面向SAR图像目标识别的鲁棒处理算法

现有合成孔径雷达图像的目标识别方法通常要进行预处理,预处理对于识别率影响较大。但是,针对不同的合成孔径雷达目标图像,预处理算法的自适应性很难得到保证。将基于核的主成分分析与稀疏表示相结合,只需很少的观测数据就能得到高识别率的目标识别结果,节省了数据存储量和计算量。首先,阐述了压缩感知的基本理论;其次,提出了基于核主成分分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类目标进行实验。仿真结果表明,在没有方位角预测的情况下,该算法仍能有效地识别目标,与其他识别算法相比,在同等噪声污染的图像下,具有较高的识别率。     

面向目标不确定的多无人机鲁棒协同搜索

多架无人机（ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ,ＵＡＶ）协同搜索是多无人机协同的一个重要研究方向。多架 ＵＡＶ 同时对一个未知区域进行搜索,目的就是大量获取搜索区域的信息,确定目标存在的具体位置。提出了一 种基于贝叶斯理论的多ＵＡＶ 鲁棒协同搜索方法,首先建立搜索环境的数学模型,然后考虑到ＵＡＶ 传感器测量 的不确定性以及环境自身的不确定性,引入鲁棒性能参数以提高系统的抗干扰性以及稳定性,最后对目标函数进 行优化求解,从而引导ＵＡＶ 在区域中进行搜索。通过仿真结果验证了所提方法的有效性。     

基于鲁棒统计量的运动检测与目标跟踪策略

提出了一种基于鲁棒统计量的运动检测方法。该方法通过对全局运动的鲁棒估计和对残差进行假设检验的方法来检测运动物体区域。为了消除遮挡效应的影响,提高算法的精度,在检测过程中,利用双向运动估计的方法来对残差进行归一化。在此基础上,提出了一种鲁棒主动轮廓模型,用于跟踪运动物体轮廓,并采用LevelSet方法对该模型进行求解。实际视频的实验结果表明,该方法能够可靠、准确的检测与跟踪运动物体。     

基于鲁棒估计的微弱目标检测噪声抑制技术

抑制目标图像中的噪声,缩短目标的首次捕获时间(FirstCaptureTime,FCT),对于微弱目标检测和跟踪具有重要的意义。基于以下判断:a.任何检测系统总是工作在一定的信噪比(SNR)水平下;b.运动目标成像面积总是大于一个像素,分别设计了两个噪声抑制算子Sa(.)及Sb(.)。在噪声抑制过程中,首先使用鲁棒回归估计方法,估计出噪声模型参数,然后分别应用噪声抑制算子Sa(.)及Sb(.)对图像噪声进行抑制。试验结果表明,该方法可以有效抑制目标图像中的噪声,缩短目标的首次捕获时间,为下一步目标的检测和跟踪提供了有利条件。     

结构扰动与粗差鲁棒的lp正交匹配追踪算法

针对压缩感知稀疏信号恢复,提出了一种对测量结构扰动和粗差同时鲁棒的l₁正交匹配追踪(structure perturbation and outlier robust l₁-orthogonal matching pursuit, l₁-SPOR-OMP)算法。该算法利用l₁范数对粗差的鲁棒性,分别约束信号和扰动的拟合误差,进而通过交替迭代使它们同时到达最小,从而同时实现对信号和扰动的有效鲁棒恢复;由于算法仅需求解支撑位置的有效扰动,因此极大地降低了算法的计算复杂度。此外,为了进一步提高算法的恢复效率,也提出了使用鲁棒OMP方法来估计有效扰动的l_1,2-SPOR-OMP算法。在证明了所提出算法收敛性的同时,分析了运算复杂度。数值仿真的结果验证了所提算法的有效性和优越性。     

基于连续信任函数理论的鲁棒雷达目标检测方法

目标检测是雷达的基本功能, 其鲁棒性直接决定了雷达应用的成败。针对瑞利目标检测问题, 充分利用连续信任函数理论在不确定性信息表征和推理方面的优势, 提出一种鲁棒雷达目标检测方法, 在决策空间中可对先验模型噪声、真实目标和外来干扰的信任进行精准量化。鉴于该检测方法不存在解析解的问题, 通过随机变量的变换, 将任意瑞利目标幅度起伏模型转化为标准瑞利模型, 再利用查表方式实现信任函数的数值计算, 最后完成检测决策或用于后续融合推理。瑞利目标检测实验验证了所提方法的鲁棒性。     

具有合作与竞争的鲁棒最优再保险合同

本文研究了n个合作的保险人与一个再保险人之间竞争下的最优再保险合同制定问题.再保险合同由索赔风险分担策略和再保险价格构成. n个保险人完全相信各自的盈余过程,而再保险人认为每个保险人的盈余过程存在不确定性.每个保险人的目标是,寻找最优的索赔风险分担策略最大化他的终值财富的均值同时最小化其方差.再保险人的目标是,在盈余过程出现最坏情形下,寻找鲁棒最优再保险价格最大化他的终值财富的均值同时最小化其方差.在Stackelberg博弈框架下,通过使用随机控制和随机动态规划技术得到了最优的索赔风险分担策略和再保险价格的显式解,进而得到了最优再保险合同的显式解.最终,通过数值实验解释了模型参数对所得理论结果的影响,得到了一些新的再保险启示.     

基于伪并行SPEA2算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,本文针对这一缺陷,提出了一种多目标PID优化设计方法--在满足系统的鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将强度Pareto进化算法(SPEA2)与并行遗传算法(PGA)相结合对其求解.该算法求得的Pareto最优解分布均匀、收敛速度快、寻优能力强,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具.仿真结果表明设计方法的有效性和优越性.     

无人机视觉着舰导航鲁棒角点精确检测算法

针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形（minimum perimeter polygon,MPP）来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。     

非线性中立型控制系统的鲁棒稳定与鲁棒镇定

研究了一类不确定性的非线性中立型动态系统,系统具有多重时不变状态时滞。其不确定性满足范数有界条件。采用LyapunovV泛函的方法。建立了一类Lyapunov泛函。通过对控制系统(B,D,C)的分析,得出只要矩阵对(B,D)是完全可控的,或者是可稳定的,则在相应的条件下便得出相应的非线性中立型动态控制系统及滞后型动态系统可镇定的充分条件。建立了非线性中立型微分系统的时滞无关的渐近稳定性判别条件,以及非线性中立型动态控制系统的时滞无关鲁棒镇定的判据。同时,给出了相应的非线性滞后微分系统的时滞无关鲁棒稳定性的判据,以及非线性滞后动态控制系统的时滞无关鲁棒镇定性的代数判据。     

一种鲁棒的被动声目标识别方法

针对噪声环境下一些声目标识别技术性能严重下降的问题,提出了一种基于一阶补偿的径向基函数网络模型,并给出了该网络参数选择方法。实际应用表明,这种神经网络对噪声具有较强的鲁棒性,与传统的径向基函数网络相比,其识别性能等同于信噪比提高大约１０～１５ｄＢ。     

推广匹配非线性系统变结构鲁棒自适应控制

对于一类不确定非线性系统 ,利用推广匹配条件对系统进行反馈线性化 ,将系统变换成一个具有n-2个积分链和两个含有未知参数和不确定项的方程的非线性系统。在利用极点配置法给出鲁棒自适应滑动模态超平面设计的基础上 ,提出了变结构鲁棒自适应控制律的设计方法 ,并将所提出的设计方法应用于下摆加驱动电机系统的控制律。经仿真研究表明 ,控制效果令人满意。     

非匹配不确定非线性系统的鲁棒自适应控制

针对一类非匹配不确定非线性系统,研究了一种适用于输出跟踪的鲁棒自适应控制器设计新方法。结合反演设计方法和"σθ-修改"参数自适应技术所设计的控制器,对非匹配的未知参数和非参数有界不确定项具有强鲁棒性。该控制器不仅能保证闭环系统所有信号有界,且能使跟踪误差以指数速度收敛到零的小邻域内。计算机仿真算例证实了理论结果的可行性和有效性。     

一类非匹配不确定性混沌系统的鲁棒自适应控制

针对一类含有非匹配未知参数和非参数不确定性的混沌系统控制问题,结合反演设计和“σθ-修改”参数自适应技术,提出了一种适用于输出跟踪的混沌系统鲁棒自适应控制器设计新方法,对非匹配的未知参数和非参数不确定具有鲁棒性。该控制器设计方法不仅能保证闭环系统所有信号有界,且能使跟踪误差以指数速度收敛到零的小临域内。计算机仿真验证了理论研究成果的有效性和正确性。     

低碳供应链资源配置算法及其鲁棒性能

为合理解决低碳供应链资源的配置效率问题,本文在云模型、量子神经网络研究基础上提出了基于云模型的混合量子神经网络算法。应用混合粒子群算法来确定神经网络的连接权值、隐层神经元个数及各层神经元的阈值等参数。通过对低碳供应链资源配置算法及其算法的鲁棒性能等问题展开深入研究,确定了混合量子神经网络算法的参数主要有各层神经元的个数及阈值。数值实验发现不同的初始状态和参数设计会影响混合算法鲁棒性能的测定。采用混合量子粒子群算法的混合网络结构可以提高在低碳供应链资源配置过程中的错聚效率,能有效提高低碳供应链资源配置的准确度和正确性。     

区间阻抗下的鲁棒最短路算法

交通需求一旦发生变化,交通路网中的路段阻抗也会呈现显著的不确定性,而现行的最短路求解方法缺乏鲁棒性。为了增强最短路方法的鲁棒性,引入区间型数据的路网阻抗,同时结合鲁棒离散优化与情景分析法,给出鲁棒成本的定义。建立了区间阻抗下的鲁棒最短路模型,接下来基于模型设计了分支定界算法,并就算法的判定条件给出3个定理,最后对一个大型路网进行了仿真测试。结果表明:相对于现行的最短路方法,该方法求解得到的最短路径具有更强的鲁棒性,且求解结果准确高效。     

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。     

不确定网络化控制系统鲁棒故障检测

针对一类具有未知输入和模型不确定性的网络化控制系统,基于H_∞滤波器研究了系统的鲁棒故障检测问题.利用输入时滞方法,将含有网络传输时滞和数据丢包的不确定网络化控制系统建模成一类具有双加性状态时滞项的连续系统.采用Lyapunov-Krasovskii泛函方法分析了新系统的H_∞性能,并将所得结果应用于原系统鲁棒故障检测滤波器的设计,得到了滤波器存在的时滞依赖条件.最后,通过仿真验证了该方法的有效性.     

激光雷达异常检测及鲁棒测量模型

激光雷达已被广泛应用于移动机器人地图构建、定位以及跟踪等任务.针对激光雷达提出一种鲁棒测量模型.首先利用分段分析的方法对激光雷达的异常测量射线进行检测并滤除;然后提出逆向射线跟踪技术用于计算扫描射线的期望距离以及似然概率;最后选择高似然度的射线计算整体似然概率,从而滤除被动态障碍干扰的射线.该测量模型鲁棒性表现在两个方面:(1)滤除了异常的测量射线;(2)滤除了由于动态障碍干扰的射线.通过实验验证了算法的鲁棒性和精度.