基于加权最小二乘的字典学习算法

冗余字典学习是信号稀疏表示理论中的一个重要研究方面。首先,针对各训练样本稀疏表示误差各不相同的现象,建立了误差加权的信号稀疏表示数学模型,根据该模型提出一种基于加权最小二乘的字典学习算法,推导了算法闭式解和讨论了最优加权矩阵的选取。其次,为避免闭式解中矩阵求逆运算,进一步推导了算法的在线计算形式,对训练样本依次学习,每学习一个样本,字典进行一次更新,直至样本结束。此外,对算法收敛性进行了理论分析。最后,分别从信号稀疏表示和已知字典恢复两个方面仿真验证了理论分析的正确性和算法的可行性和优越性。     

基于AEPSO-SVM算法的雷达HRRP目标识别

针对雷达自动目标识别中的高分辨距离像(high resolution range profile,HRRP)识别问题,提出自适应进化粒子群(adaptive evolution particle swarm optimization, AEPSO)算法优化支持向量机(support vector machine,SVM)的目标分类识别方法。该算法利用非线性自适应惯性权重的调整以适应粒子寻优的非线性变化过程,采用分阶段调节加速因子增强粒子在进化过程中的学习能力,通过引入局部搜索算子在增加粒子多样性的同时有效避免了粒子陷入局部最优陷阱。通过改进的PSO算法优化SVM参数,建立分类识别器模型。将该AEPSO-SVM模型应用到雷达HRRP目标识别中,实验结果表明,该算法对于高分辨雷达目标识别精度高、鲁棒性强。     

基于深度学习的HRRP识别姿态敏感性分析

特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边...     

基于宽带雷达HRRP舰船目标长度估计算法

针对宽带雷达舰船一维高分辨距离像(high range resolution profile,HRRP)特征提取问题,提出了一种船长特征提取算法。首先,基于雷达舰船跟踪信息估计出姿态角,并提取运动状态特征;其次,根据边界幅度异常变化判断目标是否存在截像;然后,根据相邻相关法对齐目标,并剔除异常的HRRP距离像,采用基于门限分割方法提取目标区域,按照一定的投影准则计算船长。所提出的方法测长精度高,通过实测数据验证表明,自动估计船长平均误差在10%以内,具有较强的工程应用价值。     

遗传程序设计在统计建模中的应用

介绍一种利用遗传程序设计的方法来自动生成统计预测模型，并进行误差估计分析，改变过去只使用拟合曲线粗糙、预测结果不理想的几种传统固定统计预测模型的传统分析方法。通过对[1]和[2]的真实历史资料验证，结果表明，与传统的线性回归、指数回归、抛物线回归三种方法对比，遗传程序设计建立的模型所预测的数据准确度明显要高。     

基于规则和统计抽取模型中的主动学习算法

提出了一种文本信息抽取的主动学习算法,在只有部分标记训练文本的情况下,通过主动学习的方法将最有价值的训练文本挑选出来进行标记,该算法能应用到基于包装器模型和基于隐马尔可夫模型的文本信息抽取中,在不影响抽取性能的前提下,能有效降低模型训练过程对已标记训练文本的依赖程度,很大程度减少人工标记训练文本的工作量。     

基于统计特性的蝙蝠算法在认知无线电频谱分配中的应用

针对当前图论频谱分配模型下寻找最优解困难,容易陷入局部最优等问题,将蝙蝠算法引入到认知无线电频谱分配中,并利用图论频谱分配模型的特点,对二进制蝙蝠算法进行改进,以达到更好的效果。首先,将蝙蝠算法的选择策略改为贪婪选择,增强了蝙蝠算法在当前位置的开发能力。其次,统计种群中各蝙蝠经历的最好位置的分布情况,利用蝙蝠位置的统计特性指导蝙蝠寻优,加快算法的收敛速度。最后,在局部搜索时,直接在离散域操作,减少实数到二进制的映射,缩短搜索时间。仿真结果表明,本文算法在效益优于过去的算法的情况下收敛速度更快。     

基于Bagging-SVM动态集成的多极化HRRP识别

针对多极化高分辨率一维距离像（high range resolution profile, HRRP）在目标识别过程中存在计算量和数据量大、识别算法复杂的问题,提出一种基于Bagging-SVM动态集成的目标识别方法。该方法首先提取多极化HRRP平移不变特征向量,然后运用Bagging方法结合基于动态互信息的特征选择方法生成基分类器,最后引入基分类器差异度进行选择性集成。实验验证该方法在缩减数据规模和计算量的同时,能有效利用多极化特征信息,得到较高的分类正确率,并且松弛了HRRP目标的姿态敏感性。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

Unsupervised hyperspectral unmixing based on robust nonnegative dictionary learning

Considering the sparsity of hyperspectral images (HSIs), dictionary learning frameworks have been widely used in the field of unsupervised spectral unmixing. Ho...     

基于统计学习的逆向运动学实现方法

基于统计学习的思想,提出一种逆向运动学实现方法。角色动画运动数据维数较高,各维度之间存在相关性,直接对其分析计算复杂度高。该方法基于高斯过程隐变量模型对运动数据降维,将高维运动数据映射到二维隐空间,对隐空间数据进行聚类,寻找样本运动数据的典型姿态,典型姿态张成的子空间保留了样本运动数据的主要特征和规律。结合末端约束,对典型姿态进行加权优化,得到满足末端约束的最佳姿态。实验表明,该方法取得了较好的效果。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition,K-SVD）算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。     

基于视觉字典的在线多示例目标跟踪

在线多示例目标跟踪算法无法判别目标丢失以及无法适应目标尺度的变化。提出了一种基于视觉字典的在线多示例目标跟踪算法。算法将视觉字典和多示例跟踪分别作为检测器和跟踪器,利用互反馈技术提高跟踪性能。跟踪器完成目标的跟踪并为视觉字典的构建和更新提供训练样本;检测器则对跟踪器的结果（候选样本）进行判定,目标丢失时,暂停跟踪并重新检测目标,目标未丢失时,利用Ransac算法获得目标的尺度变换系数并在新尺度下更新跟踪器。为了提高目标丢失判别的准确性,提出了一种局部随机抽样的直方图相似性度量技术,采用局部划分思想和Noisy-NR模型计算候选样本与训练样本特征直方图的相似性,减少了传统直方图匹配由于受目标局部遮挡影响造成的误判。实验结果表明,该算法能够适应目标的尺度变化,检测目标的丢失,提高了跟踪稳定性。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

基于星座图统计的盲载波同步算法

卫星通信信号中90%以上采用相位或幅相联合调制方案,包括多进制相位键控（multiple phase shift keying,MPSK）,多进制正交幅度调制（multiple quadrature amplitude modulation,MQAM）,多进制幅相键控（multiple amplitude phase shift keying,MAPSK）等,此外短波通信、移动通信中MPSK也是最常用的信号类型之一。载波同步是信号解调中十分关键与核心的部分。针对非合作接收条件下幅相调制类信号星座图分布特性进行了深入研究,提出了一种基于星座图密度统计的载波同步算法,实现了一定信噪比条件下盲频偏消除与星座图恢复,此方案不需要预先进行调制识别,对数据量要求不高,复杂度低,抗噪性能好,可广泛应用于常规信号以及未知、猝发信号解调。仿真表明,在接近或高于解调信噪比的条件下,该方法频偏估计性能接近克拉美罗限,可应用于工程实践。