协方差矩阵结构的广义近似最大似然估计

针对相关复合高斯杂波背景下相邻杂波纹理分量可能相同的情况,将杂波均匀分组进行推广,结合归一化采样协方差矩阵估计,提出了广义杂波分组的归一化采样协方差矩阵估计方法(generalized normalized sample covariance matrix, GNSCM). 利用最大似然估计方法,进一步推导了广义杂波分组背景下协方差矩阵结构最大似然估计的迭代过程,以GNSCM 为初始化矩阵进行迭代,得到协方差矩阵结构的广义近似最大似然(generalized approximate maximum likelihood, GAML) 估计. GAML 是对现有方法近似最大似然(approximate maximum likelihood, AML) 估计和约束迭代杂波分组估计(constrained recursive clutter-clustered estimator, CRCCE) 的推广,具有更强的杂波适应能力. 仿真结果表明,针对非均匀分组杂波环境,与AML 估计和CRCCE 相比,GAML 具有更高的估计精度,且相应的自适应检测器具有更好的恒虚警率特性和检测性能.     

四元数和脉冲耦合神经网络应用于足球检测

提出一种基于四元数傅里叶变换注意力选择和脉冲耦合神经网络在图像中跟踪足球的方法. 首先进行图像预处理以去除球场以外的区域,用四元数注意力选择算法提取感兴趣区域,基于颜色、形状、面积等多种特征检测足球. 若检测失败,则采用卡尔曼滤波器预测足球位置. 仿真结果表明,与基于速度控制的动态卡尔曼滤波和实时足球检测两种方法相比,检测成功率分别提高9.6%和14.9%.     

匀变速运动中编码器细分误差分析方法的研究(英文)

编码器的误差不仅与位置有关,还与速度、加速度等运动参数有关,分析编码器细分误差的产生原因,给出细分误差的计算公式,建立了匀变速运动中编码器光电信号的数学模型,通过计算机模拟仿真,提出了匀变速编码器光电信号参数特征的提取方法,即对实际采集的信号进行等间隔处理后,进行谐波分析,可以恢复出较真实的光电信号参数,进而计算出细分误差,最后给出了本方法的适用条件。     

亚波长微纳光学的前沿研究(二)*

结合薄膜光学、导波光学和衍射光学制备的亚波长微纳结构器件,具备制作新型功能光学元件的潜力,是当今光学领域备受关注的研究热点。笔者介绍了亚波长导模共振结构应用于可调谐滤波器、彩色图像再现,及其周期性孔阵列结构制备的可调谐滤波器。这些研究展示了微纳米尺度的光学结构不同于宏观尺度的新特征,及其在新技术的广阔前景和科技创新中的重要作用。     

随机条件久期模型的贴近度新息构建方法

针对随机条件久期(SCD)模型伪似然估计方法的非有效性问题,分析了新息对数正态分布的可能,证明了经修正的对数正态分布不仅满足SCD模型新息构建要求,其在期望值设定和随机取值方面优于原有新息分布,并进一步在此分布基础上提出了贴近度新息构建方法,该方法不同于期望新息构建方法,目的在于产生更少极端值使拟合久期接近实际久期,进而提高模型拟合和预报性能.同时也证明了新方法能包含原新息构建方法,具有一般性.当然,新息的对数正态分布也保证了SCD模型卡尔曼滤波解具备有效性,属于非伪似然估计.最后,通过一组模拟数据证实了新息对数正态分布的可行性,以及所提贴近度新息构建方法的优越性.     

基于Kalman滤波算法的基金动态资产配置能力评价方法

构建了一个可以用于分析开放式基金动态资产配置结构的模型, 并利用Kalman滤波算法对我国54支开放式基金近5年的时间序列样本进行了实证检验. 结果显示: 该模型具有时变特征的状态参数设定能够较好地跟踪和近似拟合现实中基金对股票和债券资产配置结构的变动. 进一步扩展了模型, 提出了直接评价基金在股票和债券资产之间进行动态配置能力的方法. 实证结果显示: 该方法在分析基金投资业绩表现的效果上要优于传统的Treynor-Mazuy模型, 而且能够识别出我国开放式基金总体上具有资产配置能力, 基金长期投资业绩主要来源于资产配置决策.     

随机波动和跳跃下的短期利率动态

在短期利率模型中引入随机波动和跳跃两种因素,利用序贯参数更新思想和粒子滤波方法实现模型的估计,并对中国银行间短期利率进行实证分析. 研究结果显示短期利率存在显著的随机波动和跳跃特征,表明CIR-SV-J模型在描述短期利率动态中拟合效果最优,而且忽视随机波动或跳跃因素会使拟合变差,影响对利率均值回复特征的描述,并证明了随机波动因素在模拟中比跳跃因素起着更为重要的作用.     

多传感器量测自适应Rao-Blackwellised粒子滤波算法

针对量测不确定下非线性系统状态估计中多传感器量测数据的有效利用和计算复杂度的简化问题,给出了一种多传感器量测自适应Rao-Blackwellised粒子滤波算法。首先,通过随机采样策略和量测模型先验转移概率实现用于评估粒子权重的传感器有效量测集合的采样;其次,利用重采样步骤和概率最大化原则完成对不含扰动影响传感器量测模型的辨识;最终,依据Rao-Blackwellised粒子滤波中非线性状态分量和线性状态分量的独立求解方式实现当前时刻系统的状态估计。理论分析和仿真实验结果验证了算法的可行性和有效性。     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length least mean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS, VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8 dB,具有实用价值。