基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

一种基于梯度域的三维军标绘制方法

为提高三维战场环境仿真中军标的标绘速度,提出一种基于梯度域的三维动态军标快速绘制方法。本方法首先提取军标覆盖区域的地形数据,通过梯度域计算获取对地形形状影响最大的若干特征点;通过特征合并对特征点进行进一步精简;通过对特征点进行样条插值,实现三维军标控制曲线的平滑过渡。实验证明,通过本绘制方法可以实现军标的快速绘制,并能使军标在动态运动过程中保持地形匹配,可显著提高军标绘制效率。     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

正交样条的多分辨分析方法

构造正交样条函数,其性质与正余弦函数有些类似．应用正交样条函数,构造一种有别于小波分析的多分辨率理论,并给出递推公式．相对于小波分析,其在无损压缩方面的压缩量更大,效果更好．在信号分解等到方面,具有好的应用前景．     

随机删失非参数固定设计回归模型的诊断

文章主要研究了随机删失非参数固定设计回归模型的统计诊断。首先利用随机删失非参数回归模型的性质和生存分布的Kaplan-Meier乘积限估计,将原模型转化为非参数回归模型进行研究;然后证明了数据删除模型与均值漂移模型的等价性,并给出了诊断异常点和强影响点的一些诊断统计量;最后通过实例分析,验证了上述诊断方法的有效性。     

两类新的四次广义Ball曲线

为了实现从四次Wang-Ball到Said-Ball曲线的过渡,以及从四次Said-Ball到Bézier曲线的过渡,定义了2种带形状参数的曲线。第一种曲线包含了四次Wang-Ball和Said-Ball曲线以及介于它们之间的无数曲线;第二种曲线包含了四次Said-Ball和Bézier曲线以及介于它们之间的无数曲线;通过分析新曲线与四次Bézier曲线之间的关系,得出了形状参数的几何意义,并给出了它们的几何作图法。     

基于MPSO-BP的RBF网络自构建学习算法

采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。     

地面站数传系统的RBFNN模型及算法

针对难以建立精确数学模型的地面站数传系统,提出改进梯度迭代学习的径向基神经网络建模方法。改进梯度学习算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;改进迭代过程中网络参数的梯度信息计算方式,加快了迭代收敛速度;并增加结构调整过程,实现对网络规模的精简。通过采集地面站数传系统输入-输出数据,将改进梯度学习算法应用于网络离线训练,并给出具体实现步骤。地面站数传资源配置优化实例验证了模型具有较高泛化能力,且算法稳定性较佳。     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.     

助餐机器人轨迹规划研究

在真人使用一种助餐机器人样机进餐时餐勺位姿参数变化的基础上,用三次样条插值和三次多项式插值对机器人助餐全过程进行了轨迹规划。仿真证明规划的关节曲线光滑连续,保证机器人末端餐勺运动平稳、人性化,为机器人控制系统研究打下一定基础。