曲面轮廓矩不变量及其应用

传统三维矩不变量的计算方法基于区域特征,计算量较大.将基于区域的三维矩不变量计算转化到三维物体曲面轮廓上,构造了一种的新的曲面轮廓矩不变量.此不变量减小了计算复杂度,不仅具有平移、尺度和旋转不变性,而且独立于三维物体本身的颜色和灰度级.仿真实验表明,基于曲面轮廓矩不变量的识别算法对于三维目标具有良好的识别率,减小了计算复杂度.另外,对这种矩不变量在基于颜色、灰度等识别场合的应用做了推广.     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

基于Haar小波变换的信号到达时间估计

研究了在信号频率、初相、幅度未知条件下,矩形包络复正弦信号的到达时间估计算法。先利用相关检测算法,对信号的起止时间进行粗估计。在检测到信号的条件下,估计出信号频率并将其变换至基带,在一定尺度下对基带信号作Haar小波变换,检测出小波变换模值的峰点位置作为到达时间精估计。给出了小波尺度选取的原则,并推导了到达时间估计的克拉美罗限(CRLB)。计算机仿真表明,信噪比达6 dB时,到达时间估计的均方根误差小于0.8倍的采样间隔,实现了对信号到达时间的精估计。     

二维相干信号测向估计方法

针对双平行线阵列,提出了一种相干信号二维波达方向估计新方法.该方法利用双平行线阵的特点,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性.相对空间平滑法计算量无明显增加,并且利用信号的方向矢量元素来直接估计信号角度.该方法不需要谱峰搜索,大大减小了运算量,具有分辨率高和估计方差小的优点.最后,通过仿真说明了该方法的有效性.     

正交投影阵列信号子空间估计方法

利用特征值分解构造信号子空间存在运算量大的问题,制约了子空间类参数估计方法的实时应用。提出一种新的正交投影阵列信号子空间估计方法,该方法不需要特征值分解,通过对阵列接收数据逐级进行正交投影分解构造阵列信号子空间的一组基向量,使得每个基向量方向上信号投影能量最大,从而保证所张成的信号子空间包含最大的信号能量。定义了衡量子空间估计精度的信号和噪声子空间估计误差函数。理论分析和仿真结果表明,所提方法计算复杂度低,且子空间估计精度优于特征值分解。     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

不确定性规避下的动态资产组合选择

在Heston(1993) 随机波动模型中引入一个新的随机变量,用以测度风险资产价格未来实际运动与模型描述之间的不确定性差异,研究投资者面对时变投资机会和规避该不确定性差异下的动态资产组合选择问题.通过设定不确定性规避状态函数,运用稳健控制方法获得最优动态资产组合选择的封闭解.分析表明,当投资者的风险规避程度大于(小于)1时,时变投资机会导致正(负)投资期效应;规避不确定性差异导致风险资产投资减少;动态资产组合选择行为可解释非市场参与之迷.最后,以上证综指1991-01-2006-10间的月度收益数据为样本,用谱广义矩法估计随机波动模型中的参数进一步验证和量化上述分析.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

软件可靠性关键参数判定的矩估计方法

已有的基于结构的软件可靠性研究中大多假设建模参数为已知常量,导致模型忽略了参数估计的统计特征对于系统可靠性的影响.针对该问题,提出一种基于矩估计的软件可靠性关键参数判定方法,该方法通过分析基于结构软件可靠性模型的特点,建立各建模参数的矩估计量与系统可靠性预测结果之间的关系,量化各参数对于系统可靠性的影响,判定关键参数.为系统可靠性控制、系统结构优化及软件测试资源最优化分配等问题的解决提供了理论支持,通过对两个实际软件系统的分析验证了方法的有效性.