线性时序逻辑模型检测被广泛应用于处理器设计与验证、网络协议验证、安全协议验证等领域.然而到目前为止,该技术只能在电子计算的平台上实现.为了以脱氧核糖核酸(Deoxyribo Nucleic Acid,DNA)为载体对线性时序逻辑(Linear Temporal Logic,LTL)实施模型检测,给出了使用粘贴自动机实现Until算子模型检测的方法.首先,使用粘贴自动机对Until公式的有穷状态自动机(Finite State Automata,FSA)模型进行编码;然后,将系统模型转换为粘贴自动机的输入字符串;最后,用粘贴自动机验证系统是否满足公式.仿真实验结果证实,新方法可实现对LTL逻辑时序算子的检测.
区域温度预测是多处理器片上系统(MultiProcessor System-on-Chips,MPSoCs)高效散热的基础.本文以RC热传导(Thermal Resistance and Capacitance,Thermal RC)模型为基础,结合二阶导数提出了一种温度预测模型.该模型不仅可以在较低的运算复杂度下准确预测温度,而且能在固定的预测误差率范围内拓宽预测时间长度,进而减少模型在实际运行中被调用的次数,降低额外功耗.实验结果表明,相比现有的一次导数预测模型,在相同可接受误差率范围内,该模型能将预测时长拓宽至对比模型的1.6倍.同时,当预测时长拓展至2.5s时,该模型的预测准确率比对比模型高3.84%.
航迹滤波中引入速度量测可提高滤波精度,但低重频雷达测速存在模糊,针对距离微分或Kalman滤波速度估计精度不能完全满足低重频测速解模糊问题,提出了多参数延时决策方法的速度模糊滤波方法.该方法以贝叶斯航迹概率为决策依据,对于难以当前决策的速度参数进行多假设延时决策,可有效解决低重频雷达径向速度估计问题.仿真试验表明,该方法在解速度模糊的同时可进行带径向速度量测的滤波,能较大程度地提高距离估计精度,并在一定程度上提高角度估计精度.
对偶性是形态学算子的重要性质之一,且具有重要应用.现有的矢量形态学算子均难以满足对偶性,从而限制了矢量数学形态学理论的发展及应用.为了解决该问题,研究了现有矢量形态学算子的性质,发现彩色空间和矢量排序算法是导致矢量形态学算子难以满足对偶性的两个关键因素.通过选用对称彩色空间,利用矢量对称距离实现了具有对偶特性的矢量形态学算子.为了验证矢量对偶形态学算子的性能,给出了满足对偶特性的矢量形态学滤波及梯度算子,并将其应用到彩色图像滤波及边缘检测中.实验结果表明,矢量对偶形态学算子较传统的矢量形态学算子具有更好的对称性,对噪声条件下的图像进行滤波及边缘检测,均获得了更好的处理效果.
针对超声彩色多普勒成像中由血管或血管周围组织时变运动引起的非平稳杂波抑制问题,提出一种基于奇异值谱加权的杂波抑制算法.首先根据单个慢时方向的回波多普勒矢量构建Hankel数据矩阵并进行奇异值分解,利用分解得到的Hankel主成分构造回归滤波器的正交基函数,同时引入改进的Sigmoid函数根据能量归一化奇异值谱计算回归滤波器系数,使得杂波区域的检测具有高度的特异性,从而提高非平稳杂波的抑制能力.为验证算法的有效性,利用商业级超声仪(Sonix RP,Ultrasonix Inc.)采集50帧人体颈动脉血流基带回波数据并进行滤波处理,滤波后数据采用滞一自相关法估计法计算血流平均速度与功率并进行成像.处理结果表明,与传统静态滤波器以及现有基于特征值分解的滤波算法相比,可有效增强组织空间高强度时变运动时血流与组织的区分能力.
随着纳米工艺的不断改进,温度对漏电流功耗和热导的影响日益显著.考虑温度/功耗/热导相互作用的3D芯片热分析需要采用迭代方法对温度进行精确求解,即先用功耗密度向量和热导矩阵来求解温度向量,再用求解出来的温度向量来刷新功耗密度向量和热导矩阵.为了提高3D芯片热分析的效率,本文以一个设定温度值下的均匀热导矩阵作为预条件,先提出了一种双循环、内循环低迭代次数的高效求解算法TPG-FTCG.鉴于TPG-FTCG具有超快的内循环收敛速度,本文省去了TPG-FTCG算法的内循环部分,提出了一种单循环、低迭代次数的TPG求解算法TPG-Sli.基于GPU(Graphics Processing Unit)并行加速技术,本文编写并改进了TPG-Sli的GPU加速算法.实验数据表明:与采用经典高效的ICCG算法进行3D芯片热分析的TPG-ICCG算法相比,在足够小的误差范围内,TPG-Sli的GPU加速算法可以获得120倍的速度提升.
脸部肌肉之间的时空关系在人脸表情识别中起着重要作用,而当前的模型无法高效地捕获人脸的复杂全局时空关系使其未被广泛应用.为了解决上述问题,本文提出一种基于区间代数贝叶斯网络的人脸表情建模方法,该方法不仅能够捕获脸部的空间关系,也能捕获脸部的复杂时序关系,从而能够更加有效地对人脸表情进行识别.且该方法仅利用基于跟踪的特征且不需要手动标记峰值帧,可提高训练与识别的速度.在标准数据库CK+和MMI上进行实验发现本文方法在识别人脸表情过程中有效提高了准确率.
传统压缩感知(CS,Compressive Sensing)成像方法一般假定目标精确位于事先划定的成像网格上,实际中由于散射点空间位置是连续分布的,因此偏离网格(Off-grid)问题必然存在.这会引起真实回波测量值与默认系统观测矩阵之间失配,导致传统CS成像方法性能恶化.本文基于频率分集多输入多输出(FD-MIMO,Frequency Diverse Multiple-Input Multiple-Output)雷达,针对Off-grid目标提出了一种基于贝叶斯压缩感知的稀疏自聚焦(SAF-BCS,Sparse Autofocus Imaging Method Based on Bayesian Compressive Sensing)成像算法.该算法依据最大后验(MAP,Maximum A Posteriori)准则,利用变分贝叶斯学习技术求解含有Off-grid目标的稀疏像.与传统稀疏重构方法相比,所提方法充分利用了目标先验信息,可自适应调整参数,能够更好地反演稀疏目标,同时具有校正Off-grid目标的网格位置偏差以及估计噪声功率等优势.仿真结果表明SAF-BCS算法对网格划分不敏感,具有稳健的成像性能.
空间调制(Spatial Modulation,SM)是一种特殊的多天线传输技术,利用发送天线索引和发送的符号共同传递信息.为了获得发送分集增益,人们将天线选择技术应用到SM系统中,提高SM系统解调性能.在天线选择技术中,最大-最小欧式距离(Euclidean Distance Antenna Selection,EDAS)准则应用较为广泛,但是它的全搜索求解方法复杂度高,限制了其应用.为此,本文利用空间调制系统和调制符号本身的特性,从2维量化解调的视角出发,给出了两种低复杂度的最优天线选择算法,并通过计算机仿真和复杂度分析,表明了该算法的有效性和最优性.
为了解决射频识别(Radio Frequency IDentification,RFID)系统中的多标签防碰撞问题,在分析帧时隙ALOHA算法的基础上,提出一种基于分组自适应分配时隙的RFID防碰撞算法(GAAS).首先让阅读器对标签随机所选的时隙进行扫描统计,并将其发送给每一个标签,标签再进行相应地时隙调整,使阅读器跳过空闲时隙和碰撞时隙,自适应地分配有效时隙,进而对标签进行快速识别.当未识别标签数比较大时,算法采用分组以及动态调整帧长等策略,以减少时隙处理的时间.仿真结果表明:GAAS算法提高了系统的识别效率和稳定性,降低了传输开销.特别是当标签数超过1000时,该算法的吞吐率仍保持在71%以上,比传统的帧时隙ALOHA-256算法和分组动态帧时隙ALOHA算法的系统效率分别提高了300%和97.2%.
准确高效地估计GTD模型参数对目标特性研究和目标识别有重要的意义.本文根据雷达宽带时域信号能量集中的特点,建立稀疏成分分析的时域模型,实现GTD模型参数估计.该时域模型,根据高分辨率一维像自适应地缩小散射中心分布的可能区域,缩减字典的列数;利用GTD模型的时域响应构建时域字典,并截断字典中值较小的元素使字典成为稀疏矩阵.根据模型的特点设计了一个基于正交匹配追踪的求解方法.与现有频域模型相比,时域模型的字典不但维数减少而且是一个稀疏矩阵,能极大地降低字典的数据量和模型求解计算量.通过实验验证了时域字典的性能和参数估计方法的有效性.
空间数据集中的点普遍由空间信息及描述文本信息组成.空间近似关键字反远邻查询(Approximate String Reverse Furthest Neighbors Search,ASRFNS)问题是在一个空间数据集中搜索所有以给定查询点为最远邻,且满足文本相似度条件的目标.基于现有的空间反远邻查询算法以及近似关键字查询算法,我们提出了两个基本的解决算法:凸包最远单元交集(CHFCsJoin)算法和凸包最远单元近似字符串串行查询(CHFCASSS)算法;我们又设计了一种包含空间和关键字信息的外存索引结构Filter-Rtree,并给出了相应的凸包最远单元过滤R树(CHFilterRtree)高效算法.通过真实数据集的实验测试,验证这三种算法的有效性,并分析比较了其性能与效率.
提出一种基于区域限制的EM(Expectation Maximization)和图割的非监督彩色图像分割方法,以解决自动确定分割类数问题.首先,生成图像的超像素,提取图像的CIE Lab颜色特征和多尺度四元数Gabor滤波特征;为了高效自动地确定分割类数,同时避免因直接使用超像素造成的奇异值问题,对每一个超像素采样并使用采样像素表示超像素;然后采用高斯混合模型对采样像素集合进行建模,使用加入区域限制的分量EM自动获取模型组件数及参数,最后使用图割结合高斯混合模型对图像进行优化,获取最终分割结果.实验结果表明,该方法在分割效率和分割质量上均得到较大提升.
视觉跟踪是智能监控、机器人和视觉导航等领域的核心技术.针对现有类贯序蒙特卡洛跟踪方法复杂度高、实时性差的问题,本文提出了一种融合置信区域内多级动态层表达的跟踪方法,采用更加可靠、有效的粒子模拟状态后验概率.该方法利用检测模块得到目标可能出现的置信区域,根据真实目标尺寸给出一种粒子采样策略,每个粒子代表一级动态层表达,并为每个粒子建立双层运动模型;构建Mean-Shift分块观测模型以引入空间和外观信息,同时根据子块的匹配程度计算粒子权值、检测目标遮挡状态并提出模型更新策略.在公开视频序列上同经典粒子滤波和Mean-Shift等算法的实验对比结果证明了本文算法具有较优的跟踪准确度和实时性.
社交网络节点之间的关系强度建模是研究信息传播、实现推荐服务等社交网络服务的关键.传统关系强度模型主要研究简单二元关系与静态关系,未考虑用户交互影响及其动态衰减.本文提出一种基于霍克斯过程的社交网络用户关系强度模型,将用户关系强度视为潜在因子,用户相似性与历史交互行为分别视为潜在因子诱因与表象,并使用霍克斯过程刻画历史交互行为与用户关系强度之间的关系,解决了已有模型未考虑用户历史交互影响及其动态衰减的问题.采用微博社交网络数据对模型进行的评估表明,本模型可以提高用户关系强度预测精度以及基于关系强度排序Top-N邻居节点的覆盖率.
信号到达幅度比方法因测量简便,可实现对窄带信号的无源定位而广泛应用于射频定位系统、无线传感器网络和声源定位中.当目标海拔已知,将其作为定位方程的约束条件可实现对目标更精确的定位,而现有方法没有考虑这个问题.对此本文建立了海拔约束的信号到达幅度比无源定位模型,推导了定位精度的克拉美劳下界,并提出了一种基于Newton迭代的定位算法.理论推导表明该算法在测量误差服从方差较小的零均值高斯分布时能够达到克拉美劳下界,仿真结果与理论推导一致.无线电栅格化监测试验网的验证结果表明,对系统幅度误差进行校正后,该方法能够实现对辐射源的准确定位.
针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.
在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响.该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMC-L1)降维方法,它充分利用L1-范数对野值及噪声的强鲁棒性以及最大间距准则,提出了一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明.在多个图像数据库上的实验验证了该方法的鲁棒性与高效性.
本文利用非线性随机微分方程来合成间歇混沌信号,针对该信号表现出的1/f噪声特征,在不同消失矩的小波基下进行相关特性分析.仿真结果发现,在功率谱的中间频段内,该信号的功率谱密度表现出典型的1/f噪声特性,其小波变换系数方差与相应的小波尺度呈对数线性关系;且在该频段内,部分尺度下该间歇性信号的小波变换系数的相关性随小波基的消失矩的增大而减小,在另一部分尺度下该相关性则随着消失矩的增大而增大.实验结果表明,随小波消失矩的增大,并非在所有尺度下小波变换对该间歇性信号均具有去相关作用.论文讨论了小波变换系数的方差和尺度的关系,详细分析了小波变换系数的相关性随小波消失矩的变化趋势.
特定建筑区域的自动检测及跟踪在机载遥感视频数据处理中具有重要意义,是非悬停机载平台面向任务对地搜寻及火控系统引导的关键技术之一.针对实际复杂应用场景,提出一种特定建筑区检测跟踪算法.首先,将离线获得的目标区参考图进行局部描述子特征提取.目标区在线检测阶段,为保证时效性,提出基于边缘显著性的快速SIFT (Scale Invariant Feature Transform)特征提取方法,对待检测大视场图像中疑似建筑区域提取局部描述子特征;并通过设计层次化的特征点匹配方法实现目标区的高可靠检测.目标区在线跟踪阶段,通过自适应开窗及轨迹预测技术有效圈定疑似目标区,并在圈定的有限范围内进行最终目标确认及稳定跟踪.实测数据仿真结果表明,本文提出的算法能在复杂场景条件下,实现对特定建筑区域的快速检测及稳定跟踪.可为将来实际系统应用提供关键技术支撑.
现有的协作路由算法没有考虑多射频无线mesh网中的信道分配问题.为了给多并发业务流提供更优质的网络服务,本文结合多射频多信道技术和协作通信技术来降低同信道干扰并获得协作分集增益.基于协作通信模块虚拟化的方法,本文将联合协作路由和信道分配问题简化为联合直接路由和信道分配问题,将其建模为一个混合整数线性规划问题,并证明该问题为NP-hard问题.为了解决该问题,提出了一种宽松的联合协作路由选择和信道分配算法(Loose Joint Cooperative Routing and Channel Assignment algorithm,L-JCRCA).仿真实验结果表明,L-JCRCA可以有效提升网络整体吞吐量.
认知无线电通过与MIMO(Multi-Input Multi-Output)、OFDM(Orthogonal Frequency Division Multiplexing)、超宽带、协作通信等技术融合来改善频谱利用率.而认知MIMO是认知无线电和MIMO技术的融合,虽然具有干扰抑制、抗多径衰落、空间分集和复用等优势,但是由于underlay共享方式中干扰温度约束的存在,导致发送预编码矩阵之间相互耦合,因此该技术在underlay干扰网络中难以获得最优的传输性能.针对该问题,通过交替迭代的方式,结合Rayleigh-Ritz定理和凸优化理论,推导了最优收发矩阵之间的迭代关系,提出一种最优干扰对齐算法.该算法利用Lagrange部分对偶方式来去除干扰温度约束,并采用次梯度投影法更新Lagrange变量,克服了已有半正定松弛算法因忽略矩阵秩约束而导致速率性能下降的缺陷.理论分析和数值仿真验证了算法的有效性,结果表明所提算法可实现网络可达速率和的最大化.
针对计算机在肺部CT肺结节辅助检测过程中,二维CT图像序列血管横截面与肺结节成像特征类似,导致无法有效检测的问题,提出新策略的肺结节检测算法.以格式塔心理学为基础,以去除血管的新策略间接的对肺结节进行检测.实验结果表明,本算法可有效降低血管对肺结节检测的影响,从而提高肺结节的检测精度.
针对传统大规模片上网络(Network-on-Chip,NoC)远距离核间多跳通信所带来的高能耗与延时问题,提出了一种基于虚Torus的自适应的混合型无线NoC拓扑结构(VT-AWiNoC).该结构通过引入链路拥塞测度作为感知参数,基于此采用热点无线链路自动探测与带宽动态分配机制,并设计实现发送器动态分配的控制电路模块,以达到根据不同的通信流量模型,于片内自适应地调整拓扑结构及链路带宽的目的.通过建立混合型无线NoC的延时与功耗评估模型,对该结构的无线NoC进行性能评估.实验结果表明,该自适应拓扑与其它混合型无线NoC相比,在随机流量模型下,网络平均延时降低了16.52~23.27%;在20%的热点流量模型下,包平均能耗节省了39.19%;以真实应用FFT作为基准测试,平均延时降低了17.20%~21.68%,并节省了23.49%的包平均能耗.该结构以较小的面积开销获得了更优的性能.
针对认知系统中感知信道存在衰落和中继能耗较大问题,提出一种兼顾感知性能和感知能耗的中继协作频谱感知算法.该算法通过机会中继协作、基于效益函数的最优中继协作和系统参数自适应调整机制,能够获得性能与能耗的优化折中.文章对所提算法进行了详细的理论推导和性能分析,并对非中继协作感知算法和最优中继固定的协作感知算法以及本算法在不同系统参数下的感知性能进行了仿真比较.结果表明本算法具有一定的优越性.
针对当前社会网络的匿名化隐私保护方法存在信息损失量巨大、网络关系结构被改变严重等问题,提出一种保持网络结构稳定的k-度匿名隐私保护模型SimilarGraph,运用动态规划方法对社会网络按照节点度序列进行最优簇划分,然后采用移动边操作方式重构网络图以实现图的k-度匿名化.区别于传统的数值扰乱或图修改如随机增加、删除节点或边等方法,该模型的优势在于既不增加网络边数和节点数,也不破坏网络原有连通性和关系结构.实验结果表明,SimilarGraph匿名化方法不仅能有效提高网络抵御度属性攻击的能力,并且还能保持网络结构稳定,同时具有较理想的信息损失代价.
分别采用3MeV和10MeV的质子对GaN基HEMT(High Electron Mobility Transistor)器件进行辐照.实验发现:低注量辐照引起了体材料载流子浓度增加,高注量辐照引起了HEMT器件漏电流下降,跨导减小,阈值电压显著退化的结果.通过分析发现辐射感生受主缺陷引起的2DEG浓度降低是上述器件退化的主要原因.此外基于实验结果,采用辐射感生受主缺陷退化模型仿真并计算了HEMT器件主要参数随受主浓度的退化规律,仿真结果与实验结果有较好的一致性.本文实验结果也表明场板结构和SiN钝化层有效地阻止了电子陷落在表面态中,屏蔽了绝大部分的辐照损伤,是很有效的辐射加固手段.
为了给出一种基于Duffing系统的完整信号检测与估计方法,本文采用了耦合型间歇混沌振子,并引入了变尺度方法,以实现仅用单个Duffing振子完成对未知频率具有任意出相位的正弦信号的检测与频率估计.此外本文还提出了一种新的正弦信号幅值、相位同步估计方法,并综合方法原理和仿真实验结果证明了此方法具有估计精度高、抗噪声干扰能力强和实时性好的优点.最后用一组仿真实验结果验证了本文所提出的检测方法的有效性和估计方法的准确度.
现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法——广义解析模态分解(Generalized Analytical Mode Decomposition,GAMD).GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量.因此,GAMD非常适合分析时变的非平稳信号.通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高.
社区发现是社会网络研究的热点问题,综合利用社会网络中不同对象间的异质信息,可以更加有效地挖掘网络中的社区结构.针对传统的社区发现方法无法有效地利用异质信息的问题,本文提出了一种基于语义路径的异质网络社区发现方法,该方法首先定义网络中的语义路径,通过语义路径来衡量不同类型对象间的异质信息相似度,然后以此构造可靠性矩阵,作为半监督非负矩阵分解的正则化约束项,进而实现异质网络的社区划分.在真实数据集上的实验结果表明,所提出的方法能够更准确地发现异质网络中的社区结构.
针对复杂的多目标优化问题,根据不同差分进化策略的特点,提出一种基于动态种群多策略差分进化模型和分解机制的多目标进化算法(MOEA/D-DPMD).该算法将种群划分为3个子种群,每个子种群分配一种差分进化策略.为了提高算法的性能,依据每种差分进化策略的贡献度,动态的调整子种群的规模,各差分进化策略之间相互配合协同进化.采用具有复杂的PS的LZ09系列基准函数,测试新算法的性能,仿真结果表明邻域规模为25时性能最好.通过不同差分进化策略之间的对比分析,新算法也具有较强的优势.将其与MOEAD/DE和NSGA-II算法对比分析,结果显示该算法的收敛性和多样性均优于另外两种算法,是求解复杂多目标问题的有效方法.
多峰优化问题需要搜索多个最优值(全局最优/局部最优),这给传统的优化算法带来很大程度上的挑战.本文提出了一种两阶段算法求解多峰优化问题.第一阶段采用带有邻域变异策略的排挤差分演化算法进行粗粒度搜索,在适应度景观上尽可能多的找到最优解的大概位置.搜索一定代数之后,调用DMC聚类方法把搜索种群划分成多个聚类,然后在每个聚类上调用协方差矩阵自适应演化策略算法进行精细搜索.另外,本文还提出搜索点补充策略用于平衡每个聚类的大小及增加算法初期的搜索能力.我们提出的方法和9个较新的经典算法在两个基准测试集上进行了大量对比测试,结果表明新算法是有效的,在大多数测试函数上都优于其它算法.
提出一种基于伪随机码置乱的分布式视频残差编码端码率控制算法,利用伪随机码对残差视频帧的像素进行置乱处理,将信源图像与其边信息图像之间的差别均匀化,实现帧级别上的码率估计,即每一帧用同一码率发送.如果收端译码失败,利用提出的一种量化序号估计算法能显著提高译码成功率,解决码率低估问题.同时发端视频残差帧的特性能近似表示收发两端信号之间的相关性,因此,发端无需产生一个预测的边信息.仿真结果表明,该算法发端复杂度低、译码成功率高、系统延迟小、率失真性能良好.
无线频谱资源的匮乏和多用户争用环境,导致认知无线网络中频谱切换研究面临严峻挑战.本文阐述了频谱切换的基本原理,包括频谱切换的概念和特征、频谱切换的主动决策和被动决策分类、频谱切换过程及建模抽象的方法等几个方面.其次,重点以数学建模工具为主线,综述了基于概率论、马尔可夫过程、排队论、模糊逻辑、模糊神经网络等5类代表性的频谱切换算法,评述了学术界在各类频谱切换算法上的重要研究成果;最后,基于对已有算法和研究成果的分析,总结了当前研究中存在的非理想频谱检测、目标信道选择、空闲信道动态性等主要问题,预测了频谱切换的未来研究方向.
贝叶斯网络是数据挖掘领域的主要工具之一.在某些特定场合,如重大装备的故障诊断、地质灾害预测及作战决策等,希望用少量数据得到较好的结果.因此,本文针对小数据集条件下的贝叶斯网络学习问题展开研究.首先,建立基于连接概率分布的结构约束模型,提出I-BD-BPSO(Improved-Bayesian Dirichlet-Binary Particle Swarm Optimization)结构学习算法;其次,建立单调性参数约束模型,提出MCE(Monotonicity Constraint Estimation)参数学习算法;最后,应用所提算法构建威胁评估模型并应用变量消元法进行推理计算.实验结果表明,在小数据集条件下,本文的结构学习算法优于经典的二值粒子群优化算法,参数学习算法优于最大似然估计、保序回归及凸优化算法,并能够构建有效的威胁评估模型.
极化有源雷达校准器(Polarimetric Active Radar Calibrator,PARC)可用于宽带高分辨雷达的定标,以使高分辨成像技术能准确刻画雷达目标的细微特征,但其作为有源器件会引入额外失真从而影响系统失真补偿.本文基于成对回波理论及频域失真补偿原理,通过将频域补偿转换为时域滤波,提出截取滤波器系数的方法以修正PARC失真.实测数据结果表明了理论分析和提出的修正方法的正确性,修正后的PARC可近似理想地补偿系统失真.
传统基于子视相干的检测算法,如2L-IHP(Two Looks Internal Hermitian Product)和Pol-IHP(Polarimetric Internal Hermitian Product)等,通常利用两个子视影像进行相干来检测海面弱小船只目标.但受子视影像个数的限制,无法大幅度地提高船海对比度,进而影响了检测精度.针对该问题,本文提出了一种基于全极化SAR的广义多子视相干检测算法,首先利用子视分解方法对全极化SAR数据进行处理得到多个子视全极化影像;接着,基于广义相似性参数(Generalized Similarity Parameter,GSP)定义这些子视影像间的相关矩阵和相干算子来计算相干图;然后,利用恒虚警率(Constant False Alarm Rate,CFAR)检测方法结合统计的相干图累积分布函数进行船只目标检测.通过实验,表明利用本文算法船海对比度随着子视影像个数的增加而得到大幅提高,从而减少了弱小船只目标的漏检,显著提高了船只目标检测精度.
