一种高分辨率频谱特征提取方法的研究

本文着重研究基于高分辨率雷达视频回波的目标特征提取问题。提出了基于ＡＲ模型动态地获取目标极点信息,利用获取的目标极点信息对线性调频变换进行初始参数的设置,雷达视频回波经基于此参数线性调频变换获得高分辨率频谱特征的新方法,并用这种方法对实地录取的地面目标视频回波数据进行处理提取高分辨率频谱特征。最后,利用所构造可分性测度计算了该模式特征的可分性测度值并与付里叶谱特征的可分性测度值比较,证明本文提出的方法具有更好的可分性,是一种良好的高分辨率目标频谱特征提取方法。     

基于最大差异延展算法的Web资源描述算法

针对虚拟计算环境下Web资源特性的描述问题,提出资源空间模型,采用流形学习的方法提取Web资源特征.首先根据资源空间模型,有效地将Web资源抽象为高维空间中的数据集;然后,采用流形学习中的最大差异延展算法.此方法不仅能有效地提取Web资源的特征,而且能够挖掘隐含在Web资源内部的本征信息;此时,描述Web资源特征的数据位于低维空间,有利于资源的进一步处理.基于最大差异延展算法的Web资源描述方法有效地解决了Web资源的描述问题.通过仿真实验证明了此方法的有效性.     

基于角域特征PSO的海面目标HRRP识别方法

针对特征空间中各类海面目标特征混叠严重和高分辨距离像(high resolution range profile, HRRP)的角度特征利用率低的问题，提出了一种基于角域特征粒子群优化(particle swarm optimization, PSO)的海面目标HRRP识别方法。该方法引入HRRP的角度信息优化特征空间，增加特征空间的整体可分性；利用自适应分帧算法对特征空间进行角域划分，增加特征空间的局部可分性，并利用PSO算法确定特征空间角域划分时最优的单帧最小样本数目，增强方法的鲁棒性与适用性。实验结果表明，通过将特征空间优化和区域划分进行结合，可以有效提升多类海面目标的分类识别性能，PSO算法可以有效增强方法的抗误差性和抗噪鲁棒性。     

基于谱映射的非线性Sharpe模型及其在基金投资风格识别中的应用

由于金融时间序列具有非线性的特点,经典的Sharpe模型难以全面、准确地描述经济变量之间的关系。为此,提出了基于谱映射的非线性Sharpe模型。谱映射的核心思想来源于经典的谱图理论。谱映射借助由数据集导出的一些特殊矩阵的部分特征向量,将该数据集投影至高维空间。在投影后的高维空间,数据集的有些性质得到改进,如原空间中线性不可分的数据集在高维空间线性可分。基于谱映射的非线性Sharpe模型,利用谱映射将基金收益率数据和风格指数收益率数据投影至高维空间,在高维空间利用经典Sharpe模型识别各基金的投资风格。利用基于谱映射的非线性Sharpe模型分析了部分开放式基金的投资风格。实验结果表明,本文提出的基于谱映射的非线性Sharpe模型的性能优于在原数据集上直接利用经典Sharpe模型得到的结果。     

航天测控中时空数据的可视化技术研究

多维时空数据的可视化是信息可视化领域一个深受关注的问题.首先分析了时空数据的构成要素和特点,在此基础上通过在空间模型中引入时间的概念,研究了基于事件的时空数据模型,并进一步提出了几种时空数据的可视化方法,包括基于空间时间线的方法、基于三维z轴时间线的方法和将屏幕时间线与几何空间相关联的方法,最后进一步探讨了时空可视化方法在航天测控领域的应用.     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。     

投影子空间下基于骨骼边信息的人体动作识别

近年来,基于骨骼数据的人体动作识别在计算机视觉、人机交互等领域受到了广泛的关注。现有的方法大多关注于在原始的3D坐标空间下对骨骼点进行建模。然而,骨骼点忽略了人体自身的物理链状结构,很难刻画人体运动的局部相关性;此外,由于相机视角的多样性,在原始的基于点的3D空间下难以探索动作在不同视角下的综合表征。鉴于此,提出了一种投影子空间下基于骨骼边信息的动作识别方法。定义了结合人体自身连接的骨骼边信息,用于捕获动作的空间特性;在骨骼边信息的基础上引入了骨骼边运动的方向与大小信息,用于获取动作的时间特性;采用2D投影子空间的方式在不同的子空间视角下进行动作表征;探索了合适的特征融合策略,通过改进的CNN框架对上述特征进行综合提取。在2个具有挑战性的大型数据集NTU-RGB+D 60(评价指标为cross-subject与cross-view)和NTU-RGB+D 120(评价指标为cross-subject与cross-set)上的实验结果表明,相比基准方法,所提方法在4个指标下精度分别提升了3.2%、2.4%、3.1%和5.8%。     

基于多特征标签相关性学习的图像自动标注

在网络真实环境下的图像数据集上的大规模语义标注是一个研究难点.提出了一种基于多特征标签相关性学习的图像语义标注方法,针对真实环境下大规模图像集合进行自动标注.首先提取图像多种视觉特征,采用多标记学习方法在特定特征空间完成标注词相关性学习,得到每幅图像的单特征标注词相关度;然后采用一种动态阈值确定方法估计单个特征和标注词的相关度阈值;最终采用一种无监督组合方法融合多种特征标和标注词的相关性生成图像语义标签.通过互联网数据集上的测试表明了方法的有效性.     

基于Unity3D的油田抽油机三维可视化监控系统设计

针对抽油机监测形式单一、三维可视化程度低和联动性差的缺陷,引入信息―物理实时映射思想,开发了油田抽油机三维可视化监控系统。设计了抽油机数字空间,搭建虚实交互层设计架构;搭建三维可视化系统数据组成及关系框架;结合逆运动学,构建数学模型,基于五维模型和Unity 3D平台设计抽油机三维可视化系统总体架构;以游梁式抽油机为对象进行实验验证,实现了实时动态监测、虚实混合控制、运动轨迹追踪和在线预警等服务功能。为三维可视化监控在石油机械领域的落地应用和数字孪生系统的开发提供借鉴。     

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.     

基于激光扫描数据的三维可视化建模

利用地面三维激光扫描仪获取的空间数据,进行了三维空间地物可视化建模研究,提出了利用地面固定激光扫描数据建立建筑物三维可视化模型的框架。针对激光扫描数据的特点进行了地物分离和降噪处理,提取目标建筑物,去除测量噪声和遮挡物;应用平面分割和Hough变换对目标物识别并提取特征点、线、面,进行目标建筑物立面整体匹配纠正,在此基础上,对原始测量数据进行重新采样和多站点拼接配准,得到正确的、完整的目标建筑物立面信息;通过构建三角网建立三维表面模型,通过进行纹理映射实现三维模型可视化表达。试验结果表明,利用上述方法可以有效地处理三维激光扫描获取的空间点位数据,实现对建筑物快速三维可视化建模。     

基于二维空间平滑的波束域MUSIC算法

针对强相关及多径信号环境下,基于均匀平面阵的高分辨方法无法准确估计信号的二维到达角以及运算量大等问题,提出了一种基于二维空间平滑的波束域MUSIC算法。该方法首先沿均匀面阵的两维方向对阵列接收数据进行二维空间平滑,实现相关源的解相关;然后将空间平滑后阵元空间的数据变换到波束域以降低计算量和系统复杂性;最后利用波束域MUSIC算法估计相关信号的二维角度。该算法能有效地对相关信号进行解相关,在降低传统的高分辨方法运算量的同时,可以获得比阵元空间处理更稳健的测角性能。理论分析和数值仿真结果验证了算法的有效性。     

多维视觉信息DWT-混沌加密技术研究

针对多维视觉信息图像和视频等的加密问题进行研究,提出一种基于离散小波和混沌序列的加密技术。该方法利用多维可视信号宿主的巨大可转换状态空间及各中间状态间的转换关系,获得一种视觉信息最佳保护系统结构框架模型,根据该模型,用DWT变换压缩知化视觉特征,用混沌序列破坏知化视觉特征,达到保护多维可视信息安全的目的。给出一个具体应用实例,通过仿真实验证明了该算法的有效性。     

基于direct LDA的幅度谱子空间雷达目标识别

针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA& SVM.先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-a11支撑向量机(SVM)多类分类器进行目标识别.并设计了最短距离分类器与SVM分类器比较.基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA & SVM可显著降低数据维数并提高识别性能.     

基于纯自注意力机制的毫米波雷达手势识别

在构建智慧控制,万物互联的背景下,通过手势远程控制设备,进行人机交互逐渐成为研究热点。对此,提出了一种以毫米波雷达为传感器,采用基于纯自注意力机制模型实现手势识别的方法。首先,采集正面视角的13类手势的时序回波数据。接着,对数据进行三维快速傅里叶变换(three-dimension fast Fourier transform, 3D-FFT)、动目标显示(moving target indication, MTI)、恒虚警率(constant false alarm rate, CFAR)检测操作并进行固定种类特征提取,将这些特征传入基于纯自注意力机制网络的雷达特征变换(radar feature transformer, RFT)网络。最后,基于实测数据完成了数据特征提取、网络训练、手势识别等步骤。实验结果表明,所提方法在测试集上准确率达到95.38%,网络训练时间短,模型复杂度低,泛化性好,为现有研究提供了新的研究思路。     

基于决策偏好信息的n维Pareto前沿可视化

针对现有可视化技术不能有效显示高维多目标优化问题的难题,提出了一种基于决策偏好信息的n维图表可视化技术。首先,针对两种不同的决策情况分别提出对应的目标信息共享机制;然后,根据目标共享信息将分层后的Pareto前沿,通过子图表进行绘制,有效显示了各维目标数据信息、性能优劣变化趋势和决策者的偏好信息。基于此思想设计了可视化模型并通过实验加以分析,达到了方便决策者对Pareto最优解集进行分析和决策的目的。     

任意有限维空间中群体行为的研究

探讨了任意有限维空间中的智能群体的聚集行为和迁徙行为,提出了一类基于局部信息的群体行为控制方法。从虚拟相互作用力的角度理解分析群体行为,采用吸引/排斥力的数学方法实现个体间的相互作用,并利用求解任意有限维空间点集的凸壳方法,将二维空间中的群体行为模型推广到任意有限维空间中,实现了一类基于局部信息的且适合于任意有限维空间的群体行为控制。在此基础上分析了系统的稳定性,并通过仿真实验验证了该方法的有效性。     

基于弹性网的多维信息可视化研究

处理数量巨大且富含多维信息的数据正成为人们关注的热点,可视化技术为我们分析和处理海量信息提供了新的手段。提出基于弹性网络图的多维信息可视化方法,详细阐述了弹性网络图的实现原理及其在多维信息可视化中的应用。弹性网络图把原始的多维信息在预先定义好的图上训练,使得图的能量最小,结果使原始的多维数据点聚集在能量最小的网络图节点周围。弹性网的构造是在与原始信息维度相同的空间中进行的,多维信息在网络图的内部坐标上投影,从而保证多维信息非线性降维后与原始信息之间的一致性。最后用弹性网络图方法对2003年中国非典的多维信息进行了可视化分析,验证了该方法的实用性。     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

多维数据的信息可视化方法及应用研究

将多维数据可视化可以帮助人们在有限的时间内快速理解和分析复杂的海量数据集,为决策提供依据.介绍了几种典型的多维数据可视化和交互方法;提出了用平行坐标和星形图技术对人体健康多维数据进行可视化和可视分析的设计方法,给出了可视化和分析结果,应用结果表明了这些方法有效性;本文介绍的多维数据可视化方法可应用于医学.金融.通信等多个领域.