超分辨率复原技术中基于分级块匹配的运动估计

超分辨率复原技术中的运动补偿(或图像配准)是超分辨率复原过程中的首要环节.运动补偿的基本前提是运动估计问题.运动估计的方法中,在基于多目标场景的平移运动中多采用分级块匹配的方法.本文着重介绍了分级块匹配的方法极其可信度验证,并将其优缺点做了简单对比.     

具有部分缺失数据混合均匀分布参数的估计

研究了在缺失数据情形下混合均匀分布总体参数的估计与检验问题.一方面,通过建立矩估计方程组求出未知参数的矩估计,同时证明了估计量的相合性以及渐近正态性.另一方面,讨论了混合均匀分布总体参数相等的假设检验问题,给出了检验统计量,同时考虑了检验统计量的极限性质.此外,也通过随机模拟说明了所给方法的可行性.     

一类奇摄动抛物方程的周期解

研究了一类含有迁移项的奇摄动抛物方程的周期解问题, 给出了解的存在唯一性、渐近解及其余项估计.     

约束增长曲线模型的Minimax可容许估计

讨论在矩阵损失函数下约束增长曲线模型中回归系数的Minimax可容许估计问题,给出在某些线性估计类中Minimax可容许估计的充要条件.     

增长曲线模型的两步估计及其优良性

讨论了增长曲线模型回归参数阵的两步估计问题,给出了回归参数阵的可估函数的两步估计具有无偏性的一个基本结论,并验证了两种常见两步估计均具有无偏性．     

基于ECTLBO-ELM模型的荷电状态估计

电池的荷电状态(SOC)表示电池的可用容量,是电池管理系统重要参数之一.以锂离子电池为例,准确的估计可以提高其性能.为了建立锂离子电池的精确计算模型,提出了一种基于增强混沌教与学优化算法(ECTLBO)优化极限学习机(ELM)的SOC估计模型(ECTLBO-ELM).在ECTLBO-ELM模型中,一是利用增强混沌优化策...     

灰色广义Verhulst模型的构建及其应用

一般认为,灰色Verhulst模型(grey verhulst model,简称GVM)适用于具有单峰或饱和S形的序列.然而,在利用GVM建模时,模拟值有时会出现"漂移"现象,使得模型精度变差.针对这一问题,将常数项引入GVM模型,构建了灰色广义Verhulst模型(grey generalized verhulst model,简称GGVM),并在参数的不同分类下,借助灰色建模序列的非负性,完整地给出了灰色广义Verhulst模型的时间响应式及其还原值.将GGVM与GVM模型分别对四个单峰型序列建模,发现GGVM能有效地解决GVM模型模拟值出现的“漂移”现象.在实证部分,利用新模型对江苏省石油与天然气的基础储量进行建模分析,并与GVM模型、数据分组处理算法比较,验证了GGVM在模拟及预测时的优势.     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。