区域洪涝灾害风险估算模型及其应用

为了减轻洪涝灾害造成的损失,针对系统存在的风险指标,研制区域洪涝灾害风险估算模型.应用马尔科夫链进行某种趋势外推型的风险预测,并估算洪涝灾害无实测值的状态;采用贝叶斯统计理论和方法,通过先验分布结合样本信息来推求后验分布,以最大概率原则判别风险估算的趋势,按照估算结果及当地的实际情况,适度调整针对洪涝灾害的策略,尽可能...     

分布式MIMO系统中载波频偏和信道的EM-PF联合估计

考虑了平衰落背景下分布式MIMO系统中载波频偏和信道的联合估计问题.与集中式MIMO的联合处理方法不同,改进了EM算法,提出了EM-PF算法解决这一强非线性难题.仿真结果表明:改进的算法更逼近克拉美罗界,在高性噪比条件下,误码率更低,有很大的实用价值.     

无线传感器网络测距定位算法改进与分析

在无线传感器网路实际应用中,节点定位技术是重要的支撑技术之一.不同于常规的求解距离等式方程组解法,分别采用MLE(最大似然估计参数)法和最小二乘法,对无线传感器网络测距的定位算法进行改进.非常有趣的是,两种不同方法得到的结果完全一致.最后经过实验评估和算法仿真对比分析测距定位算法改进前后的特性,结果表明改进后的测距定位算法能取得良好的定位精度.     

基于表观特征的单目视觉算法实现的注视方向估计

视线跟踪作为一种重要的人机接口模式,能够提供丰富的人机交互信息.提出了基于单目视觉的视线跟踪方法( Monocular Vision Approach,MVA).从眼部图像提取的表观特征,再经过支持向量回归( Support Vector Regression,SVR)计算实现可头部动作的注视方向估计.本方法仅用一个摄像机采集一副人脸图像作为输入数据,输出的计算结果是人的头部姿态和注视方向,以摄像机坐标系为参照系.采用的表观特征是基于方向二值模式( Directional Binary Pattern,DBP)算法,解析瞳孔在眼窝中运动引起的图像纹理变化.视线跟踪方法首先将双眼分割出来,并编码成高维的方向二值模式特征,最终通过支持向量回归作为匹配函数计算注视视角.共有11个人共23 676回归样本,按照姿态分成5个聚类集合.实验结果显示,基于本方法进行注视方向估计可以获得3°的测试误差.     

无失效数据失效概率的综合估计

本文对指数分布的无失效数据(ti,ni),给出了参数λ的最小二乘估计以及失效概率pi=p{T相似文献   

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度,结合特征点法精度高和光流法速度快的特点以及惯性信息,提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先,改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程,采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点,提高特征分布离散性。其次,在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联,在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联,保证算法速度的同时提高定位精度和鲁棒性。最后,基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值,整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明,所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性,定位精度平均...