一种基于极几何和单应约束的图像匹配算法

提出一种综合应用极几何和单应约束的图像特征点匹配算法,首先使用互相关法对图像特征点集进行初始匹配,然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点,最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。大量真实图像实验表明,所提出的算法能够产生更多的匹配点并具有较高的匹配精度。     

三维欧氏重构的快速算法

提出一种分层三维欧氏重构算法。以仿射投影来逼近透视投影,采用线性迭代估计射影深度,通过测量矩阵的奇异值分解实现射影重构。然后利用场景中的平面与像平面的单应矩阵关于摄像机内参数的约束来实现摄象机的标定,最后求解一个满足欧氏重构条件的4×4非奇异矩阵,通过此矩阵将射影重构变换为欧氏重构。实验结果表明该算法是行之有效的。     

遗传算法在卫星广播调度中的应用

提出了一种基于遗传算法的卫星广播调度算法。利用新的编码方法,把卫星广播调度问题和寻找满足约束条件的矩阵优化问题相对应,通过设计相应的遗传操作算子提高遗传算法的收敛性能,从而较好地实现了利用遗传算法对卫星广播的调度。在卫星个数相同条件下对三种有代表性的卫星广播调度要求进行了实验比较,说明了不同的调度要求对收敛速度的影响。遗传算法的性能决定了本文所提出的算法适用于不同规模的卫星广播调度问题,实验表明该算法是一种收敛速度快,稳定性强的高效卫星广播调度算法。     

海上基地攻防博弈模型及纳什均衡策略研究

针对海上保障基地安全的反潜资源调度是当前海上作战指挥的主要问题，通过分析海上利益冲突中敌我双方的攻防策略及约束条件, 建立了反潜资源调度的不完全信息零和博弈模型和对应的收益矩阵。考虑敌方为理性对手和非理性对手2种情况, 分别提出了求解小规模问题精确解的线性规划算法和求解大规模近似解的改进迭代算法, 并进一步给出了对应纳什均衡和最优反应的求解步骤, 得到了反潜资源调度博弈的混合策略。通过仿真实验验证了算法的复杂性、可行性和有效性, 并分析了混合策略的适用环境。     

基于PSO的USQUE在组合导航姿态估计中的应用

针对组合导航姿态估计中无味四元数估计(unscented quaternion estimation, USQUE)的噪声协方差矩阵参数无法准确给出等问题,提出基于粒子群优化的USQUE(USQUE based on particle swarm optimization, PSO-USQUE)算法。通过粒子群算法对噪声协方差矩阵Q和R进行寻优,获取优化的噪声协方差矩阵等滤波先验条件;分别进行仿真实验和微机电惯导系统/GPS车载实验。实验结果表明,对于USQUE的姿态估计问题, PSO-USQUE算法相比常规算法具有更高的精度,验证了所提算法的有效性。     

耗散耦合矩阵第二大特征值的先收缩后反幂算法

无权无向耦合动态网络所对应的耗散耦合矩阵的第二大特征值是判断网络同步稳定性的重要指标.试图改善目前一般直接调用Matlab中函数eig计算1000阶以上耗散耦合矩阵第二大特征值复杂度高、时间长的问题,利用耗散耦合矩阵具有一个零特征值及其对应的特征向量为[1,1,…,1]<'T>的特点,提出了一种先收缩后反幂算法,证明了收缩矩阵的特征值与原矩阵的非零特征值误差为零,其对应特征向量相等,并导出对于1000阶以上矩阵,先收缩后反幂法所需乘法次数比Matlab中调用函数eig所用的QR算法大幅度减少.数值计算验证了理论分析的正确性.     

星敏感器姿态测量算法研究

针对传统矢量定姿方法精度较低的问题，研究了主流的星敏感器多矢量天文定姿算法，从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中，线性估计算法先将各矢量对的坐标变换等式分散表示，推导出对应的四元数形式，再联立所有矢量的坐标变换等式，基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化，再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作，具有良好的创新性与实用性。以最小化Wahba损失函数为目标，对定姿算法的性能进行对比分析。仿真和实验结果表明，线性估计算法较之于其余4种算法，具有更快的解算速度、更高的定姿精度。     

降低计算量的改进联合对角化算法

提出两种改进算法解决避免奇异解的联合对角化算法计算量大的问题。一方面,将对角化矩阵行列式按当前更新的列直接展开得到一种改进算法;另一方面,将列交换后的对角化矩阵进行LU分解,由分解得到的上(下)三角矩阵计算行列式,得到了另一种改进算法。由于两种改进算法都减少了一次矩阵求逆,因此降低了原算法的计算量。实验仿真表明,当目标矩阵的个数和维数较大时,两种改进算法的计算量分别为原算法的36.8%和21.5%。     

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。     

融合多关系的矩阵分解社会化推荐算法

在现实的社交网络中,用户之间往往存在多种关系,而现有的社会化推荐算法都只考虑一种关系对推荐结果的影响。基于多子网复合复杂网络模型,将用户间的多种社交关系引入用户特征矩阵,提出了基于多关系的矩阵分解社会化推荐算法。通过对2个真实数据集上的实验结果分析,发现加入多种社交关系的矩阵分解社会化推荐方法比传统的矩阵分解算法在推荐准确率方面有显著提高。     

基于特征值高阶矩的频谱感知增强技术

基于特征值的多天线盲频谱感知方法在认知无线电中得到了广泛的研究。基于特征值的检测算法设计依赖于随机矩阵理论和样本协方差矩阵的特征值特性。许多研究表明特征值的高阶矩可以提供额外的鉴别信息进而能改善统计推断问题的性能。基于此,利用所有特征值的p阶矩提出了新的基于特征值高阶矩的频谱感知增强算法,并利用随机矩阵理论推导了虚警概率和判决门限的解析表示。此外,基于仿真实验研究了特征值高阶矩幂次变化对检测性能的影响。最后,通过仿真实验验证了所提算法的有效性。     

基于彩色图像Tetrolet变换的频数质心零水印算法

针对传统数字水印算法的透明性随嵌入强度的增加而下降的问题, 已有许多零水印算法提出。然而大多数算法或是鲁棒性和稳定性较差, 或是基于灰度图像设计的。本文提出一种基于彩色图像Tetrolet变换的频数质心零水印算法。该算法先提取彩色载体图像YCbCr空间的亮度分量, 再对亮度分量进行Tetrolet变换获得其低频系数, 再通过分块非负矩阵分解, 采用计算频数质心的方法构造特征矩阵。对水印信息依次进行Polar码编码, 二维交织构造出交织矩阵; 最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印。仿真结果证明, 该零水印算法可以有效抵抗非几何攻击、几何攻击以及组合攻击, 水印提取归一化相关系数值在0.9以上, 具有较强的鲁棒性和稳定性, 且具有良好的实用性。     

基于相对分辨能力的属性约简算法

在粗糙集理论中,分辨能力反映拥有知识的多少;为此,给出分辨能力相关概念、性质和计算方法,并提出基于相对分辨能力的约简定义,同时研究该约简定义与Hu差别矩阵约简之间的等价性,指出Hu差别矩阵约简可由相对分辨能力约简获得.为了进一步提高求解效率,通过减少约简过程中基数排序次数来提升效率,设计了相对分辨能力的约简算法,其时间复杂度为O(|C|~2|U|).实例分析和UcI中数据集的实验比较表明所提出的约简算法是有效的、可行的.     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

基于决策类分割的动态数据环境下的归纳学习

深入分析了基于分辨矩阵和传统决策矩阵的归纳学习算法中存在的问题,提出了一种新的决策矩阵及基于它的归纳学习和动态数据环境下的递增式学习方法.其主要思想是基于决策类将决策系统分割为多个子系统,并构造其新的决策矩阵,然后将决策系统上的归纳学习转化为新决策矩阵下的递增式学习.这不仅解决了动态数据环境下归纳学习问题,而且能降低矩阵空间规模,避免了传统决策矩阵算法中的重复计算.实例分析和实验结果验证了基于分治策略算法的合理性和有效性.     

基于S变换的机载雷达稳健空时自适应算法

非均匀杂波环境中的离群点会导致空时自适应处理(space time adaptive processing,STAP)性能的下降。针对此问题,该文提出一种新的基于S变换的稳健STAP(S transform STAP, ST-STAP)算法。该算法主要利用杂波和离群点的S变换在时频平面上分布特性的不同来实现非均匀杂波的抑制。ST-STAP算法首先将样本数据对应的快时间序列作S变换得到时频分布矩阵,舍弃部分高频分量以去掉离群点的影响,然后用时频矩阵的剩余部分计算相关矩阵和自适应滤波权。蒙特卡罗实验证明ST STAP方法的稳健性和动目标检测性能均优于传统的STAP算法。     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

一种非线性时变系统小波网络辨识算法

提出一种可对任意非线性时变系统进行辨识的新方法，即基于小波神经网络的带自校正移动窗的递推最小二乘算法，与现有的神经网络辨识算法不同，该算法是根据被估权值时变速度的快慢来自适应地调整移动窗的长度，以跟踪非线性时变系统的动态特性，文中推导了了算法，并将全局算法进一步推广成不含任何矩阵运算的局部算法以提高算法的实时性能，几个典型的系统辨识仿真实例显示出这种方法具有跟踪精度高和计算简便的良好性能。