基于尾迹特征的SAR图像舰船长度估计

通过研究尾迹波谱的周期特性与舰船外形特征之间的关系,建立基于波谱函数的舰船长度估计模型.基于瘦船体假设条件,从数学上论述利用波高谱信息估算舰船长度的可行性,提出由图像谱计算波高谱,再计算波幅函数周期,最后得到舰船长度的三步法.以小船和大型舰船为目标,通过该方法和常用方法做对比实验.结果表明,三步法提取的舰船长度相对误差小于5%,提取结果受方位影响小,效果比传统的直接像素点灰度统计方法好,有利于进一步的舰船识别和分类.     

基于模糊控制的立体视频自适应传输算法

设计一种适用于3D视频传输的模糊自适应算法,选用缓存状态和估计网络吞吐量作为视频质量选择依据.不同于2D视频传输,设计自适应算法同时考虑视点选择对用户观看视频质量体验影响.实验表明,在几种常见变化网络环境条件下,算法可以为网络视频用户提供更好的质量体验.     

基于运动模式识别的高程估计算法研究

在室内行人定位系统中,行人的高程定位精度关系到整个定位系统的可靠性。本文提出一种基于腰间传感器的室内行人高程估计算法。首先利用支持向量机识别行人上楼下楼动作,针对行人的运动状态采用自适应的高程估计算法。针对气压计测量值易受环境影响的问题,采用了基于EKF融合气压和加速度的高度估计算法,提高了高度估计算法的稳定性。经实验验证,当室内人员进行平地走、上楼等一连串动作后,基于差分气压测高法计算的高度误差为9.92%,基于加速度估计的行人高度误差为9.52%,EKF融合后定位误差下降到2.32%,提高了高程估计的精度。     

非对称DAR模型的估计与检验

本文研究非对称DAR模型的估计和检验问题.运用拟极大似然方法,构造模型的参数估计,在某些正则条件下,证明估计的相合性和渐近正态性.基于此,构造拟似然比统计量检验模型的非对称性,在原假设和备择假设下,给出该统计量的渐近分布.数值模拟和实证分析结果表明:本文所构造的模型参数估计和检验方法具有良好的有限样本性质.     

BS-矩阵线性互补问题误差界的一个新估计式

根据BS-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了B^S-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.     

基于自适应多重多元回归的人脸年龄估计

针对基于标记分布学习的多重多元回归模型不能生成和人脸老化趋势一致标记分布的问题,提出自适应多重多元回归的人脸年龄估计方法.在为不同年龄生成具有适合标准差的离散高斯分布的基础上,采用偏最小二乘模型并有效地利用邻近年龄的人脸老化信息进行年龄估计.在MORPH人脸数据库上的对比实验结果表明,该文的人脸年龄估计模型具有更好的性能.     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

个体观测次数与协变量个数都趋于无穷的二值数据GEE估计的渐近性质

广义估计方程是专用于处理纵向数据的统计模型,有效地解决了纵向数据中协变量相关的问题,得到稳健的参数估计值。但由于观测次数的不唯一,大多数文献对观测次数设置了上限,前人在假设个体观测次数为有限的条件下,证明了经典Logit广义估计方程估计的渐近性质。而随着大数据时代的到来,试验中需要对个体进行更多次观测,以便得出更为精准的结论。鉴于此,对于观测个体的数量n、协变量个数pn以及观测次数m三者都趋于无穷的情况,通过限定m的发散速度,即在mp_n~3/n和m~4p_~4n/n都趋于0和其他正则条件下,基于微分中值定理及根的存在定理,证明了经典Logit广义估计方程估计的渐近存在性和相合性;并在该估计的相合性的基础上,通过Slutsky定理进一步证明出了该估计的渐近正态性。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。