复图像域SAR运动目标参数估计性能分析

为分析合成孔径雷达(synthetic aperture radar,SAR)复图像域运动目标的参数估计性能,本文在SAR复图像域地面运动目标信号模型的基础上,推导了色高斯分布杂波中运动目标参数估计的克拉美罗界(Cramer-Rao bound,CRB).分析了参数估计性能与运动目标散射强度、运动参数以及信号功率谱的相互关系,并比较了信号域和复图像域的参数估计性能.进而,提出采用降分辨率处理(reducing resolution processing,RRP)提高了复图像域参数估计性能,并定量分析了RRP带来的参数估计性能改善.参数估计性能分析表明,在均匀杂波背景下的SAR复图像域,可实现目标高精度的运动参数估计和定位处理.最后,数值实验结果验证了本文参数估计性能分析的正确性和有效性.     

机载雷达Doppler分布式杂波模型及参数估计

针对机载雷达平台运动造成的杂波谱中心偏移和展宽, 提出一种Doppler分布式杂波(DDC)模型在时域描述杂波协方差矩阵. 并基于该参数化模型, 研究了最大似然、加权子空间匹配等超分辨率方法在杂波Doppler参数估计中的应用, 取得了明显优于传统方法的性能. 理论推导和实际数据处理结果也验证了模型的正确性及参数估计方法的有效性.     

一种针对多峰随机分布的不确定性传播分析方法

在实际工程应用中随机变量可能会服从多峰随机分布,如火车减振器在长期使用后的阻尼特性和安全切割试件修复后的疲劳寿命等.传统的不确定性传播方法主要用于处理单峰随机分布问题,而在处理多峰随机分布问题时容易产生较大误差.本研究提出了一种针对多峰随机分布的不确定性传播分析方法.首先,使用高斯混合模型建立多峰随机变量的概率密度函数;其次,发展了一种高效三元降维法计算响应函数的高阶统计矩,该方法可以有效提高不确定传播的计算效率;再次,使用最大熵方法来计算响应的概率密度函数并且通过基于熵值的自适应方法来确定统计矩的最优阶数;最后,使用四个算例验证了提出方法在多峰不确定性传播中的计算精度和效率.     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

基于平行因子分析的频率、二维到达角和极化参数联合估计

文中基于平行因子分析、结合高阶累积量,提出了一种信源频率、二维到达角和极化参数联合估计的新算法。该算法给出了一种新的阵列结构;接着巧妙选择特定偶极子对的输出计算四阶累积量,进而构造高维矩阵;然后基于形成的矩阵在累积量域构造平行因子分析模型,并分析了该模型低秩分解的唯一性,最后利用其分解的结果联合估计信源参数。文中算法有效减小了阵列孔径损失、避免了参数配对。最后给出的仿真结果证实了文中算法的有效性。     

基于H/A目标极化分解理论的统计分析

极化分解理论是雷达测量数据与目标物理散射属性相联系的一座桥梁,在极化SAR信息处理中获得广泛的应用。基于目标方差矩阵的特征矢量分解(H/A)在极化分解理论中备受关注。在此背景下,用新方法重点分析了H/A分解中特征值、特征矢量以及H/A等参数的统计特性,给出了特征值分解的各参数物理机理以及描述其起伏特性的概率密度函数;指出了其受杂波影响导致分解的特征不稳定性,且视图数的不同会导致分解参数不同程度地偏离真实值,在此基础上分析了H/A分解中特征值、特征矢量以及H/A等极化分解参数最大似然估计的偏斜性评估,为准确获得极化特征参数打下了初步的理论基础。     

复合高斯杂波中知识辅助检测器的先验信息感知方法

利用先验信息可以提高雷达目标的探测能力,若先验信息与当前探测环境不匹配,知识辅助检测器的性能会受到影响.本文针对Bayes框架下的复合高斯杂波中的知识辅助检测器,提出了杂波纹理分量先验分布参数的感知方法.首先阐述了知识辅助检测器先验信息感知的一般方法.然后针对基于杂波纹理分量先验信息的知识辅助检测器结构,建立了先验模型参数失配与知识辅助检测器检测性能之间的量化关系.进一步利用知识辅助检测器对当前杂波场景进行探测,获得检验统计量和虚警率测量值,从而构造纹理分量分布参数的约束关系.通过分析多个约束关系的交点,获得杂波纹理分量先验分布参数的感知值.计算机仿真分析了这种感知方法的可行性,并利用实测杂波数据对感知方法进行了验证.通过知识辅助检测器检测性能对比分析,采用感知方法获得的先验信息模型参数能够进一步提高检测器的性能.     

分布式SAR小卫星编队轨道设计方法研究

编队轨道设计对分布式SAR小卫星的系统方案设计与性能分析具有十分重要的意义. 基于开普勒轨道方程推导了被动稳定的编队飞行轨道要素的近似解析解, 提出了一种适用于分布式SAR卫星特点的编队轨道设计方法, 并对编队轨道的精度进行了误差分析, 给出了典型的分布式SAR卫星编队轨道要素的计算公式. 针对L波段分布式SAR卫星进行了编队轨道参数设计, 给出了分布式卫星绕飞轨迹的计算机仿真结果, 验证了公式推导的正确性及轨道设计方法的有效性.     

前向散射雷达地表杂波物理建模及频谱扩展分析

文中通过对前向散射雷达杂波实测数据的处理,观测到前向散射雷达杂波谱的扩展对风速和载频极不敏感这一特殊现象.首次引入钟摆模型对前向散射雷达植被杂波进行物理建模和形成机理的分析,并给出了定量的理论分析结果,可很好地解释前向散射雷达杂波谱扩展的特殊现象.钟摆模型假设下分析得到的结果与实测数据处理结果非常一致,充分地验证了这一模型的合理性,揭示了前向散射雷达杂波谱的形成规律.并且基于杂波谱扩展对载频和风速的稳定性特征,可得到最优的杂波抑制带宽,有效地进行杂波抑制,为运动目标的检测和精确参数估计奠定了基础.     

一种参数化的机载雷达最优处理新方法

雷达目标检测中, 最优处理器能够自适应地调整权值以跟踪环境的变化, 而最优权值的计算则需要依赖大量独立同分布(i.i.d.)的干扰样本. 因此在机载雷达非均匀的杂波背景中, i.i.d.样本数不足常导致最优处理性能的恶化. 文中在考虑杂波内部波动的基础上, 形成了一种修正的多普勒分布式杂波(DDC)模型, 并以此提出了一种参数化的最优处理新方法. 区别于现有方法, 新方法将最优权值计算转换为对DDC模型的参数估计, 即估计角频率中心和扩展. 并采用一种低复杂度的非线性能量算子实现上述参数的估计. 通过理论分析和仿真实验表明新方法对i.i.d.样本数的要求显著下降, 并具有运算量小、易于实现的优点.     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

一种基于Markov随机场模型的核磁共振图像分割方法

为了提高核磁共振(MR)图像分割的效果,提出了一种基于Markov随机场模型的分割方法。该方法利用Markov随机场描述图像的先验分布,结合MAP准则获得分割优化函数,通过ICM局部迭代使分割优化函数收敛。迭代过程中引入了后验概率矩阵的平滑;提高了分割的精度和速度。实测数据的实验结果证明了所提方法的有效性。     

求同存异的非局部图像去噪

非局部方法是近年来图像恢复领域最重要的方法之一,这类方法的关键在于如何理解和描述自然图像的自相似性质.本文通过对自相似性质的深入分析,提出描述自相似性质的两个原则：1）＂两方向＂原则：利用隐含在图像中的两方向相关结构.2）＂求同存异＂原则：利用相似性的同时保持各相似块之间的相对差异.然后利用奇异值分解建立了一种符合这两个原则的非局部图像去噪模型.该模型能获得很好的去噪效果.     

能源互联网重要基础支撑:分布式储能技术的探索与实践

可再生能源分布式发电的能量波动性以及用户驱动的能量需求的时空随机性,导致能源互联网中能量流本身具有先天的不确定性与无秩序性,因此,分布式储能技术由于可以有效消除能量流的不确定性,并使能量的时空转移和能量流的有序流动成为可能,成为能源互联网重要基础支撑.分布式电池储能作为一种重要的储能方式,电池单体本身非线性特性与电池成组或成网后单体间的差异性,使得电池储能系统"管理好"成为真正"使用好"的基础.但是,电池成组或成网后将构成复杂巨系统,这对"管理好"带来巨大的挑战.因此,本文基于作者多年理论与技术的成果积累,总结了一套适用于分布式储能的大规模电池网络优化管理的理论与方法,包括:单体和电池组或电池网络的建模与状态参数精确估算;基于模糊测度的电池网络特征提取及快速计算;基于自适应动态规划的电池网络优化管理.随后,本文将基于能源互联网思想的分布式储能架构及其管理优化方法与技术引入数据中心,并给出了其在数据中心中实际应用原型系统介绍.本文工作可以为能源互联网的重要基础支撑—分布式储能技术—的研究与应用提供方法指导与技术支撑.     

基于随机时间自动机和统计模型检验技术的无线传感网络协议建模与分析

近年来,传感器技术得到了长足而有效的提升,无线传感网络（WSN）以其开放、动态的特征获得了极大的关注,并成为了互联网计算的一个重要组成．WSN系统行为复杂,经常面临信息丢失、节点动态变化等不确定因素,且网络中的节点一旦部署将很难更改、维护．因此,为了保证相关应用的正常工作,在系统设计阶段对WSN中的底层协议进行质量保障就成为了一项非常重要的研究问题．系统设计人员不仅需要保证协议功能上的正确性,还应该评估协议在目标工作环境下的性能,以保证其可以胜任相应的工作需求．针对以上问题,本文提出了一种基于随机时间自动机和统计模型检验技术的WSN协议建模、分析和评估途径．在建模阶段,首先将采用时间自动机对协议在理想环境下的基本业务流程进行建模．考虑到WSN系统实际工作中会遇到的各种不确定性因素,将用带权分枝来对模型进行扩展,生成协议的随机时间自动机．在验证阶段,首先采用经典模型检验技术,在理想时间自动机上检验相关功能性质,保证协议工作逻辑的正确性．为评估协议在不同条件下的具体性能,则在随机时间自动机上用统计模型检验技术对其进行数值分析,以进行参数配置、性能预测、协议比较等工作．为展示该途径的可用性及其技术细节,本文对两种著名的WSN时间同步协议,TPSN和FTSP分别进行了完整的建模与评估．     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

Multivariate Time Series Model with Hierarchical Structure for Over‐Dispersed Discrete Outcomes

In this paper, we propose a multivariate time series model for over‐dispersed discrete data to explore the market structure based on sales count dynamics. We first discuss the microstructure to show that over‐dispersion is inherent in the modeling of market structure based on sales count data. The model is built on the likelihood function induced by decomposing sales count response variables according to products' competitiveness and conditioning on their sum of variables, and it augments them to higher levels by using the Poisson–multinomial relationship in a hierarchical way, represented as a tree structure for the market definition. State space priors are applied to the structured likelihood to develop dynamic generalized linear models for discrete outcomes. For the over‐dispersion problem, gamma compound Poisson variables for product sales counts and Dirichlet compound multinomial variables for their shares are connected in a hierarchical fashion. Instead of the density function of compound distributions, we propose a data augmentation approach for more efficient posterior computations in terms of the generated augmented variables, particularly for generating forecasts and predictive density. We present the empirical application using weekly product sales time series in a store to compare the proposed models accommodating over‐dispersion with alternative no over‐dispersed models by several model selection criteria, including in‐sample fit, out‐of‐sample forecasting errors and information criterion. The empirical results show that the proposed modeling works well for the over‐dispersed models based on compound Poisson variables and they provide improved results compared with models with no consideration of over‐dispersion. Copyright © 2014 John Wiley & Sons, Ltd.     

视差计算的层级模型

生物的立体感知是由一个层级网络完成的:从初级视皮层到高层区域,神经元感受野逐步增大,局部立体感知逐步变为全局立体感知.视皮层中存在大量对视差敏感的神经元,其中V1区单个神经元的视差选择特性可用视差能量模型来描述.文中从生物的立体感知过程出发,提出了一种计算图像视差的层级模型,主要贡献有:(1)提出了一种符合心理学实验结果的归一化视差能量模型,减弱了图像对比度变化对神经元视差响应能量的影响;(2)利用视皮层视差功能柱的性质,提出了一种不同倾向视差神经元的汇聚方法;(3)根据不同脑皮层之间的连接关系,提出了一种两层网络结构来解决V1区神经元编码视差的歧义问题.文中方法可以有效提高纹理重复和纹理不丰富区域的视差计算精度.     

基于DSM的产品协同开发流程优化方法研究

针对传统的按职能分工部门之间的壁垒造成产品开发过程中的信息传输迟滞，以及流程活动冗余造成的流程运行时间长的问题，从时间的维度进行产品开发活动的协同管理，建立流程活动间信息交互模型，以实现流程活动间信息传递的量化和无量纲化。根据流程活动间信息依赖关系，建立基于设计结构矩阵（Design Structure Matrix，DSM）的产品协同开发流程结构矩阵，用模糊聚类方法对流程进行优化，并建立了流程优化算法，通过实例验证该方法的可行性。     

无人机图像全自动生成大比例尺真正射影像方法

随着无人机遥感技术逐步从研究开发阶段发展到实际应用阶段,采用无人机图像进行大比例尺的真正射影像生成方法的研究具有重要的现实意义．本文旨在探索将计算机视觉中获得巨大成功的多视三维重建技术应用到对无人机影像处理中,给出了一种基于运动恢复结构重建算法和多视图立体视觉算法全自动生成大比例真正射影像的方法．本文首先分析了无人机图像PMVS重建点云的特点,给出一种由基于面片多视图立体视觉稠密点生成数字表面模型的方法,然后详细介绍了包括正射影像图像坐标映射模型、可见性计算、基于Markov随机场能量优化的面片选择和匀光处理等真正射影像生成的关键步骤．实验结果以及与商业软件的比较表明：本文给出的方法在野外地形和城市区域均能获取有效的真正射影像结果．