多变量时间充列复杂系统的相空间重构

根据单变量时间序列相空间重构思想，提出了多变量时间序列描述的复杂系统的相空间延迟重构方法，对每一分量的时间序列，分别利用互信息最小法确定最佳延迟时间间隔，最小嵌入维数的选取方法是单变量时间序列情况下虚假邻点法的推广，给出了q阶广义关联积分和q阶广义关联维数的计算公式，并证明了广义并联维数与所用范数无关，计算了Lorenz系统按前2个变量进行重构时的最佳延迟时间间隔和最小嵌入维数，计算结果表明，用多变量时间序列重构比用单变量时间序列重构所需的数据长度要短得多且在方法上更有效。     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

多变量时间序列复杂系统的相空间重构

根据单变量时间序列相空间重构思想 ,提出了多变量时间序列描述的复杂系统的相空间延迟重构方法 .对每一分量的时间序列 ,分别利用互信息最小法确定最佳延迟时间间隔 ,最小嵌入维数的选取方法是单变量时间序列情况下虚假邻点法的推广 .给出了q阶广义关联积分和q阶广义关联维数的计算公式 ,并证明了广义关联维数与所用范数无关 .计算了Lorenz系统按前 2个变量进行重构时的最佳延迟时间间隔和最小嵌入维数 .计算结果表明 ,用多变量时间序列重构比用单变量时间序列重构所需的数据长度要短得多且在方法上更有效     

相空间重构延迟时间与嵌入维数的选择

论述相空间重构中延迟时间与嵌入维数之间的关系，提出广义嵌入窗长的概念．分析已有的自关联函数法中的不足，提出一种改进的自关联函数法确定广义嵌入窗长，从而确定出相空间重构的其它参数．同时从时间序列相关程度和不相关程度2个方面进行考虑，克服了自关联函数法的缺点．仿真实验结果验证了该方法的有效性．     

基于联合熵的多变量混沌时间序列相空间重构

提出了一种多变量混沌时间序列的联合熵扩维法(JEED),为多变量时间序列的预测构造了有效的模型输入向量.首先使用互信息法求混沌系统各观测变量的延迟时间;然后使用联合熵确定各分量的嵌入维数,并按最大熵选择重构分量,不断扩张相空间维数,最终使得重构向量空间包含系统的最大信息量.仿真实验表明因为JEED确定的相空间能提供丰富的信息,在其上进行的神经网络预测取得了比单变量预测方法更好的预测效果.     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

延迟时间对氦原子谐波效率的影响

通过求解二维含时薛定谔方程理论研究了正交场中激光的延迟时间对氦原子体系高次谐波效率的影响.数值结果表明:调节x,y方向激光的作用时间可有效控制谐波的发射效率,而且谐波效率可呈现周期性的变化,结合经典计算给出了其中的物理机制.     

关于二维周期线性系统的特征指数

在一般情况下，确定二维周期线性系统的特征指数是极其困难的［１］．本文利用李雅普诺夫变换方法［２］，并结合Ｒｉｃｃａｔｉ方程的研究，给出了确定二维周期线性系统特征指数符号的一些结果。     

基于小波变换的快速二维门限化方法复杂度研究

将小波分析这一新兴的数学工具与传统的基于灰度直方图门限选择方法结合起来,提出了一种快速的二维门限化方法,并对其复杂度进行了入地研究,该方法首先对二维直方图进行小波分解,得其低频分量,然后在此低频分量上确定出门磁量的范围,最后在此范围内确定出精确的门限矢量,理论分析及实验结果均表明,该方法可以极大地降低二维门限化的时间复杂度。     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

声全息分析噪声场的空间频域重建算法

声全息方法是分析噪声场的一种有效手段。该文在基于空间面积分的声全息重建公式的基础上利用二维快速Fourier变换进行了快速的声场空间频域重建。在理论推导的基础上 ,进行了模拟实验和现场实验 ,两种实验均证明了空间频域重建算法的有效性。     

基于多幅图像序列的三维重建

基于多幅图像序列的三维重建技术, 以两幅图像的三维重建算法为基础, 采用由运动中恢复校准的结构方法, 在已知摄像机参数的情况下, 利用KLT特征点跟踪算法, 实现了多幅图像的三维重建, 并利用集束调整优化了重建结果.     

变形物体像的三维再现

文中给出了以全息干涉条纹表示物体变形的全息图的再现像,经IBAS—1/2型图像分析仪处理后,获得物体变形的三维像重现的方法和实例.由于可以任意选择图形的放大倍数及观察方向,因此所得重现的物体变形清晰可见,立体感强。     

一种基于支持向量机的曲线逼近方法

提出了一种基于支持向量机的曲线逼近算法,通过实验,验证了该方法的有效性.     

一类带限函数的外推算法及在有限角图像重建中的应用

将带限函数的外推Gerchberg-Papoulis算法在维数和已知区域方面进行了推广,证明了推广的算法在L2范数下的收敛性,并应用于限制角图像重建.在一维情形下进行了数值模拟,验证了推广后算法的有效性.     

基于唇重构与三维耦合CNN的多视角音唇一致性判别

针对传统音唇一致性判别方法主要对正面唇动视频进行处理,未考虑视频采集角度变化对结果的影响,且容易忽略唇动过程中的时空特性等不足,文中以唇部角度变化对一致性判别的影响为研究重心,结合三维卷积神经网络在非线性表示和时空维度特征提取上的优势,提出了基于正面唇重构与三维耦合卷积神经网络的多视角音唇一致性判别方法。该方法先通过在生成器中引入自映射损失来提高正面重建效果,并采用基于自映射监督循环一致性生成对抗网络（SMS-CycleGAN）的唇重构方法对多视角唇图进行角度分类及正面重构;然后设计两个异构三维卷积神经网络,分别用来描述音频和视频信号,并提取包含长时时空关联信息的三维卷积特征;最后引入对比损失函数作为音视频信号匹配的相关度鉴别度量,将音视频网络输出耦合到同一表示空间,并进行一致性判别。实验结果表明,文中方法能重建出更高质量的正面唇图,一致性判别性能优于多种不同类型的比较方法。     

高炉回旋区燃烧火焰三维温度场重构

建立了煤粉及焦炭燃烧火焰光束在回旋区内部的传输过程模型,提出了基于直吹管窥视孔方向CCD靶面热流分布的辐射传热方程(RTE)的蒙特卡洛(Monte Carlo)求解方法,分析影响回旋区三维温度场重建的辐射传递因子的影响因素.以及回旋区不同焦炭粒子浓度下回旋区的三维温度场重构问题,为实现回旋区工况的在线监测诊断提供了有效手段.     

DVB-T2外辐射源雷达参考信号重构算法

DVB-T2为DVB-T的升级标准,采用了一系列宽带无线通信领域的先进技术,不仅提供了优质音视频服务,也为外辐射源雷达提供了新型照射源。本文针对DVB-T2信号的结构特点,提出了适应DVB-T2系统的参考信号重构方法。首先研究了基于P1符号的双相关算法,使同步结果更加精确;然后提出二维线性插值的信道估计算法。实测数据验证了该算法能够改善参考信号的重构质量。     

基于光照子空间的人脸识别研究

利用球面谐波模型建立的9D光照子空间进行人脸识别.用SFS方法获得人脸表面特征点深度,以特征点深度为基础,用NURBS方法重构三维人脸,并用该三维人脸的法向量计算球面谐波基图像,进行人脸识别.结果表明,以所求的球面谐波基图像为基础进行人脸识别,不仅提高了人脸表面法向量的精度,减少了运算量,而且使得人脸的识别率明显提高....     

基于2D-SOONE算法的MIMO稀疏面阵二维成像

为了解决采用传统的1D-CS算法进行分维处理时丢失耦合信息导致越单元徙动、影响成像质量且运算时间长的问题,研究了接收阵元整行整列稀疏的MIMO面阵结构特性,分析了该稀疏面阵所接收回波信号的二维联合稀疏特性,采用2D-SOONE算法对回波信号进行二维联合重构,算法采用序列一阶负指数取代传统SL0算法的高斯函数,拓至二维并利用梯度投影求解,具有二维联合重构性能的同时提高重构精度。通过实验,仿真了该算法在不同阵列稀疏度、不同信噪比下用于MIMO稀疏面阵的成像效果。仿真结果表明,2D-SOONE抑制了传统的1D-CS算法的越单元徙动问题,减少了运算时间,且成像质量较2D-SL0更优。