基于可重构度的在轨卫星多级健康评估方法

目前在轨卫星健康评估主要采用加权方法,其主要问题是对卫星系统高冗余、可重构特性体现不足,且评估模型权重参数的确定过于依赖专家经验。针对以上问题,提出了基于可重构度的在轨卫星健康状态评估方法,以可重构度指标刻画卫星的高冗余、可重构和非线性等结构特性对系统健康状态的影响。在部件级水平上,采用非参数回归方法综合多元参数评估健康状态。从部件级到系统级,通过建立基于可重构度的系统结构树模型进行加权综合,实现卫星多级系统的健康状态评估。通过某卫星姿态控制系统的高保真仿真案例分析进行验证,结果表明所提方法对卫星的健康管理具有实用价值。     

卫星信息应用链任务处理能力评估方法

针对卫星信息应用链任务处理能力评估问题,分析了卫星信息应用链任务处理的基本过程,建立了卫星信息任务处理过程的网络模型。利用排队网络方法分析了卫星应用信息链期望情况下的任务处理能力,利用网络演算方法分析卫星应用信息链最差情况下的任务处理能力。通过案例研究对比了两种评估方法,得出了卫星应用信息链任务处理能力的期望性能和最差的性能。     

复杂多卫星系统的综合建模与仿真

如何分析、评价和优化复杂的多卫星系统是人们关心的重要问题，而行之有效的解决途径是建立综合性的建模和仿真环境。为此，分析了多卫星系统的复杂性特征，研究了相应的建模和仿真方法，并以对地成像观测和电子侦察卫星系统为重点研究对象，以构建柔性软件为目标，采用面向对象的方法和基于组件的技术，设计实现了“多卫星系统综合效能仿真分析软件”(MSSE)。文章最后介绍了软件的主要功能和实现机制。     

高分辨雷达目标回波模拟器设计

研究实现了一种基于宽带数字射频存储器和数字图像合成器的高分辨雷达目标回波模拟器。该模拟器采用去斜率解调和调制处理来降低系统中频处理带宽,从而降低了系统复杂程度。设计了一种基于高性能FPGA的数字图像合成器来实现高分辨雷达目标回波的模拟功能,推导并分析了数字图像合成器的工作过程。最后,以一个128个距离单元的数字图像合成器来合成一个运动飞机目标为例,将其压缩图像与计算得到的该飞机距离像进行了比较,结果表明该模拟器可以逼真的模拟复杂目标一维距离像。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

松辽平原中部地区农田防护林立地分类及质量评价的研究

本利用多元回归和逐步回归分析方法，确定了影响松辽影响松辽平原中部地区农田防护林生长的主导因子，南部类型区为土壤含盐量多少，北部类型区为有机质和水分。并采用综合多因子方法对本地区的立地类型进行分类。同时根据立地指数和ＴＭ数字图像信息评价了产地质量。     

案例信息不确定下的多属性分类方法

针对实际决策问题的复杂性以及决策者认知的局限性,提出了一种案例信息不完全确定情况下的多属性分类方法.该方法采用二元语义处理方案的语言评价信息,以方案到正理想点的距离作为分类依据,利用案例集提供的分类概率信息建立区间目标规划模型,推导方案的属性权重及各个类的边界值.在建模过程中,考虑了案例信息的不确定性,并引入了可信度的概念,将总的可信度作为分类模型的评价标准.此外还从理论上证明了模型的合理性.最后,通过一个项目评价的分类实例说明了所提方法的可行性.     

面向产品特征的中文在线评论情感分类:以本体建模为方法

在线产品评论反映了用户对产品的体验,对其进行情感分类不仅有利于商家的战略发展,也有助于消费者理性购物。然而,现有研究大多采用上下文无关的情感分类方法,却无法处理褒贬混合的评论及情感词极性随上下文变化的情况,从而导致情感分类的精度不高。针对现有研究的不足,提出一种产品特征级情感分类方法。基于领域本体识别评论中的特征观点对,根据已知极性的评论判断特征观点对的极性。最后,通过加权平均的方法合计评论中各个特征观点对的极性,最终实现对评论的情感分类。为了验证方法的有效性,以手机和数码相机评论为对象设计实验,实验结果表明,本文提出的方法具有一定的领域普适性,能有效识别不同领域评论中的特征观点对,并判断其情感极性。结果还显示,在准确率、召回率和调和评价值3项性能指标上,该方法都优于文档级、句子级和词语级的基线实验方法。     

陆地移动卫星信道高速仿真模型设计

文中提出了实现陆地移动卫星(LMS)信道高速仿真模型的方法。该方法采用莱斯正弦和法，基于四分之一周期三角函数查表法实现陆地移动卫星信道快速仿真模型设计，使系统在仿真的过程中，一方面避免了复杂的三角函数运算和乘法运算；另一方面，相对整周期查表法也大大节省了系统资源，此优点在设计对数高斯信道模型上体现尤为突出。     

卫星移动终端自适应阵列技术研究

卫星移动通信系统中，地面移动终端常因地面上其它通信系统的干扰而不能正常通信。为了保证卫星移动终端的正常通信，考虑在卫星移动终端采用自适应阵列技术来提高系统性能，详细阐述了采用该技术的必要性和可行性。重点分析了在处理自由度受限情况下，自适应阵列的抗干扰性能以及波隶跟踪性能。仿真结果表明，在卫星移动终端采用恒模阵列能够获得较好的干扰抑制性能。     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

复杂背景下基于改进粒子滤波的红外人体跟踪

为解决复杂背景下红外图像序列中的人体跟踪问题,提出了一种改进的粒子滤波跟踪方法。根据红外图像中人体目标的特点,首先建立人体的灰度直方图来提取其灰度特征,同时采用一种新的基于帧间差分和灰度概率分布图的方法提取其运动特征。然后将上述两种特征融合到粒子滤波框架中,用于粒子权值的计算,最终实现红外序列中人体的稳健跟踪。实验结果表明,和传统粒子滤波算法相比,该方法大大提高了复杂背景下红外人体跟踪的准确性和有效性,跟踪结果令人满意。

Abstract：

An improved particle filter tracking algorithm was proposed to solve the problem of human tracking in infrared image sequences under complex background.According to the characters of the human in the infrared images,the algorithm firstly constructed the gray histogram of the human to extract the gray feature,and at the same time utilized a new method based on the inter-frame difference and gray probability distribution image to get the motion feature.Then,the above-mentioned two features were fused into the particle filter frame to calculate the particle weights.Finally the robust tracking of human in infrared image sequences was achieved.The experimental results show that compared with the traditional particle filter algorithm,the presented method greatly improves the accuracy and effectiveness of the infrared human tracking under complex background,and the tracking results are satisfactory.     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.     

基于Gabor变换的凹凸字符图像特征抽取新方法

凹凸字符在成像时,由于字符和背景的材料和颜色一致,得到的图像对比度较低,在提取字符特征时较一般字符相比难度较大.针对此问题,根据标牌凹凸字符的特点,首次提出了一种基于灰度图像和Gabor变换的凹凸字符特征提取新方法.首先设计了一组Gabor滤波器,然后对凹凸字符的灰度图像直接进行特征抽取,分别提取凹凸字符水平、竖直、左、右对角线等四个方向上的局部笔画特征,在此基础上,继而建立一种不变Gabor特征空间,经大量实验证明这种不变Gabor特征具有优良的可分性,并且具有良好的旋转、尺度和平移不变性,同时对光照变化和噪声也具有较强的鲁棒性,从而进一步证明Gabor滤波器适宜于应用在低质量图像的特征提取中.     

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小渡域图像去噪算法.该算法首先设计两个具有方向性的二维不可分滤波嚣,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪.通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高.     

基于特征空间决策的SAR图像舰船尾迹检测算法

分析了合成孔径雷达(SAR)图像中舰船尾迹的线性特性。由于引起SAR图像线性特征的因素很多,因此针对常规Radon变换域中尾迹峰值检测的不确定性问题,提出了一种基于特征空间决策的尾迹检测算法。该算法首先门限化图像的Radon变换系数,提取出所有可能的峰值点;然后对这些相应的局部峰值的"截面"进行连续小波变换峰值匹配,再根据提取到的参数形成决策矢量在特征空间中进行决策。对仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹。     

自适应特征熵权模糊C均值聚类算法的研究

特征权重算法对聚类效果有很大的影响,而传统的特征权重算法忽略了特征项在类间和类内的分布情况.因此,研究聚类后样本特征属性表现的有序性程度对聚类结果的影响,分析聚类后样本特征属性的分布情况,提出了一种自适应特征熵权模糊C均值聚类算法.该算法以聚类后的特征熵和信息增益作为准则调整特征权值,通过聚类与权重更新逐步迭代优化,直至获得最优的特征权值.实验表明,自适应特征熵权模糊C均值聚类算法能够有效地区分各个特征属性对聚类效果的重要程度;较于其它加权模糊C均值聚类算法,该算法能够得到更高的聚类准确率.     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

基于Hilbert变换的正交检波器设计新方法

实信号处理实现正交检波时,通道间不匹配必然会产生镜像干扰。提出了一种复解析信号处理实现正交检波的新方法,从理论上消除了通道间不匹配所产生的镜像干扰。复解析信号处理需进行信号的Hilbert变换,分析了一种近似实现Hilbert变换的方法对系统性能的影响,给出了新方法的二阶采样数字化实现方案。与一阶数字化正交检波结构相比,二阶采样方案更利于实时实现。