宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

基于块背景建模的运动目标检测

运动目标检测是计算机视觉中目标识别、目标跟踪和场景理解的前提.文中提出一种基于块的混合高斯背景建模方法,采用图像块的均值和块内方差作为块的特征对场景进行建模,并对前景块根据它的邻域块处理以得到更精确的目标区.新方法不仅考虑了像素在时间域上的分布信息,还利用了像素邻域间的信息消除虚警数,改善了传统混合高斯背景建模方法处理...     

部分相干电磁光束在湍流大气中传输的交叉偏振度

推导部分相干电磁高斯-谢尔模型光束在湍流大气中的交叉谱密度矩阵.根据交叉偏振度的理论,研究部分相干电磁光束在湍流大气中的交叉偏振度的变化情况.研究表明,部分相干电磁光束的交叉偏振度由大气折射率结构常数、光源相关长度、光束初始偏振度和观察点位置决定.交叉偏振度不同于一般偏振度,它的值不再仅仅局限在0～1,而是可以取任何非...     

有色噪声中一种新频谱检测器的设计

高效、可靠地检测到主用户的存在与否是认知无线电的一个重要环节.在实际生活中,观测噪声常为时间相关的高斯有色噪声,如果运用传统的基于高斯白噪声假设的频谱检测算法,检测性能将显著降低.该文以高斯有色噪声为背景,首先采用线性模型估计导频信号,然后根据估计的参数设计基于似然比的检测器,并推导得到了检测概率和虚警概率的解析式.仿真结果表明:在低信噪比下,与能量检测相比较,所提方案能有效地提高检测概率和检测速度.     

优化权重下高斯序列最大值几乎处处中心极限定理

研究了高斯序列最大值的几乎处处收敛性,获得平稳高斯序列最大值的几乎处处中心极限定理(almost sure central limit theorem,ASCLT),优化了ASCLT的权重,获得的结果推广了Csáki和Gonchigdanzan(2002)在对数平均下平稳高斯序列最大值的ASCLT。     

Z-Z小片恢复技术超收敛性的研究

本文介绍了近年来发展起来的新的有限元的后处理技术-Z-Z小片恢复技术，并探讨了运用Z—Z小片恢复技术对两点边值问题的有限元解的一阶导数进行后处理所产生的超收敛性和后验误差估计．着重在高斯点利用最小二乘拟合技术对于k=1时的一次元和k=2时的二次元的后处理公式进行了推导，得出了后处理公式．并举例验证后处理公式对于两点边值问题-p（u＇（x））＇＋qu（x）=f（x），u（a）=u＇（b）=0，x∈[a，b]的正确性。     

基于稀疏贝叶斯回归的正则化核密度估计算法

为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.     

基于非均匀分配高斯的模型压缩技术

本文阐述了基于状态绑定和高斯绑定的多种模型压缩方法，并在此基础上提出了非均匀分配高斯数目的模型压缩技术，比较了基于对数似然率、KL距离和贝叶斯信息准则三种不同的非均匀分配高斯数目方法，在WSJO数据库上进行了比较实验，结果表明，该技术能够在现有均匀分配高斯的模型压缩技术的基础上，进一步提升系统性能，而且不会带来系统复杂度的增加。     

高斯型Runge-Kutta方法研究

提出了一类高斯型Runge—Kutta公式的推导思想，并具体的给出了一个两点三阶高斯型Runge—Kutta公式，证明了高斯型Runge—Kutta公式的精度高于传统的对应的Runge—Kutta公式。     

关于曲面的高斯像的一个定理

可展曲面是直纹曲面的一种类型,可展曲面就是沿每一条直母线只有一个切平面.通过几何分析方法,讨论了直纹曲面,给出了直纹曲面是可展曲面的一个充分且必要条件.得到直纹曲面是可展曲面,其充要条件是：曲面S的Gauss映射像是一条曲线.并给出这个定理应用的例子.