可以有效地保持曲面上更多的局部特征.同时,定义了原始动画序列的变形程度权值,并将其加入到累加的边折叠代价中,这样动画模型中的动作变形特征就得到了有效的保持.最后,对动画序列提出了一种优化算法,可以有效地减少动画输出的视觉跳变,提高相邻帧的时间一致性.实验结果证明,本方法高效、易于实现,并且可以在任意细节层次上生成高质量的渐进动画网格模型.     

自动发现不等式型定理的一个完备算法

利用多项式的判别式序列、WR算法、吴消元法及部分的柱形代数分解算法,给出了能自动发现不等式的一个实用算法.该算法无须事先对结果做任何形式的猜测,而能全自动地发现新不等式.该算法对一大类不等式型定理是完备的,而且可用于几何约束问题的实解分类.在Maple下,据之编写的程序DISCOVERER已发现了许多不同背景的不等式型定理.     

一种环月交会对接航天器的自主导航方法

我国正在进行月球采样返回工程,月球轨道交会对接是采样返回任务中关键环节之一.本文提出了一种新交会过程中目标航天器和追踪航天器自主航方法.该方法综合利用成像敏感器、交会雷达和激光高度计测量信息,结合绝对轨道动力学模型,利用UKF滤波算法设计航滤波器,能够同时估算交会对接过程中追踪航天器和目标航天器绝对轨道参数.在月球阳照区,采用成像敏感器和交会雷达测量信息进行自主航;在月球阴区,则采用交会雷达和激光高度计测量信息进行自主航.通过理论分析和数学仿真,验证了所提出自主航方法有效性.本文所提出方法为月球轨道交会对接工程实现提供了理论参考.     

用于多天线通信系统的自适应波束形成与空时块码相结合方案

针对多天线通信系统,提出了一种将自适应波束形成(ABF)与空时块码(STBC)相结合的下行链路发射方案.首先基于STBC所产生的等效加权加性Gauss白噪声(AWGN)信道模型,求得接收平均信噪比(SNR)最大化条件下的发射端自适应波束形成权矢量.接着以常用的3大类调制方式下的误符号率(SER)上界为准则,设计出各个波束间的最优功率分配算法.该发射方案实际上是对应于信道自相关矩阵的特征波束形成,同时结合空时编码以获得分集增益,从而提高无线通信下行链路的性能.此外,基于矩生成函数(MGF)和Gauss-Chebyshev积分,还提出了一种简单而精确的数值计算方法,用来分析采用新方案的通信系统在常用调制方式下的性能.最后计算机仿真结果验证了新方案的性能优于常用的空时块码和现有相关文献上介绍的方法.     

激活函数可调的神经元网络的一种快速算法

将激活函数可调的神经元网络的结构做了一个变形, 给出了网络学习的一种快速算法, 并对异或问题, Feigenbaum函数和Henon映射进行仿真实验, 结果表明, 该算法具有很快的收敛速度, 很高的收敛精度, 性能优于BP算法. 在此基础上, 将变形后的网络再进行改进, 实验表明改进后的网络具有更好的性能.     

一类不确定线性系统的输出反馈鲁棒重复控制设计

重复控制将人类的学习机制引入控制系统,并在许多领域中得到广泛的应用。文中针对一类具有时变结构不确定性的线性系统,研究基于输出反馈的鲁棒重复控制系统设计问题。为了能精确地描述重复控制的特性,建立起能够独立调节重复控制过程中的连续控制行为和离散学习行为的连续/离散二维混合模型,以线性矩阵不等式(LMI)形式给出重复控制系统鲁棒稳定的充分条件,并利用该稳定性条件进行重复控制系统的参数设计。最后用数值仿真验证了文中所提方法的有效性。     

基于光学扩散的景物3D形貌重建

基于光学扩散的景物3D重建方法具有小透镜下深度恢复精度高、重建深度范围广、只需要一台摄像机、不需要调整相机参数或者改变相机和景物之间距离等优势.但是目前并没有一种描述光学扩散中深度变化和扩散能量分布之间关系的严谨数学模型.本文引入了物理学中的热量辐射方程,建立了光扩散过程中的连续能量分布模型,并提出了一种基于光扩散的精确单目视觉全局景物3D深度信息获取方法.首先,详细分析了物理学中热辐射机理,建立了用来描述光扩散成像过程中的连续能量分布模型;然后,结合光扩散引起的图像模糊(点扩散函数扩散程度)与景物深度之间的数学关系,提出了一种基于光学扩散的景物3D形貌重建方法.最后,使用合成图像和真实图像分别验证了本文算法在3D重建中的有效性和精确性.     

卫星导航接收机抗欺骗干扰极大似然检测性能分析

欺骗干扰给卫星导航接收机带来巨大威胁,而现有的文献均把欺骗干扰识别作为抗欺骗干扰的主要研究方向,而涉及欺骗干扰抑制方面的文献很少.本文针对卫星导航接收机抗产生式欺骗干扰问题,根据接收机具有不同干扰先验信息的3种情形,分别提出并证明了3个命题.这些命题给出了极大似然检测器在干扰背景下对真实卫星数据的检测性能界.命题表明,在具备干扰信道先验信息时,极大似然检测器具有良好的抗产生式欺骗干扰性能.仿真实验验证了理论分析的正确性和有效性.     

基于光学衍射的纳米尺度深度重建

传统的离焦深度恢复方法（depth from defocus,DFD）在计算离焦图像的模糊程度时,均是基于几何光学成像原理,并没有考虑光波衍射对图像模糊的影响.然而,衍射现象是波的基本特性,以针孔成像为基础的光学成像系统中必然存在光波衍射.本文基于光学衍射和图像模糊机理,提出了一种精确的单目视觉全局景物3D深度信息获取方法.首先,详细分析了光学成像系统中的菲涅耳衍射机理,建立了衍射模糊与景物深度之间的关系曲线;然后,采用曲线拟合的方式建立了衍射模糊的模糊程度（点扩散函数扩散程度）与景物深度的数学关系模型,结合热辐射和图像相对模糊原理,构建了衍射模糊热辐射方程组,并把衍射模糊深度获取问题转换成一个深度信息动态优化问题.最后,使用标准的纳米栅格模板验证了衍射模糊深度重建算法在纳米尺度相对深度和绝对深度重建中的有效性和精确性.     

基于最大异类距离特征提取的SAR目标识别方法

合成孔径雷达自动目标识别是合成孔径雷达的一个重要的应用方面,如何在高维SAR图像中提取有效分类信息是制约自动目标识别的瓶颈问题.本文基于流形结构假设,提出了一种新的特征提取方法——最大异类距离特征提取,该方法融入了样本集类别信息和邻域信息,通过最大化异类样本的距离实现特征提取,以提高特征的可鉴别性.基于MSTAR数据库的实验已验证了本文提出的方法能够有效提高目标识别率.     

基于Boosting梯度下降理论的时间序列建模方法

在预测问题中有很多实际问题具有时间序列特性,如何分析并建立合理的时间序列预测模型具有重要的理论价值与广泛的应用前景.随着对时间序列研究的逐步深入,时间序列预测模型变得越来越复杂,建模过程对设计技巧依赖性越来越强.如何设计一种不依赖于操作者的能力和经验,并且具有良好效果的建模方法呢？本文在集成学习理论的基础上,提出了基于Boosting梯度下降理论的自回归模型集成（AREnsembleLearning,AREL）建模法,从理论上分析并论证了该建模法的有效性.为了避免AREL精确拟合每一个训练样本点,在建模过程中引入了？-不敏感损失函,从而降低随机噪声对时间序列预测模型的影响.进而为了提高AREL对非平稳时间序列的处理能力,提高算法的鲁棒性,防止发生过拟合,降低算法对模型阶次设置的敏感性,提出了基于AREL的加权k近邻（weightedkNN）预报法.通过实例测试,并对结果进行了讨论,验证了所提出的建模法与预报方法的有效性.