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...     

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.     

一种新型的混合模式运动估计搜索策略

基于实时视频图像序列的运动矢量分布特性,本文提出了一种新型的混合模式运动估计搜索(MPS)策略。该算法根据给定的搜索距确定相应的搜索模式,使用中途停止技术快速的给出运动矢量。相比现有各种搜索算法,MPS搜索策略能够同时满足图像序列中的高速运动与慢速运动的搜索。仿真试验表明,本文搜索策略不仅在搜索速度上比现有MPEG-4校验模型的DS算法更加快速,并且具有更小的运动补偿误差以及更加真实的运动矢量场。     

基于GIS的线路土石方工程量的快速计算方法

基于GIS道路选线设计系统,提出一种线路中、边桩坐标的快速计算方法移动圆心坐标法.采用最小二乘法将地面线拟合成双向横坡来计算各断面的填挖方面积,提高计算速度的同时,有效保证了计算精度.     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

土的地震液化概率评估模型

基于278个土的地震液化或非液化实测数据,运用二元回归方法推导出两个对数模型.这两个模型将液化概率表示成地震荷载和土阻力参数的函数,以修正的标准贯入锤击数来量度土的抗液化能力.文中将所提出的对数模型与确定性液化判别标准进行了比较,并将模型应用于典型场地的分析.结果表明,所提出的两个对数模型能客观地评价数据中的相关信息,可直接量化基于统计数据的条件液化概率.     

基于循环累积量的星形QAM载波盲估计

针对通信对抗和正交幅度调制(QAM)信号解调的实际应用,提出一种利用特定高阶循环累积量估计星形QAM载波的方法。由于高阶循环累积量能有效抑制平稳噪声和非平稳高斯噪声,通过理论分析可证明在上述噪声背景下,星形8、16 QAM信号的特定四阶循环累积量仅在载波位置处存在,因此可以通过检测此循环频率实现载波的估计。该算法可推广到更高阶星形QAM信号。仿真实验验证了该算法的有效性。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。