SAR目标多尺度概率密度估计与识别

针对SAR目标识别问题,提出了一种基于核非线性映射的SAR目标多尺度概率密度特征的估计方法,并利用该特征进行目标识别。首先将SAR目标图像在多尺度域中分解,按一定规则建立多尺度根矢量;将多尺度根矢量经非线性映射到另一空间中,在该空间中利用基于核函数的技术结合parzen窗非参数估计得到概率密度函数。通过这一途径得到的多尺度概率密度分布挖掘了目标散射在尺度之间的相互关系,分布特征之间的相对熵测度可以用与目标分类识别。以MSTAR实测SAR目标数据集进行了多尺度概率密度估计和目标识别试验和分析,试验结果表明了提出方法的有效性。     

Bandwidth adaption for kernel particle filter

A novel particle filter bandwidth adaption for kernel particle filter (BAKPF) is proposed. Selection of the kernel bandwidth is a critical issue in kernel density estimation (KDE). The plug-in method is adopted to get the global fixed bandwidth by optimizing the asymptotic mean integrated squared error (AMISE) firstly. Then, particle-driven bandwidth selection is invoked in the KDE. To get a more effective allocation of the particles, the KDE with adap- tive bandwidth in the BAKPF is used to approximate the posterior probability density function (PDF) by moving particles toward the posterior. A closed-form expression of the true distribution is given. The simulation results show that the proposed BAKPF performs better than the standard particle filter (PF), unscented particle filter (UPF) and the kernel particle filter (KPF) both in efficiency and estimation precision.     

SYNTHESIZED EXPECTED BAYESIAN METHOD OF PARAMETRIC ESTIMATE

This paper develops a new method of parametric estimate, which is named as "synthesized expected Bayesian method". When samples of products are tested and no failure events occur, the definition of expected Bayesian estimate is introduced and the estimates of failure probability and failure rate are provided. After some failure information is introduced by making an extra-test, a synthesized expected Bayesian method is defined and used to estimate failure probability, failure rate and some other parameters in exponential distribution and Weibull distribution of populations. Finally, calculations are performed according to practical problems, which show that the synthesized expected Bayesian method is feasible and easy to operate.     

基于辅助变量法的双基阵纯方位目标跟踪算法

伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但估计结果严重有偏。针对伪线性估计算法估计的有偏性,提出了一种新的辅助变量方法对双基阵纯方位跟踪性能进行改进。该算法将上一时刻的目标估计值进行一次Levenberg-Marquardt迭代而得到的估计值作为辅助变量,进而对目标参数进行加权的最小二乘估计。通过仿真说明了利用该方法在不同的测量环境噪声下所得到的位置、速度跟踪误差曲线能快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性。     

融合多源先验信息的舰船备件可靠性评估

舰船工作环境常导致备件的实际可靠性规律与设计参数不一致。在实际使用消耗量较小的条件下,全面分析备件可靠性信息来源,通过定义似然权重系数,融合多源先验信息,建立指数型备件可靠性的贝叶斯评估方法。最后,通过仿真分析验证方法的合理性。结果表明,所提出的基于似然权重的先验信息融合方法可以较好地融合不同信息源的可靠性信息,估计方法具有较好的稳定性。     

基于IMU/GPS的性能导航方法研究

利用直角坐标系与大地坐标系之间的关系,将状态方程直接采用经纬度描述,GPS测量数据与电子地图上的经纬度相匹配,建立了混合模型,给出了一种新的GPS与IMU融合估计方法,提高了重复定位精度,更方便地实现组合导航系统功能。采用GPS和IMU装置进行了地面车辆试验和实际飞行试验,说明了模型和方法的适用性。

Abstract：

A mixed model was established and a new fusion estimation method for GPS and IMU was proposed through the relationship between the Cartesian coordinate system and the ground coordinate system,and the state equation described by the latitude and longitude directly,and the GPS measurement data and electronic map matched to the latitude and longitude.The provided method has improved the repeatability positioning accuracy and more easily integrated navigation system functions.The ground and actual flight were tested to illustrate the applicability of the model and method with GPS and IMU device.     

粗糙核k-means聚类算法

通过研究核聚类算法,以及粗糙集,提出了一个新的用于聚类分析的粗糙核聚类方法。通过mercer核映射把输入空间中的样本映射到Hilbert空间,使样本空间中没有显现的特征在特征空间中突现出来,在这种样本差异加大的基础上,结合粗糙集的思想,把样本分别划到相应聚类中心的上、下近似中,上、下近似中的样本按照一定的比例来共同决定新的聚类中心。这样不但聚类精度大大提高,而且算法收敛速度也较快。仿真实验的结果表明该算法的可行性和有效性。     

一种单站纯方位目标跟踪算法研究

纯方位目标跟踪是水下目标定位跟踪的重要问题。伪线性估计算法是主要的纯方位目标跟踪算法中之一,在水下目标定位跟踪领域中得到了广泛的应用,其计算简单,但估计结果严重有偏。为了克服伪线性估计算法的估计有偏性,提出一种新的辅助变量方法,利用过去观测的三个方位来预测当前方位,从而消除该算法的估计偏差,得到理论上无偏的修正伪线性估计算法。通过多次计算机仿真计算,表明该算法是一种递推、稳定以及无偏的估计算法。     

系统分析中结构建模的核心变换法

核心变换法是作者提出的“核心要素法”体系中的基本方法之一，是结构建模中消除未知元素的一种非常有效的新方法，这种方法从初始矩阵开始，利用传递性经过一系列的“核心变换”，消除未知关系从而得到可达矩阵表示的结构模型。     

基于激光数据配准的移动机器人自定位

提出了一种基于激光数据配准的移动机器人自定位方法。该方法避免了对激光数据进行特征提取以及点对点的对应,仅以预处理后激光数据的核密度估计作为定位依据,以核相关方法作为比较相邻两组激光数据相似性的度量准则,并在此基础上建立以旋转平移向量为参数的自定位目标函数。最后采用BFGS拟牛顿方法对目标函数进行寻优,最终实现移动机器人的自定位。对180度激光数据的仿真实验结果证明了该方法的有效性。     

基于核主元聚类的股票分类

为了正确区分不同的股票类别, 降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中, 首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,再利用K均值聚类方法对降维后数据进行聚类,并最终得到不同的股票分类情况.选择了沪深股市中20支上市公司股票来进行实证分析.实证结果表明：核主元聚类方法取得了较好的分类结果,为上市公司股票分类和评估提供了很好的依据, 具有较好的适用性.     

分布式控制系统防危体系的设计与实现

软件的大量应用使大型分布式控制系统面临严峻的防危考验,迫切需要新的防危技术。防危核就是应运而生的一种新防危保障技术。本文探讨了把防危核技术直接移用于大型分布式控制系统存在的困难,首次提出了建立分布式控制系统防危体系的设想,深入研究了防危体系应具有的特点和设计目标。在此基础上结合分布式控制系统的防危需求,提出了一种基于防危核技术的防危体系SSBSK,然后以交通灯指挥系统为对象建立了SSBSK,并验证了该SSBSK的可行性和有效性。     

核Fisher判别分析多参数自动优化算法

针对智能优化算法原理复杂,相关参数设置困难的缺点,尝试利用拟牛顿法对核Fisher判别分析多个核参数进行自动优化。根据经验风险最小准则构建目标函数。为保证目标函数连续且可导,通过连续的sigmoid函数将离散的二进制输出转化为连续的概率输出。利用正交表选取初始核参数点。实验结果表明,所提算法具有同遗传算法相近的分类性能,且收敛速度快,原理简单,可以很好地应用于核Fisher判别分析多个核参数优化。     

基于一种最优核鉴别矢量集的雷达目标识别

基于高分辨距离像的雷达目标识别的关键是如何提取距离像的有效鉴别特征.通过分析核Fisher准则函数下核类内散布矩阵的零空间信息与非零空间信息对识别的贡献,基于同构映射思想,求解出一组最优鉴别矢量集,用于提取距离像的鉴别特征.同时,给出一种快速算法,用较少的训练样本表达投影方向,加快了鉴别特征的提取速度.基于外场实测数据的实验证明了方法的有效性.     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

基于热核特征的SAR图像地物识别方法

采用了一种空间敏感度特征包(spatially sensitive bags of feature, SS BOF)来实现合成孔径雷达（synthetic aperture radar,SAR）图像的地物识别。首先采用推广的核模糊C 均值方法分割SAR图像,提取SAR图像目标图形;采用Harris角点检测子提取角点,接着对目标图形进行Delaunay三角剖分;采用cotangent weight方法对三角剖分图赋值,进而求得离散化Laplace Beltrami算子的特征值、特征向量,并计算SS BOF,进而对地物目标进行识别,其识别方法采用比L1相似准则效果更好的相关系数法;最后与热核迹等热核不变量特征以及Hu不变矩特征进行对比。实验表明：空间敏感度热核特征的识别率高于热核不变量的识别率,并与经典的Hu不变矩特征比较,识别率有所提高。     

基于可能－满意度的施工临时设施优选模型

在施工系统中, 重大临时设施厂址选择常常涉及到大量的不确定性因素。本文用可能-满意度指标测度在厂址选择过程中因素的不确定性, 模糊性和决策者的主观性, 并提出可能-满意度的确定方法。采用系统层次分析方法, 建立了厂址优选模型。通过实例分析说明这种决策方法是比较客观、合理的。     

Linux运行过程的可视化研究

为了直观地显示Linux系统中关键操作的执行过程,探索了在Linux源码中嵌入程序片段采集数据、记录内核运行情况、并以可视化方式再现内核运行过程的方法。以重构某一时间段内内核的活动为目的,给出Linux运行状态的描述,以及在运行的内核中采集数据的方法。最后展示了一个具体操作过程的数据描述和对数据的可视化处理实例。     

宽波段与窄波段植被指数估算大豆LAI对比研究

分析比较几种常见宽波段植被指数和高光谱窄波段植被指数与大豆叶面积指数(LAI)的相关性及其预测力,通过建立不同植被指数与LAI之间的统计回归模型,发现各植被指数均与LAI曲线相关,相关关系可分为两种不同的模式——幂函数关系和指数函数关系。对于全部植被指数和窄波段植被指数而言,一阶微分绿度植被指数1DZ-DGVI对大豆LAI的估算效果最佳;而对于宽波段植被指数而言,以宽波段三角植被指数B-TVI的效果最佳。通过对比发现,在估算大豆LAI方面,窄波段植被指数并没有表现出明显的优势性,有些植被指数甚至还没有其对应宽波段植被指数表现的好。不论从回归分析结果的均方根误差RMSE来看,还是从模型检验的均方根误差RMSE和相对误差RE来看,B-TVI的表现与1DZ-DGVI的表现相差不多,因为两者回归分析和模型检验的RMSE分别相差0.0153、0.0083,模型检验的相对误差仅相差0.0043,这表明宽波段光谱植被指数可以用来监测大豆LAI。图2,表3,参22。     

基于DA-RKELM算法的光伏发电功率预测方法

针对光伏发电功率具有的波动性和随机性等特点造成的电网安全问题,提出了一种基于蜻蜓算法优化的正则核极限学习机光伏发电功率预测方法。通过相关性分析确定影响光伏发电功率的关键影响因子,构建光伏发电功率预测模型;利用蜻蜓算法获取网络最优的权重和阈值,在标准极限学习基础上引入正则化函数和核函数以避免传统梯度下降法造成的过拟合问题,增强模型空间映射能力;仿真实验表明,与DA-ELM、PSO-ELM以及标准-DA-ELM模型相比,DA-RKELM预测模型能达到更高的预测精度,更贴近光伏发电的实际运行功率。