多尺度生成对抗网络的图像超分辨率算法

基于神经网络的图像超分辨率方法往往存在重建图像纹理结构模糊、缺失高频信息的问题。为了解决该问题,在SRGAN的基础上提出一种多尺度并联学习的生成对抗网络结构,其中生成模型由两个不同尺度的残差网络块组成,首先对提取的低分辨率图像通过两个子网络的多尺度特征学习,然后使用融合网络进行残差融合,融合不同尺度高频信息,最终生成高分辨图像。在Set5、Set14、BSD100基准数据集以及SpaceNet卫星图像数据集上的实验结果证明了该算法在恢复低分辨率图像的细节纹理信息具有良好效果。     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全,提出了基于带渐消因子的扩展卡尔曼滤波（Fading Extended Kalman Filter,FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型,利用递推最小二乘法进行锂电池状态参数在线辨识,建立状态方程;引入最优渐消因子,构造FEKF,得到端电压残差;使用端电压残差序列构造χ2分布的诊断函数,计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警,证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

多元线性模型回归系数有偏估计的实现

指出文献［１］ 所讨论的多元线性模型回归系数的有偏估计方法在计算实现上存在的问题, 提出计算多元线性模型回归系数的岭估计迭代算法     

连通2-Kn-残差图的一个注记

【目的】对Erdös等人关于连通 m-Kn-残差图的最小阶和极图的两个猜想进行修正。【方法】利用容斥原理以及集合的运算性质等方法。【结果】证明了最小阶的连通2-K6-残差图仅存在两个不同构的极小图,从而解决了连通2-K6-残差图的最小阶和极小图问题。【结论】最后提出了新的猜想。
     

GM（1,1）残差模型群与酸雨预测

根据灰色系统建模原理，提出了用ＧＭ（１，１）残差模型群进行酸雨预测的新方法，并以实例建模印证了该方法的可行性。     

基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

基于改进CycleGAN的合成孔径雷达图像仿真

目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像...     

基于Youla参数化的高速磁浮列车悬浮系统控制与优化设计

为了解决高速磁浮列车悬浮系统长期运行过程中面临的性能退化问题,通过悬浮系统的复杂动态特性分析,基于控制器Youla参数化形式,提出了一种即插即用的悬浮系统控制与优化模块化架构,并设计了基于残差驱动的在线优化算法。仿真结果表明,设计的控制与优化架构以及在线优化算法有效地提高了悬浮系统对未知扰动的鲁棒性和适应能力。     

单差载波相位自主完好性监测算法

应用载波相位差分定位时,由于多路径误差、卫星信号遮挡、卫星故障等原因,易造成载波相位测量值发生偏差和周跳,因此必须进行完好性监测。研究了利用单差载波相位测量值进行载波相位完好性监测的方法,固定整周模糊度值之后,利用最小二乘残差构造检验统计量,根据虚警概率和观测到卫星个数设定门限值,对单差载波相位测量值进行监测。分析了垂直保护级和漏警概率、卫星个数的关系。实验结果表明,虚警概率取为10-7/历元时,算法能有效检测测量偏差,对小至0.4周的偏差,比原有算法检测能力较强;漏警概率取为10-6/历元,垂直告警限值取为1.1m时算法满足可用性要求,增加1颗观测卫星能使垂直保护级降低约2cm。     

基于残差的非线性自回归模型的拟合优度检验

时间序列模型中,考虑误差分布的拟合优度检验是很重要的．Lee和Na（2002）考虑了在线性自回归模型下,基于残差的Bickel—Rosenblatt检验问题．他们指出了在原假设条件下,检验统计量的极限分布与利用独立同分布观测值的经典Bickel—Rosenblatt检验相同．本文主要讨论无限阶的非线性自回归模型的基于残差的Bickel—Rosenblatt检验统计量的渐近性质．我们证明了在自回归函数未知的情况下,当满足一定条件时,检验统计量的渐近性质与基于真实误差的统计量的性质相同．