二值文本数字水印技术的研究与仿真

针对二值文本纹理复杂、信息隐藏的免疫力差的特点,提出了一种基于DCTDWT的二值文本频率域数字水印算法。算法结合了DCT和DWT二者的特点,将水印信号进行分块DCT变换,按照从低频到高频的顺序对各块系数进行重新排列,对应嵌入到原始图像的DWT分解子带中,强化了不可见性。为了验证算法的鲁棒性和不可见性,利用相似度原理设计了水印提取检测器,通过将嵌入水印后的图像进行JPEG压缩、加入高斯噪声、椒盐噪声以及将其剪切掉一块的方法来模仿图像在实际网络环境下可能遭受的各种攻击和干扰,仿真实验证明,在各种情况下,检测器均有较好的检测效果。     

一种抗野值的Kalman滤波器

在目标跟踪系统中,由于杂波的存在,往往使跟踪检测数据中含有大量、成片的野值,造成系统跟踪精度下降。本文通过对检测数据中新息特性的分析,给出了检测数据中野值的判定方法,通过重新构造状态估计来消除野值的影响。仿真结果证明了该方法可有效的剔除野值,提高跟踪系统的跟踪精度。     

基于分级变换的自适应立体对应算法

通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。     

一种基于时空分布特征的新闻字幕检测新算法

新闻字幕中包含有丰富的语义信息，是实现自动化视频检索、分析和理解的重要信息源之一。本文通过研究新闻字幕的时空分布特征，提出了一个新闻字幕检测新算法，该算法首先用有师学习的方法获取字幕大小、方向、形状等信息；然后根据视频字幕区域的灰度空间差分分布特性，利用字幕的尺寸约束检测字幕，根据字幕时间持续特点，去除时间冗余；最后对字幕区域进行二值化。实验表明该算法对非滚动标注字幕检测效率高，实时性好，且对不同新闻视频具有较强的自适应性。     

扩展的DEA模型的最优值的研究

讨论扩展的C^2GS^2(C^2R)模型的最优解的存在性，论证在一定条件下其最优值与C^2GS^2(C^2R)模型的最优值相等，讨论用扩展的DEA模型来判断决策单元的DEA有效性(C^2GS^2或C^2R)，证明若所有输入与输出都取正值，则某决策单元的阀值就等于对应的扩展DEA模型的最优值(若它存在)。     

合作创新联盟成员绩效评估的综合分析机制

鉴于创新联盟成员的合作博弈特征,在简单介绍了合作博弈的一种解——Shapley值的基础上,给出了一个基于Shapley值的联盟成员绩效评估的综合分析模型及其算例。该方法能够较好地反映创新联盟对成员绩效的综合分析机制。     

星载GPS低轨卫星跟踪数据的建模与仿真

在研究星载GPS低轨卫星系统的基础上，建立了星载GPS低轨卫星跟踪数据的仿真模型，编制了相应的计算机程序。仿真模型包括卫星参数模型、动力学模型和观测误差模型。仿真计算表明，卫星参数模型和动力学模型真实地反映了卫星的运动规律；误差模型反映了观测环境对信号的传播影响。同时可以调节和选择仿真模型的参数，仿真采用不同高度、具有不同星体参数的低轨卫星和具有不同误差大小的跟踪数据，这对于论证星载GPS定轨方案、评价定轨算法、设计GPS接收机等有一定的实用价值。     

区间数据包络分析的决策单元评价

定义了区间数据包络分析(DEA)模型。讨论了DMU的最高效率值和最低效率值的求解,从而确定决策单元(DMU)的区间效率值,并依此对DMU进行分类。建立了一个后区间DEA模型,在此基础上定义评价DMU保持其最高效率值的稳定性的指标,实现了对DMU的进一步评价。     

MUSIC算法多值模糊问题研究

针对阵列测向 ,概括论述了空间谱估计算法中最为经典的算法———MUSIC算法的基本思想和方法 ,从理论上推导出天线距离大于信号源载频波长的一半时产生多值模糊的原因 ,给出了多值之间的数学关系公式 ,并基于MAT LAB程序进行了计算机仿真 ,仿真结果与理论分析达到了很好的吻合 ,并针对多值模糊问题提出解决方案设想     

ASYMPTOTIC NORMALITY OF SOME ESTIMATORS IN A FIXED-DESIGN SEMIPARAMETRIC REGRESSION MODEL WITH LINEAR TIME SERIES ERRORS

Consider a semiparametric regression model with linear time series errors Yk = x'kβ g(tk) εk, 1 < k < n, where Yk's are responses, xk = (xk1,xk2,..... ,xkp)' and tk ∈T ∪R are fixed design points, β= (β1, β2, ....., βp)' is an unknown parameter vector, g(.) is an unknown bounded real-valued function defined on a compact subset T of the real line R, and εk is a linear process given by εk = ∑j=0∞j(?)ek-j,(?)= 1, where , are i.i.d. random variables. In this paper we establish the asymptotic normality of the least squares estimator of β, a smooth estimator of g(.), and estimators of the autocovariance and autocorrelation functions of the linear process εk.