基于增量学习的关节式目标跟踪算法

为实现对关节式目标的稳定跟踪,提出了基于增量学习的关节式目标跟踪算法.该算法应用图割法对目标矩形窗进行前景与背景分割,得到前景图像;然后对前景图像进行快速傅里叶变换,得到傅里叶系数矩阵,进而得到振幅图像,并将振幅图像作为跟踪目标的描述;最后将多个目标描述进行奇异值分解和主元分析,实现对跟踪目标的低维子空间描述.文中在粒子滤波框架下实现了整个跟踪算法.实验结果表明,该算法具有较稳定的关节式目标跟踪效果.     

基于旁路分析的硬件木马检测方法

集成电路芯片在不受控的制造过程中可能会被嵌入恶意电路结构,形成硬件木马,这给集成电路芯片的可靠性和可信度带来了极大的隐患,而利用传统的测试技术很难发现这些硬件木马.针对这一问题,文中提出了一种非破坏性的、基于旁路分析的硬件木马检测方法,它通过对芯片功耗瞬态变化情况的分析,采用奇异值分解算法对功耗进行统计处理来检测芯片中的硬件木马.在FPGA芯片上的硬件验证结果表明,即使在测量噪声和工艺扰动较大的环境中,文中方法也能检测出面积比原始电路小2个数量级的硬件木马.     

任意矩阵近似奇异值估计

奇异值在数值代数的计算中占有重要地位,广泛应用于各个学科.借助于Rayleigh商、矩阵特征值和奇异值之间的关系以及矩阵中的相关理论,研究任意矩阵的奇异值的迹的扰动界限,得到了高阶的扰动结果.     

基于观测器的广义网络系统稳定性分析

针对一类同时具有时延和丢包的正则无脉冲且脉冲能观的广义网络控制系统,假设传输时延小于一个采样周期且网络中的数据包传输成功率一定,将该系统建模为异步动态系统.利用李雅普诺夫函数和线性矩阵不等式方法给出判断系统指数稳定的条件,并且得出基于正常状态观测器的反馈控制器.仿真实例证明了该方法的有效性.     

不确定时延广义网络控制系统的保性能控制

研究了正则且无脉冲的广义网络控制系统的保性能控制问题.针对传感器是时钟驱动,控制器和执行器是事件驱动,且网络的不确定时延小于一个采样周期的广义网络控制系统,利用李亚普诺夫理论和线性矩阵不等式,推导出系统状态反馈保性能控制律存在的充分条件,并给出了设计方法.最后通过数值仿真,给出了含有不确定性时延的广义网络控制系统的状态反馈保性能控制律,说明了该方法的有效性.     

奇异点弧线处理方法及其应用

在入口端剪切面附近采用弧线圆滑过渡来处理刚塑性有限元求解板材轧制过程的第一类奇异点,开发了二维刚塑性有限元求解程序.依据实际轧制数据对速度场、轧制力、迭代步数及收敛性能进行了求解分析.结果表明:传统方法和弧线法计算的轧制力和实测值吻合良好,计算误差小于10%;弧线法能够反映奇异点附近的速度变化,较好抑制了奇异性产生;相比传统方法,弧线法平均迭代步数减少约26%,稳定性提高约55%,有利于在线快速稳定求解.     

线性流形上次反对称矩阵的加权最小二乘解

利用矩阵的奇异值分解和矩阵对的广义奇异值分解,得到一类线性流形上次反对称矩阵在加权范数下的最小二乘解,导出解集合中与给定矩阵最佳逼近解的表达式.     

一类微分代数捕食-食饵系统的离散化及其定性分析

研究了一类生态经济模型在R3＋内的离散化模型及其动力学行为。首先用庞克莱方法将一类微分代数捕食-食饵系统离散化,得到本文所研究的离散奇异系统。然后通过运用微分代数系统理论与分支理论讨论了模型的平衡点的局部稳定性和分支问题,证明了Neimark-Sacker分支的存在性,并选取捕捞行为的经济利益m作为分支参数,研究了Neimark-Sacker分支及其方向;最后通过数值模拟证明了我们的结果,并展现了模型的复杂的动力学行为。     

基于稀疏表示分类的雷达欺骗干扰识别方法

为了应对基于数字射频存储的各种欺骗干扰信号, 提出了一种基于稀疏表示分类的欺骗干扰识别算法。通过小波包分解重构把信号划分为不同频段, 然后对信号提取三阶累积量切片特征构造特征矩阵, 并利用奇异值分解对特征进行降维, 提取主要分量。最后利用稀疏表示分类在不同频段上对信号进行分类识别, 利用决策融合的方法对分类结果进行整合。经验证, 该方法具有很好的抗噪性能, 能够有效识别几种常见的欺骗干扰信号, 在信噪比为0 dB时, 欺骗干扰平均识别率达到90%以上, 并与其他欺骗干扰识别方法进行了对比, 显示了所提方法的优越性。     

不确定广义系统的鲁棒正实控制

在参数不确定性广义系统中引入广义二次严格正实的概念,利用线性矩阵不等式,得到了状态反馈作用下,不确定广义系统鲁棒广义二次严格正实控制律存在的充要条件,并给出了基于状态反馈的不确定广义系统鲁棒广义二次严格正实控制器的设计方法.