单重延误休假的M~x/G(M/G)/1可修排队系统分析(Ⅰ)—— 一些排队指标

考虑具有单重延误休假的MxG(MG)1可修排队系统,其中休假时间、服务时间、修理时间和延误休假时间都为任意分布(不一定是连续型),采用一种较简洁的方法,我们获得队长的瞬态解、平稳解和队长的随机分解表达式,同时给出了一些特殊情形下队长的随机分解结果     

基于重构信道的组分层空时系统接收天线选择

针对采用排序的串行干扰消除检测的组分层空时系统,提出了基于重构信道QR分解的接收天线选择算法,该算法用子信道Frobenius范数排序代替Moore-Penrose伪逆行范数排序得到置换矩阵,降低了计算复杂度.并给出了基于重构信道的快速算法,该算法比常规信道快速算法具有显著的性能提升.仿真分析表明,该算法在中断容量上与最大容量算法接近,重构信道QR分解算法与基于伪逆排序方法性能相近,重构快速算法性能稍有下降,但复杂度更低.     

基于结构分量中目标区域保护的SAR图像压缩

针对无人机载SAR图像高倍率压缩问题,提出了一种基于结构分量中敏感目标区域自动提取与保护的SAR图像压缩策略。首先将SAR图像分解为代表大尺度平滑特征的结构分量和代表小尺度细节纹理特征的纹理分量,然后在结构分量中进行潜在目标区域的检测,生成敏感目标区域掩码,最后对潜在目标区进行保护性的低损压缩,对背景区域进行高损压缩。实验表明,采用本方法的重建图像比标准的JPEG2000算法的重建图像在相同码率条件下具有更好的视觉效果。     

多光谱和全色图像融合适用的超复数主元加权方法

提出了一种适用于多光谱与全色图像融合的超复数主元加权方法.该方法首先对全色图像的每个像素值进行矢量化,然后对由RGB表示的多光谱图像和矢量化的全色图像分别用超复数矩阵进行表示,该表示方法考虑了由RGB表示多光谱图像的矢量性,从而避免了IHS和PCA融合方法由于忽视多光谱图像的矢量性而导致的色彩失真.通过对超复数矩阵表示的全色图像和多光谱图像分别进行超复数奇异值分解,分别获得了这两个超复数矩阵的超复数奇异值,并对得到的奇异值进行主元分析,提出了用最大特征值对应的特征向量作为权值进行加权图像融合的方法.分析和仿真的结果表明:提出的方法不存在人眼可见的光谱畸变.而用各种现有图像融合评估方法的评估结果也表明:提出的方法优于IHS、PCA和小波变换等融合方法.     

利用Cameron分解进行极化干涉图像对的配准研究

针对常规极化干涉SAR配准仅仅用一个通道的极化数据进行干涉数据对配准,导致配准精度不高的问题,提出了一种利用Cameron相干目标分解进行极化干涉图像对的配准方法。该算法充分利用了全极化数据丰富的信息,进行极化干涉图像对的配准。利用SIR-C天山地区的数据对提出的算法进行了验证,结果证明该算法能提高配准的精度和鲁棒性,有利于后续的数据处理。     

认知无线电中的一种频谱盲感知算法

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术,它能够通过与其运行环境交互而改变其发射机参数,特别是可让未授权用户使用授权用户的频谱,此外,它还为网络及终端提供更高的灵活性。高可靠性的频谱感知是实现频谱共享的关键。在分析了Parthapratim De提出的认知无线电中频谱Blinding Sensing算法的基础上提出了利用数据前、后向线性预测与矩阵QR分解结合的新算法。仿真实验表明,在同样的无线传输环境下,新算法比原算法能更可靠地感知频谱空穴。     

一种基于EMD的模拟电路故障特征提取方法

为克服小波分析中混频现象对模拟电路故障特征提取造成的不准确,提出了一种基于经验模式分解的模拟电路故障特征提取方法。该方法通过对模拟电路输出信号进行EMD得到若干个内禀模态函数,以各IMF的能量作为故障判别的特征。并针对EMD中的端点效应问题,提出了基于遗传优化的最小二乘支持向量机预测方法。仿真实验结果证明了该方法的有效性。     

基于正交分解的自适应直扩系统窄带干扰抑制

为了提高对不同窄带干扰的抑制效果,提出一种利用Householder正交分解的QRD-LMS的自适应非线性干扰抑制算法.由于利用了正交分解以及阶数递推结构,使得自适应算法计算复杂度低,与传统LMS算法计算量相当.同时算法具有较小的条件数并且可以取较大的步长,使其稳健性以及跟踪性能明显优于LMS.将窄带干扰建模为多频、自回归过程以及数字窄带信号.仿真结果表明,方法在不同信噪比下,其干扰抑制效果要明显好于归一化LMS算法以及RLS算法.     

一种基于奇异值分解的非线性滤波新算法

提出一种基于奇异值分解的无导数卡尔曼非线性滤波新算法对UKF算法进行改进.该算法利用奇异值分解作为工具,将原算法中的协方差矩阵进行奇异值分解,可以在一定程度上避免在递推过程中,由于计算误差和舍入误差而引起的协方差矩阵失去正定性,从而导致算法失效的问题.在不降低滤波精度,不增加算法复杂度的前提下,新算法具有很好的数值稳定性.实例仿真结果验证了本方法的有效性.     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.