基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

基于keystone变换的噪声调频连续波雷达高速目标探测

针对目标高速运动导致严重多普勒色散的问题,提出基于keystone变换的距离徙动校正方法。根据噪声调频连续波无周期性的特点,对回波信号采用等间隔重叠分段法进行频域相关处理。结合快速离散时间尺度变换算法,能够实现高效的长时间相参积累。无需先验知识,能处理多目标场景。通过仿真实验验证了该方法的有效性,并与传统时域相关法进行了比较和分析。当目标未出现距离徙动时,该文方法和时域相关法对目标输出信噪比的提升效果基本一致。当目标出现距离徙动后,时域相关法的输出信噪比迅速下降,恶化程度与徙动严重程度成正比,而该文方法经距离徙动校正后的输出信噪比则基本不受目标速度的影响,且仍随积累时间的增加而增大。     

基于最大间隔法的蠓虫分类模型

考虑两种蠓虫Af和Apf的鉴别分类问题,通过对已知数据的分析并讨论其分布图．利用最大间隔法的思想,建立了两种蠓虫的分类模型,通过对非线性同题的分析,采用循环代替与数值计算方法,得出了所给数据的蠓虫分类结果。最后应用最大间隔法和超平面思想,讨论了高维空间的蠓虫分类问题。     

基于不等间隔接收机钟差组合预报模型的辅助定位方法

在典型城市或室内应用等情况下,卫星导航信号由于被频繁遮挡变而变得微弱甚至不可用,使得传统的定位模式难以满足连续定位的要求。针对此问题,分析接收机钟差辅助定位的可行性,建立原点插值条件下使残差平方和最小的多项式钟差预报模型和改进的非等间距灰色系统钟差预报模型,并提出一种基于不等间隔接收机钟差解算值序列的动态加权组合预测模型及相应的钟差辅助定位算法。该模型通过权值的合理选取可实现单一模型的最优组合,具有更高的预测精度和稳健性。实测结果表明:该组合模型对钟差解算值序列的预测是可行和有效的;对于50 s内的短时钟差辅助定位,定位误差与连续正常定位接近,仅降低2.76%,可有效提高可见卫星不足4颗时的定位连续性。     

时间间隔分析法和延迟符合法测量低浓度220Rn的对比实验研究

讨论多时间间隔分析方法（又称TIA 方法）和延迟符合法同时测量10 Bq的220 Rn标准源,两者为相同实验平台,采用卢卡斯氡探测器（ FD_125）对220 Rn标准源进行流气式测量,改变软件实现两种不同数据处理方法。实验结果表明,多时间间隔分析法在测量低浓度220 Rn时更加准确。     

基于模糊数学的安全多播批量密钥更新方法

提出一种基于模糊数学的批量密钥更新方法,当时钟间隔到来时,综合考虑成员变动数量、成员变动率及时间间隔等各种因素以确定是否更新。仿真试验表明,该方法相对于固定间隔密钥更新方法在密钥更新性能上有所提高,而且具有更好的灵活性,能适应各种多播应用的需求。     

基于样本差异性的多标记特征选择算法

在多标记学习中,特征空间的高维性是多标记学习研究的主要问题。文章通过聚类构建由代表性样本组成新多标记数据,定义了多标记决策系统中样本的分类间隔及样本的差异性概念,在此基础上定义了特征权重,提出一种基于样本差异性的多标记特征选择算法,并用4个指标对4个多标记数据集进行实验评价,对比一些当前流行的特征选择算法,验证了本文所提算法的有效性。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

知识追踪综述

在教育领域中,科学地、有针对性地对学生的知识状态进行有效追踪具有十分重要的意义.根据学生的历史学习轨迹,可以对学生与习题的交互过程进行建模.在此基础上,能够自动地对学生各个阶段的知识状态进行追踪,进而预测学生表现,实现个性化导学和自适应学习.首先,对知识追踪及其应用背景进行介绍,总结知识追踪所涉及的教育学与数据挖掘理论;其次,总结基于概率图、矩阵分解、深度学习的知识追踪研究现状,并根据方法的不同特点进行更为细致的分类;最后对目前的知识追踪技术进行分析比较,并对未来的研究方向进行展望.