Conflict analysis approaches for investigating attitudes and misperceptions in the War of 1812

Formal systems engineering approaches to modeling misperceptions and attitudes are employed within the framework of the graph model for conflict resolution to systematically study the War of 1812 between the United States of America and Great Britain in order to provide enhanced insights into the causes of the war. More specifically, relational definitions for preferences, movements and stability concepts are defined for describing the attitudes and associated behavior of decision makers involved in a conflict. To capture misperceptions of decision makers in the War of 1812, attitudes are studied within the structure of a hypergame. Combining attitudes and misperceptions within the paradigm of the graph model furnishes the flexible analytical tool which demonstrates that misunderstanding of attitudes by Great Britain and the United States may have contributed to the outbreak of this nasty war.     

基于子空间和LMS的线性共轭半盲多用户检测

针对实际的多载波码分多址上行链路,在基于最小均方实现的最小输出能量盲多用户检测(LMS-MOE)的基础上,提出MC-CDMA系统下一种基于子空间跟踪和LMS的线性共轭半盲多用户检测算法。该算法充分利用小区内所有用户的扩频码和伪自相关矩阵的信息使系统的性能得到了提高,采用修正的紧缩近似投影子空间跟踪信号子空间,从而避免特征值分解使计算复杂度显著降低。仿真实验验证了该算法的有效性和可行性。     

星载雷达弱目标长时间积累算法研究

空间弱目标的远距离探测与跟踪是星载雷达目标探测的关键技术之一,受星上计算机实时计算能力和存储能力的限制,空间远距离、弱目标的长时间直接全相干积累难以实现。在已有的分段处理方法基础上,提出了一种段内相干-段间二次相干积累的长时间积累算法,该算法对存储要求低,且具有很好的积累效果,非常适合实时处理和时间重叠处理。给出了算法的实现步骤和积累效率分析,与全相干处理相比该算法的额外信噪比损失仅为-2.4 dB。仿真结果验证了理论分析的结果和算法的有效性。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。     

基于IMM/EA的卫星姿态控制系统重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的系统重构容错控制。对于处于稳态的三轴稳定卫星,当姿态发生突变时,启动故障检测与诊断(FDD)子系统,采用交互式多模型(IMM)算法得到故障发生的位置以及故障模型,同时利用故障模型中的动力学系统进行特征结构配置(EA),生成重构控制器对原系统进行补偿控制。将FDD过程与重构控制器的设计过程结合,避免了单独设计FDD子系统然后再进行系统重构带来的计算量和时间延迟。最后通过数值仿真验证了该算法的有效性。     

基于局部二元图的视频对象阴影检测方法

针对在视频对象分割时,运动投影常被误分为视频对象,给出一种新的视频阴影检测方法,该算法基于在灰度图像中阴影区域和背景相应位置具有相同纹理这一事实,其中利用自适应高斯混合模型进行背景建模,利用局部二元图(local binary patterns,LBP)来表征纹理。首先,进行基于自适应高斯混合模型的背景提取,获得包含运动投影的前景分割,分割时加入了LBP纹理相似性判断,减少了分割出的目标内的孔洞提高了分割的精确度。然后利用阴影区域和已获取背景相应位置的LBP纹理相似性,可较好的对视频阴影进行检测。通过实验,获得了不错的阴影检测实验结果,可较好地应用于运动目标检测分割及跟踪等领域。     

基于全局变形模板的快速车道检测算法

车道检测算法的研究是室外移动机器人基于道路区域或边界信息自动导航的首要环节。根据实际应用需要,识别算法应能满足鲁棒、实时的要求。提出的基于全局模板的快速车道检测算法,根据驾驶员视觉处理经验,总结出道路边界识别的先验知识,在所选取的二次曲线道路形状模型基础上,推导出图像上车道的总体模型,利用道路图像的灰度特征,结合优化算法改变模板参数,实现对车道的跟踪。对实际路面图像的试验结果表明,该算法在多种环境条件下,都能很好地识别车道,具有很强的鲁棒性。同时,与传统的跟踪算法相比,该算法降低了计算损耗,更好地满足了实时性的要求。     

一种改进的基于小波变换图像边缘检测算法

本文提出了一种改进的图像边缘检测算法。它基于小波变换的方法,可以使检测处理中图像边缘相互影响所造成的边缘混叠现象减少到很小。实验结果证实了该算法的可行性。