一种鲁棒的稀疏信号重构算法

针对稀疏信号重构性能不稳定的问题,结合半阈值迭代算法,提出了一种鲁棒的稀疏信号重构算法。该算法首先对随机信号采用半阈值迭代算法进行重构,以获得初步的重构信号,然后改变迭代初值和参数初值进行新的迭代计算,同时增加一个新的循环终止条件,在保证算法稳定性与收敛速度的同时,使迭代结果跳出相对误差较大的局部极小点而收敛于误差较小的点成为可能,提高了重构信号的成功率。对该算法进行了信号重构和图像重构2个方面的实验,结果表明,与半阈值算法及相关算法比较,无论是对高斯信号、符号信号还是自然图像信号,该算法重构信号的成功率都有明显提高,较半阈值算法平均提高了约30%~40%,表现出较强的鲁棒性。     

高阶反向响应过程的分数阶PID控制器设计

针对具有反向响应特性的高阶过程,提出了一种分数阶PID控制器设计方法.为了便于控制器设计,采用一种改进的微粒群优化算法对高阶过程模型进行简化处理,在此基础上,根据内模控制原理设计分数阶PID控制器,该控制器仅有一个可调参数,有效降低了控制器整定的复杂度,并根据最大灵敏度指标推导出控制器参数整定的解析表达式,克服了参数选择的盲目性.仿真结果表明,该方法可使系统具有良好的设定值跟踪、扰动抑制特性以及克服参数摄动的鲁棒性.     

基于范重心的自适应量化音频盲水印算法

为了实现数字音频版权保护,利用音频信号低阶统计量的稳定性和离散余弦变换的去相关性,设计了一种基于范重心的自适应量化音频盲水印算法。原始音频信号按固定长度分帧,计算分帧音频范重心坐标并确定水印嵌入候选区域,水印信息自适应量化嵌入选中的离散余弦变换中低频系数。实验结果证明:该音频水印算法具有鲁棒性和有效性,同时密钥的使用保证了算法的安全性。     

一种基于鲁棒残差生成器的故障估计方法

针对具有加性执行器或元部件故障的线性系统,在独立故障的个数大于独立测量个数的情况下,提出了一种基于鲁棒残差生成器的故障估计方法.该故障估计方法是基于鲁棒残差生成器实现的,不需要额外设计动态的故障估计器.故障估计的实现需要:设计编码集;基于编码集设计鲁棒残差生成器;利用编码集和鲁棒残差生成器的输出实现故障分离和故障的渐近估计.给出了本方法的适用的充分条件,并证明了故障估计误差的渐近收敛性.最后,针对具有加性执行器故障的线性系统,基于几何方法设计鲁棒残差生成器,并进行了故障检测、故障分离和故障估计的仿真.仿真结果验证了本故障估计方法的有效性.     

模糊线性规划的γ-鲁棒解

对于不确定系统的优化问题,模糊线性规划是一种常用的建模方法,但得到的最优解或满意解,往往对参数的变动缺少"免疫"能力,即参数受到扰动后,最初的最优解会变得不再最优甚至不可行.首先针对λ-截集水平下的模糊线性规划,给出了λ-鲁棒解的定义.利用模糊结构元理论对λ-鲁棒解的定义进行表示,得到了求解模型.由于决策者的不同,对解的可实现程度要求不同,故在模型中加入了能够反映决策者风险偏好的测度约束,该模型的解即为γ-鲁棒解,该解既有鲁棒性、优化性,又能体现决策者的风险偏好程度.通过算例可以看出,γ-鲁棒解对参数的变动具有"免疫"能力,能为决策者提供更为丰富的信息,体现出了更好的实用价值.     

运筹学中线性规划的鲁棒性

鲁棒线性规划(RLO)是建模方法,结合计算工具,解决当数据不确定和仅仅了解不确定集时的优化问题.本文讨论了线性优化问题所对应的鲁棒线性优化问题的理论与方法.     

基于样本加权矩阵的自适应弱目标识别鲁棒算法

以人脸为例,提出多区域特征融合的弱目标特征表示方法,并据此设计1种新的加权PCA-LDA(Principal element analysis-Linear distinction analysis)弱目标识别方法,用样本加权特征矩阵代替传统的特征向量,有效地将局部和全局特征加权融合。其步骤是:提取弱目标的全局特征,并用1种新的基于Gabor小波的方法提取其特征;基于将全局和局部特征加权融合的思想,得出权值的选择方法;通过研究多区域特征加权融合原理,提出定义每类样本的类矩阵,得到新的投影准则,解决小样本空间问题,最后得出加权PCA-LDA算法。研究结果表明:加权PCA-LDA算法能很好地结合弱目标图像全局和局部的互补信息,其识别效果优于各单一区域的分类效果。     

鲁西地区农业可持续发展探讨

分析了在知识经济崛起、中国加入WTO和实施可持续发展战略的新形势下，鲁西地区农业持续发展面临的挑战和机遇，并提出了具体对策。