水上交通安全信息处理中的神经网络技术

由于航道信息环境的复杂化 ,使得现代水上交通安全面临着很多严重问题。解决这些问题的出路在于采用先进的信息处理理论和技术 ,而神经网络就是一个最佳的选择。研究分析表明 ,神经网络在水上目标的雷达、红外和声纳检测 ,识别 ,跟踪 ,水上交通安全信息融合 ,船舶避碰决策支持等方面 ,具有良好的应用前景     

一种基于二阶统计的盲源分离方法及性能分析

提出了一个基于信息论原理的目标函数 ,该目标函数可以作为衡量输出分量独立性的标测度。最小化该目标函数并利用信号的非平稳特性和两种网络结构形式的等价性 ,得到一种可以进行非平稳信号的盲分离的训练算法 ;计算机仿真结果表明了该算法的有效性。最后对目标函数的性能进行了分析。     

相控阵雷达旁瓣对消工作模式研究

从解矩阵方程的角度出发 ,在理论上分析了雷达旁瓣对消系统对消旁瓣干扰的工作原理 ,并由此得出了雷达实现最佳旁瓣干扰对消所需满足的条件 ,同时给出了实际的雷达旁瓣对消系统可能的四种工作模式 ,并比较了其优缺点。给出的最佳旁瓣对消条件 ,在雷达旁瓣对消系统的整体设计和对消系统性能的分析中将具有实际的指导意义。     

一种高分辨率谱估计与数据外推的快速算法

利用信号频谱幅度分布的先验信息,对短时数据序列信号提出了一种实现高分辨率谱估计和数据序列外推的快速算法。该算法利用了算子矩阵的特殊结构,采用简单、快速的矩阵求逆算法,使算法的运算量和数据存储容量大幅度下降。给出了算法在高分辨率谱估计及数据序列外推中的应用实例和仿真结果,证实了该算法的优良性能。     

高分辨率雷达二维图像的图像处理与特征提取

首先分析了雷达目标散射信号特征。在此基础上 ,根据MUSIC算法得到的雷达图像特点 ,通过平滑、量化、增强等适当的图像处理方式对F - 16、HY - 2 0 0 0两种飞机缩比模型在阶梯变频雷达上所获取的雷达图像进行处理 ,并形成雷达二维灰度图 ;最后 ,采用图像矩阵描述方示进行雷达图像的特征提取     

基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。     

Design of complex FIR filters with arbitrary magnitude and group delay responses

To design approximately linear-phase complex coefficient finite impulse response (FIR) digital filters with arbitrary magnitude and group delay responses, a novel neural network approach is studied. The approach is based on a batch back-propagation neural network algorithm by directly minimizing the real magnitude error and phase error from the linear-phase to obtain the filter’s coefficients. The approach can deal with both the real and complex coefficient FIR digital filters design problems. The main advantage of the proposed design method is the significant reduction in the group delay error. The effectiveness of the proposed method is illustrated with two optimal design examples.     

考虑搬运时间的多品种、小批量混流制造系统批量加工模式的优化与资源调度

对带搬运时间的混流制造系统批量加工模式的优化与资源调度问题进行研究. 建立批量工件的加工与搬运时间模型,用于求解生产周期和优化搬运次数. 在此基础上,分析工件排序方案的决策准则,用于确定工件最优投产顺序. 设计互助组优化算法,其可对最优作业排序方案所需的搬运设备进行调度. 研究结果表明: 本文的研究方法可有效求解带搬运时间的批量工件的生产周期,能优化批量工件的搬运时间和次数,可获得工件的最优排序方案,并能合理调度搬运设备资源.     

基于随机共振的惯性传感器信号实时处理方法

根据惯性传感器信号处理特点,研究其基于随机共振的信号实时处理方法。首先,从实时性的角度出发,确定随机共振数值算法--龙格库塔法,并对其进行相应改进,实现实时处理。然后,研究单稳系统中各个参数对信号恢复结果的影响,确定系统处理的较佳参数。最终的仿真结果表明,静态信号的零漂值得到了较大改善,而动态信号的信噪比最大可提高约20 dB。同时,为了进一步验证算法,在数字信号处理硬件平台上实现算法,采样频率为5 000 Hz,结果完全能够满足惯性传感器信号处理的要求。因此,所提算法能够有效进行惯性传感器信号实时处理,为随机共振理论在惯性传感器信号处理中的应用提供了重要参考。     

Measuring and locating zones of chaos and irregularity

The new measures computed here are the spectral detrended fluctuation anatysls （sDFA） and spectral multi-taper method （sMTM）. sDFA applies the standard detrended fluctuation analysis （DFA） algorithm to power spectra, sMTM exploits the minute increases in the broadband response, typical of chaotic spectra approaching optimal values. The authors chose the Brusselator, Lorenz, and Duffing as the proposed models to measure and locate chaos and severe irregularity. Their series of chaotic parametric responses in short time-series is advantageous. Where cycles have only a limited number of slow oscillations such as for systems biology and medicine. It is difficult to create, locate, or monitor chaos. From 50 linearly increasing starting points applied to the chaos target function （CTF）; the mean percentage increases in Kolmogorov-Sinai entropy （KS-Entropy） for the proposed chosen models; and p-values when the models were compared statistically by Kruskal-Wallis and ANOVA1 test with distributions assumed normal are Duffing （CTF： 31%： p 〈0.03）; Lorenz （CTF： 2%： p 〈0.03）, and I3russelator （CTF： 8%： p 〈0.01）. Principal component analysis （PCA） is applied to assess the significance of the objective functions for tuning the chaotic response. From PCA the conclusion is that CTF is the most beneficial objective function overall delivering the highest increases in mean KS-Entropy.