噪声信道的鲁棒图像编码

在一鲁棒图像编码方案的基础上提出了一种改进方案。通过改变部分比特输出的先后次序，保留它将SPIHT输出比特分类以体现各类信息的重要性及出错敏感性，使用不等保护能力纠错编码，并且利用图像小波系数数据幅度的非均匀分布规律，解码时添加后处理步骤，将小波系数适当减小，得到更高质量的图像。该方案算法简单，在实现鲁棒编码结构的同时提高了压缩效率。失真率分析和实验结果都表明该方案提高了峰值信噪比，从而改进了压缩效率。     

基于鲁棒学习的鲁棒RBF神经网络

提出了一种基于鲁棒学习的鲁棒RBF神经网络。使用聚类方法选择RBF网络隐结点的中心,以鲁棒代价函数为目标函数,采用梯度下降法调整隐层结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。仿真实验结果表明了RBF神经网络的鲁棒优越性。     

鲁棒极点配置方法

研究一类线性多变量系统的鲁棒极点配置问题，提出了一种基于极点配置和目标函数优化的鲁棒极点配置方法。基本思想是，利用极点配置的参数化表示结果，以系统输出的Ｌ∞范数作为极点配置寻优的准则函数，通过解优化问题的途径确定极点配置问题中的自由参数。     

适合于实现的鲁棒通讯方法

由Ｐａｒｌｉｔｚ Ｕ和Ｅｒｇｅｚｉｎｅｒ Ｓ提出的鲁棒通讯方法要求发射器和接收器产生完全相同的混沌序列，这在实现上是有困难的。本文改善了这一方法。改善后的方法不仅对外噪声是鲁棒的，而且适合于实现。     

线性系统状态估计器的鲁棒设计方法

在考虑对噪声不确定系统的状态估计器进行鲁棒设计的条件下，提出一种新的简化性能指标函数，据此设计的状态估计器，设计过程为简单直观。     

一种鲁棒回归支持向量机及其学习算法

为了提高支持向量机的泛化能力,给出了一个鲁棒损失函数,利用它建立了鲁棒支持向量机,并利用对偶原理推导出其对偶优化问题的形式,在此基础上设计了局部梯度算法,在这种算法中每次迭代只改变两个优化变量的值。随后分析了算法的收敛性条件,给出了学习步长的选择依据,最后用一个仿真实例来说明所提出的支持向量机的学习性能,比标准支持向量机具有更好的鲁棒性。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

一种克服噪声的鲁棒Laplacian特征映射算法

针对流形学习算法普遍存在对噪声敏感的问题,提出一种克服噪声的鲁棒Laplacian特征映射算法。该算法从Laplacian特征映射出发,在降维过程中,对样本点的邻域范围采用局部PCA的方法,以识别和剔除包含的噪声点,并在重构低维嵌入坐标的同时保持流形光滑连续的整体性,较好地改善了算法的特征提取性能。实验结果表明,所提算法有效地提高了对噪声的鲁棒性。     

采用反馈的鲁棒系统设计方法

基于多变量系统鲁棒理论和反馈可以减小对象参数变化对输出影响的思想，本提出一种鲁棒系统设计方法和设计内反馈增益矩阵的算法。用该方法对一实际工业对象设计了鲁棒控制系统，结果令人满意。理论分析和实际系统设计结果表明，该方法设计的系统比串联补偿鲁棒设计的系统具有更好的鲁棒稳定性和鲁棒性能。     

具有不确定噪声的离散广义线性系统的鲁棒状态估计

本文研究了一类具有不确定噪声的离散广义线性系统的鲁棒状态估计问题，利用对策论的基本原理，给出了一种比较简单实用的近似估计方法．即最小化不确定下最坏性能的极小极大鲁棒状态估计．     

一种脉冲噪声中的韧性子空间跟踪方法

一般地,基于二阶统计量的子空间跟踪方法对脉冲噪声敏感,性能出现退化.为此以α稳定分布作为脉冲噪声的模型,研究噪声环境中的韧性子空间跟踪方法.以分数低阶统计量理论为依据,把α稳定分布噪声中的子空间跟踪看做一个无约束的优化问题,提出了一个新的代价函数,并推导出一个韧性算法.同时还利用M估计对算法进行了简化.在数值模拟中把新算法应用于方向估计,结果表明了新算法和简化算法的有效性.     

带混合噪声回归模型小波估计器的相合性

针对带混合噪声回归估计问题,利用小波方法构造线性小波估计器,并在不假定待估回归函数具备任何光滑性的前提下,证明小波估计器的L^p(1≤p<∞)相合性。     

A robust face recognition method using multiple features fusion and linear regression

This paper presents a robust face recognition algorithm by using transform domain-based multiple feature fusion and lin- ear regression. Transform domain-based feature fusion can provide comprehensive face information for recognition, and decrease the effect of variations in illumination and pose. The holistic feature and local feature are extracted by discrete cosine transform and Gabor wavelet transform, respectively. Then the extracted holistic features and the local features are fused by weighted sum. The fused feature values are finally sent to linear regression classifier for recognition. The algorithm is evaluated on AR, ORL and Yale B face databases. Experiment results show that our proposed algo- rithm could be more robust than those single feature-based algo- rithms under pose and expression variations.     

线性模型中基于稳健诊断的局部影响分析

 在线性回归模型的局部影响分析中,通过用具有高崩溃点的稳健估计替代局部影响分析诊断统计量中投影矩阵的方法,给出了一种有效识别影响点的方法.实例分析说明,该方法对高杠杆点及掩盖效应具有较好的识别效果.     

多响应近似线性回归模型D最优稳健设计

讨论了多响应变量模型的D最优稳健设计问题．在每个响应变量与自变量之间存在近似线性回归关系的假定下,针对偏差向量函数属于某一给定的L2邻域的情形,得到了D最优准则下设计密度的解析表达式．     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

基于自回归模型的加性噪声环境稳健语音识别

为提高噪声不平稳或不可估的情况下语音识别的稳健性,提出了利用自回归模型和短时平稳性假设,估计干净与噪声环境的语音数据,建立相应的语音识别模型,以达到抗噪效果的稳健语音信号处理方法。在N o iseX-92的4种噪声环境(w h ite,babb le,vo lvo,destroyer eng ine)从0到20 dB的不同信噪比下的“863”大词汇连续语音标准数据库的平均识别结果表明,该方法能够使得基于段长分布的隐M arkov模型的语音识别系统在25候选时声学层的音节相对错误率下降达到10.85%以下,同时相对正确识别率上升12.13%。     

稳健非线性回归估计Newton—Raphson算法的强相合性

考虑非线性回归ＧＭ－估计的计算问题，在一定条件下，证明了ＧＭ－估计的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ算法是强相合的。     

液压系统的快速混合建模与鲁棒控制

为了减少液压系统建模时的推导过程,利用键图法和电路网络法2种建模方法的优点为液压系统建模.先将液压系统绘制成键图,再将该键图转换成等效的电路图,然后由电路网络法直接写出该系统的传递函数的数学模型.最后给出了所建的液压系统模型的鲁棒控制,仿真结果良好,控制的鲁棒性较强.     

脉冲噪声单脉冲分析及建模

脉冲噪声是影响电力线通信的主要因素,在脉冲宽度范围内它不仅具有突发性,且具有一定的包络特性。而现有模型往往忽略了该包络特性,针对该问题,提出一种新的建模方法。该方法基于包络特性在频域上表现为多线段特性,使用马尔科夫链(Markov chain,MC)建立频域极值点序列的统计模型,然后使用该模型对脉冲噪声频域实部和虚部进行拟合,再采用快速傅里叶逆变换(inverse fast Fourier transform,IFFT)产生在时域上具备该包络特性的单脉冲波形。仿真结果表明,提出方法所构造的单脉冲波形不仅在统计规律上与真实噪声相同,而且在其突发性基础上展现良好的包络特性。