圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)因具有超高分辨率、三维成像能力、全方位信息获取等优势已经成为雷达领域的研究热点.在实际应用中,场景中目标通常仅在较小观测角度内具有近似恒定的散射特性.为此本文提出了一种基于子孔径划分的CSAR频域成像处理方法,该方法相比于时域成像处理具有更高的处理效率.文中给出了CSAR回波的频谱表达形式并深入分析了其特性;提出了CSAR子孔径频域成像处理的基本流程,理论上详细论证了文中所提算法的可行性.最后仿真试验证实了文中所提信号模型及成像处理流程的正确性.
对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法.
针对基于文法建模的多功能雷达(Multi-Function Radar,MFR)参数估计领域中常规算法具有的高运算复杂度问题,提出一种快速估计算法.该算法利用文法的派生过程仅与文法结构有关,而与文法概率参数无关这一事实,利用库克-杨-卡塞米(Cocke-Younger-Kasami,CYK)算法对截获雷达数据序列进行预处理,构造出可以反映该序列派生过程的解析表,进而从该解析表中提取出序列的最优解析树,然后利用改进的Viterbi-Score算法对雷达文法概率参数进行快速估计.论文仿真分析了该算法的计算复杂度、存储复杂度和估计精度,实验结果表明了该算法相对于常规算法,可以减少60%左右的计算量.
马尔可夫随机场(Markov Random Field,MRF)广泛用于处理遥感图像的分类问题,然而MRF在构建极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像模型时未考虑其非平稳特性且对初始分类较为敏感,为此本文提出了一种基于加权合成核与三重马尔可夫随机场(Triplet Markov Field,TMF)的极化SAR图像分类方法.该方法依据训练样本在特征空间上的距离,提出了加权合成核函数权重系数的自适应确定方法以提高初始分类的精度和普适性;为充分考虑极化SAR图像的非平稳统计特性,利用TMF对极化SAR图像进行统计建模以实现贝叶斯分类.实验结果表明,与基于MRF的极化SAR图像分类方法相比,本文所提方法可获得更高的分类精度和更平滑的同质区域分类结果,而且本文方法能更好地保持图像边缘信息.
具有双极化接收能力的雷达利用极化滤波手段能够抑制波束主瓣内的干扰信号.然而多径等传播环境效应会对干扰信号的极化特性产生扰动,影响实际接收信号的极化度,同时影响极化滤波器的干扰抑制性能.本文基于工程中对干扰抑制极化滤波器性能分析的需求,分别在理想条件及环境扰动条件下建立了用于描述干扰抑制极化滤波器性能的数学模型,仿真分析了极化滤波器的干扰抑制性能同干噪比、干扰极化状态以及环境扰动系数间的关系.随后为改善环境扰动影响下干扰抑制性能,提出了一种新的基于天线主辅阵联合的极化滤波的方法.最后通过极化雷达抗干扰实验不仅验证了极化滤波器性能表征模型的正确性,同时还在环境扰动条件下对比了两种滤波器性能,结果表明新的滤波方法在该扰动条件下干扰抑制方面的优势.
为了在多视角聚类过程中同时考虑特征权重和数据高维性问题,提出一种基于特征加权和非负矩阵分解的多视角聚类算法(Multiview Clustering Algorithm based on Feature Weighting and Non-negative Matrix Factorization,FWNMF-MC).FWNMF-MC算法根据每个视角中每个特征在聚类过程中的重要性,自动赋予不同的权值.通过将每个视角空间中的特征矩阵分解为基矩阵与系数矩阵的乘积,将多视角数据从高维空间映射到低维空间.为了有效利用每个视角信息挖掘聚簇结构,最大化每个视角在低维空间的一致性.最后实验结果表明FWNMF-MC算法的聚类效果明显优于已有的4种有代表性的多视角聚类算法.
多目标参数估计是对称三角线性调频连续波(STLFMCW)雷达运动目标检测中的一个难题.文章提出了一种利用包络走动现象来实现多目标参数估计的方法.首先建立了多目标的运动模型,通过分析目标的回波信号,推导得出了引起包络走动的误差因子;其次,通过正、负调频峰值配对得到了包含目标速度信息的速度矩阵,利用速度矩阵中的速度对回波信号进行包络补偿,并将补偿后的峰值进行重新配对,得到了模糊目标信息;最后通过剔除虚假目标,获得了准确的目标信息.仿真实验验证了所提方法的准确性和有效性.
针对多源SAR(Synthetic Aperture Radar)图像几何精处理需要大量离散控制点的问题,文章中提出一种级联SIFT(Scale Invariant Feature Transform)匹配算法.首先,采用大尺度自适应各向异性高斯SIFT(Adapted Anisotropic Gaussian-SIFT,AAG-SIFT)算法进行图像粗配准,大尺度AAG尺度空间可以在模糊不稳定局部纹理干扰的同时,保持图像的结构信息,提高算法的鲁棒性;其次,级联一种局部SIFT匹配算法,在粗配准后图像间进行局部匹配,避免不相关区域内重复纹理对特征匹配的影响;最后,通过尺度和旋转等先验条件筛选匹配点对,保证匹配结果的准确性.对比实验表明,级联SIFT处理可以增加提取同名点的数量和空间分布质量,而且匹配点定位准确.
商图是利用图的对称性分析量子行走算法的一种重要数学工具.量子行走在商图上的演化算子由移位算子和硬币算子构成.本文以构造的方式给出了Grover硬币算子在超立方体的商图上对应的矩阵形式,并给出了其正确性证明.由于商图上的移位算子可由原图上的移位算子直接导出,从而确定了使用Grover算子作为硬币的量子行走在商图上的演化算子.
本文将量子一次一密通信方法引入到量子中继器网络中,提出了基于身份认证的安全量子中继器网络编码方案.针对编码过程中存在的主动攻击问题,用一次一密的方式实现任意相邻节点通信过程中的身份认证,优化编码算法,最终在源节点与目的节点间生成量子纠缠态作为信道,构成量子隐形传态网络.方案分析表明,这种方案可以实现高可靠性、高安全性的远程量子通信.
为提高网络链路丢包率的测量速度,本文提出一种基于子树丢包模式的链路丢包率推断算法.该算法通过选择合理的链路丢包率初始值以减少迭代次数;根据端到端测量结果将网络拓扑划分为传输状态确定性区域和非确定性区域,避免确定性区域冗余分解造成的时间开销;通过对非确定性区域子树丢包模式按层分解,以子树丢包模式为基本计算单元,减少非确定性区域链路丢包的重复分解过程,提高链路丢包率计算速度.仿真结果表明,该算法能在不损失测量精度的前提下,减少链路丢包率测量总时间,提高测量速度.
本文将压缩感知图像恢复问题作为低秩矩阵恢复问题来进行研究.为了构建这样的低秩矩阵,我们采样非局部相似度模型,将相似图像块作为列向量构建一个二维相似块矩阵.由于列向量间的强相关性,因此该矩阵具有低秩属性.然后以压缩感知测量作为约束条件对这样的二维相似块矩阵进行低秩矩阵恢复求解.在算法求解的过程中,使用增广拉格朗日方法将受限优化问题转换为非受限优化问题,同时为了减少计算复杂度,使用基于泰勒展开的线性化技术来加速算法求解.实验表明该算法的收敛率、图像恢复性能均优于目前主流压缩感知图像恢复算法.
结合图像属性上下文信息和核熵成分分析,构造了一种新颖的基于下上文信息的局部特征描述子——上下文核描述子(Context Kernel Descriptors,CKD).上下文信息的引入提高了CKD特征的鲁棒性,减少了特征误匹配.核熵成分分析从全维CKD特征分量中选出最能代表目标几何结构信息的特征分量,将其投影到这些特征分量张成的子空间上可得到降维CKD特征.在Caltech-101和CIFAR-10的测试结果表明,CKD的分类性能不仅明显优于其它局部特征描述子,还优于多数基于稀疏表示和深度学习等复杂模型的目标分类算法.
社会化网络中节点的复合属性可能为临时或过时状态,并且节点拥有一定能力维持固有状态,所以不可单纯依据新增数据或节点现有特征确定社区划分.本文提出可重叠社区发现算法及集群动态更新方案,根据网络历史数据分析节点对原始集群的隶属程度,并结合新增数据确定节点变化趋势,实现网络结构分析及社区动态更新.本文分别在不同数据集中测试聚类效果,实验结果证明算法既保持对新增数据的敏感度,也防止了节点短暂特征或节点维持固有状态的能力对划分结果的负面影响.
水下网络可用频谱范围比较窄,且部分被水下生物占用,导致了水下传感器网络可用的频谱资源更为稀缺.针对上述问题,提出一种基于累积干扰预测(Predicted Cumulative Noise,PCN)的水下认知网络动态频谱接入算法.该算法把水下生物作为认知网络的主节点,水下传感器节点作为次节点;通过建立水下生物业务行为的马尔科夫模型预测累积干扰,次节点根据预测结果,采用合作的方式动态地接入授权频谱.仿真结果表明,该算法能够保护水下生物正常通信的同时,实现最优化的频谱共享,网络容量增益达到6.3dB.
由模糊和噪声引起的图像退化属于非线性病态逆问题,修复比较困难.由于小波的稀疏表示能力较强,为提高修复质量,提出利用正交小波作为稀疏基,以小波系数的稀疏性为先验构造凸函数,最小化后得到修复图像;并提出将优化问题转化为逼近算子形式,利用不动点理论求解;证明了只需对构造出来的迭代形式的解析解反复迭代就可以得到最优解.对方法的构造过程、收敛性和复杂度进行了细致的分析,给出了迭代解,并结合加速方法提高了算法速度.仿真表明,本文方法具有较强的修复能力,收敛速度较快,能够有效去除模糊和噪声,保留图像的边缘和细节信息.
针对一类新的多驱动一响应混沌系统同步方式,基于分数阶系统稳定性理论和Lyapunov稳定性理论,运用追踪控制和滑模自适应控制方法设计了同步控制律和参数自适应律.对象模型考虑了不确定因素的影响,首先选取一类稳定的分数阶滑模曲面,然后提出了一种鲁棒同步方案.最后数值仿真验证了方案的正确性和有效性.
如何利用更多的图像先验知识来提高图像的重构质量是压缩感知的一个关键问题.本文将综合稀疏模型与近几年提出的Cosparse解析模型结合,利用图像在综合字典和解析字典下的稀疏性提出了一种融合两种稀疏先验的图像重构算法,并利用交替方向乘子法(ADMM)求解对应的复杂优化问题.为进一步提高算法性能,该算法还充分利用了图像中任意位置图像块的稀疏性.实验结果表明,本文算法能有效提高图像重构质量.
现有调制方法主要基于正弦函数,并利用其正交性传输信息.本文突破对调制信号的正弦函数约束和正交性限定,从椭圆球面波函数(Prolate Spheroidal Wave Function,PSWF)的高能量聚集性和框架函数系的过完备特性入手,提出基于PSWF框架的非正交脉冲波形调制方法(Nonorthogonal Pulse Shape Modulation,NPSM).该方法利用频谱交叠的非正交PSWF获得了优良的功率谱特性,同时利用框架函数的过完备特性,在提高系统频带利用率的同时,有效消除码间串扰.与目前广泛应用的QAM-OFDM方法进行性能相比,在相同调制幅度数和误码率的情况下有2dB的优势,且该优势随调制进制数增加而扩大,同时其调制信号具有良好的功率谱特性,PAPR性能比相同频带利用率的QAM-OFDM有3dB的优势.
经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPCA模型的运动目标检测方法.首先运用Ncuts算法进行区域过分割,生成多个同性区域,将其作为群稀疏约束的分组信息;第二步构造基于l0群稀疏RPCA模型,运用群稀疏准则判别过分割后的各同性区域是否为运动目标,采用交替方向乘子算法对模型进行快速求解,约束过分割形成的同性区域具有相同检测结果,进而将背景环境和运动前景分离,能够更加准确地度量运动目标的区域边界,且对复杂的背景扰动更加鲁棒,达到了运动目标鲁棒检测的目的.
针对信道记忆长度较大时,成对载波多址(Paired Carrier Multiple Access,PCMA)混合信号单通道盲分离复杂度高的问题,本文提出一种新型的减状态判决反馈前馈逐幸存路径处理(Reduced-State Decision Feedback-Feedforward Per-Survivor Processing,RSDFF-PSP)分离算法.该算法先利用截短逐幸存路径处理(Per-Survivor Processing,PSP)算法得到预判决,忽略掉前导和后尾干扰的影响,将复杂度控制在能够容忍的范围内;然后分别设计全局判决反馈滤波器和延时判决前馈滤波器,利用分支路径度量的预判决结果反馈以及延时前馈来补偿前导和后尾干扰带来的性能损失,并结合二次判决获得了更佳的分离性能.仿真实验结果表明,RSDFF-PSP算法在减少复杂度的同时能够最大限度地得到逐幸存路径处理最大似然序列估计(Per-Survivor Processing Maximum Likelihood Sequence Estimation,PSP-MLSE)的性能,实现复杂度和性能的良好折中.
最大信息系数(Maximum Information Coefficient,MIC)能够很好的检测成对变量间的线性和非线性依赖关系,但却不能直接用于检测三元变量间的相关关系.基于MIC的思想和全相关的概念,本文提出了一种直接检测三元变量间一维流形依赖关系的方法—最大全相关系数(Maximal Total Correlation Coefficient,MTCC).MTCC用落在[0,1]区间上的值来表明三元变量间一维流形依赖关系的强弱,其中0和1分别表示最弱和最强的依赖关系.使用MIC的计算策略,本文还提出了一种有效的动态规划方法来近似计算MTCC的值.仿真实验说明MTCC与非线性相关信息熵(Nonlinear Correlation Information Entropy,NCIE)相比具有更好的通用性和公平性,真实数据的分析验证了MTCC的实用性.最后,强调了其专用性.
针对一类带丢包的Markov切换系统,提出一种含有双Markov切换参数的交互式多模型算法.该算法利用一个二态的Markov链对系统是否丢包进行建模,得到双Markov链系统,通过定义乘积集将两个Markov切换参数所对应的模型集进行融合,并给出单个模型集中各模型与乘积集中各模型的对应关系.在此基础上,以交互式多模型算法为框架,采用分层的方法,并利用一种新的最优估计算法对双Markov链系统进行滤波.仿真实验证明了该算法的有效性.
人工免疫系统方法中的否定选择(NS)算法已广泛应用于病毒防护、入侵检测、垃圾邮件检测等.然而,由于当前的计算机中不存在类似"免疫器官"的硬件部件,无法对NS算法的运行提供保护,可能造成其运行过程遭受恶意干扰,成熟检测器和中间变量遭受篡改,进而导致其检测结果不可信.借鉴自然免疫系统的组成和原理,提出一种基于可信根的计算机终端免疫模型(TRBCTIM),引入可信计算技术中的可信根作为"免疫器官",对NS算法实施保护.采用无干扰可信模型理论对新模型进行分析,并通过构建新模型的原型系统来进行性能实验.理论分析及实验结果表明,新模型能够确保NS算法的运行过程和检测结果可信.
稀疏表示技术的引入可有效解决降维处理对图参数的依赖,但这类降维方法不能同时兼顾稀疏重构和样本数据的邻近性问题.针对该问题,本文提出了一种基于局部约束编码的稀疏保持投影降维识别方法.通过稀疏表示分类模型构建了图边权矩阵,引入局部约束因子设计了降维投影模型,推导降维求解过程,分析了本文方法与SPP(Sparse Preserving Projections)和SLPP(Soft Locality Preserving Projections)方法之间的共性和区别,最后给出了识别算法流程.采用人脸图像数据集和高分辨SAR(Synthetic Aperture Radar)图像数据集对算法的有效性进行仿真验证,由于考虑了数据间的邻近性,本文方法较传统方法可获得更好的识别性能.
为预测无线传感器网络通信质量并指导节点部署与拓扑控制,研究提出小麦农田信道多尺度建模方法.根据农田作物生长态势及其与信号传播路径的相对关系,提取环境关联参数.按作物遮挡程度不同,分别提出和采用对数模型与概率分布模型进行描述分析,结合实测样本数据对模型因子进行拟合,建立了小麦农田多径衰落信道下的经验模型并进行模型评价.结果表明,无遮挡条件下采用环境关联参数拟合的大尺度模型结果的相关系数在0.98以上;遮挡条件下,采用多尺度概率分布模型描述的平均偏差在0.04以下,达到了对小麦农田多径信道准确描述的预期研究目标.
利用弱困难性假设构造强安全的加密系统在基于身份的加密(Identity-Based Encryption,IBE)中具有重要的理论与实际意义.本文基于弱困难性的判定性双线性Diffie-Hellman假设,构造了一个对于选择明文攻击安全的匿名的身份加密方案,解决了利用弱困难性假设构造强安全的基于身份加密系统的问题,同时也解决了基于身份的加密系统的隐私保护问题.与现有的基于较强困难性假设的方案相比,新方案实现的条件更容易满足,可以公开验证而且效率更高.
本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法.该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL(Kullback-Lerbler)信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度.在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度.通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性.
针对指数嵌入族(Exponentially Embedded Families,EEF)准则在快拍数小于阵元数情况下无法估计声源个数的问题,本文提出一种新的空间声源个数估计算法.首先通过球麦克风阵列采集空间声场高阶信息,建立球阵列信号模型,将声源个数估计扩展到三维空间.继而将观测信号空间分解为信号子空间和噪声子空间,利用最小均方差(Minimum Mean-Squared Error,MMSE)方法估计观测信号空间及噪声子空间的协方差矩阵,确保矩阵估计的一致性和准确性.在此基础上改进似然比函数,同时引入新的自由度计算,使得算法在快拍数小于阵元数的情况下能有效估计声源个数.仿真结果表明,在进行空间声源个数估计时,相对于EEF准则,新的算法不仅适用于快拍数小于阵元数情况,同时提高了估计准确率.
现有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估计一般都假定信号源为独立同分布(i.i.d),算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程(AR)来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习(Muti-vectors Sparse Bayesian Learning)算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS(Compressed Sensing)模型,最终完成DOA估计.仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强.
本文提出了一种基于描述逻辑的本体和规则的半自动业务流程配置框架.设计并实现了可配置节点本体及业务规则本体,提出七类元规则指导业务规则的撰写.最后提出基于C-iEPC的流程配置算法,对可配置流程进行配置.本文使用案例进行验证,结果证明本文方法能够在降低人工成本的基础上,取得与国际主流的问卷式流程配置方法相近的效果,并使用经验验证的方法证明了本文方法的实用性和有效性.
为了提高Pareto解集的收敛性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种混合精英策略的元胞多目标遗传算法.该算法在分析元胞种群结构的特点基础上,融入一种混合精英策略,提高算法的收敛性能.为了更好的平衡算法的全局搜索和局部寻优的能力,加入一种差分进化交叉算子.通过与同类算法在21个基准函数上对比实验,结果表明,引入混合精英策略和差分进化策略能够提高算法的性能,与其他优秀算法进行比较的结果说明,新算法有更好的收敛性和多样性.工程实例求解结果表明了算法的工程可行性.
针对认知多小区多用户下行传输链路,提出了一种基于能量效率最大化准则的协同波束赋形优化方法.该方法采用迫零消除小区内用户间干扰,在保证用户最小速率需求及认知干扰约束的同时,实现了能量效率和频谱效率的同步改善.为了分布式求解优化问题,通过约束泄露干扰并利用半定松弛,将其转换为凸问题,在此基础上,采用部分对偶分解方法将多小区联合优化问题分解为一组单小区优化问题,从而实现了分布式求解.仿真结果表明,该方法不仅实现了能量效率和频谱效率的有效折中,而且达到了集中式算法的性能.
网络虚拟化使得智能能量感知网络部署成为可能,已有研究忽略了节点映射能耗最优化.本文把节点映射能耗优化问题转化为生产地与销售地之间物资运输代价最优化问题,建立高效节能节点映射运输模型.根据最大元素法,提出了混合一阶段与两阶段映射算法,在链路映射的约束下找到节点分配最小能耗代价最优解;利用主动休眠策略,提出了基于运输模型的主动休眠虚拟网络映射节能算法;利用节点可重复映射技术,提出了基于运输模型的节点可重复映射算法,进一步提高了底层网络资源休眠数量.仿真结果验证了本文所提算法能够显著降低系统能耗,适合大规模高效节能虚拟网络映射.
针对数字遥感影像大尺度、多波段、高保真的特性,提出了一种新颖的版权保护方案.理论分析了第一奇异值向量方向的稳定性;通过比较某一参考向量分别与两个选定数据块的第一奇异值向量的夹角关系,建立单波段图像水印特征;然后为遥感影像的多波段特性提出了水印检测的快速策略与一般策略.实验表明该方案对波段攻击与灰度攻击、组合攻击等保持图像内容的操作具有较强的鲁棒性.
针对高动态、低信噪比环境下的载波频率信号跟踪问题,提出一种新的混合并行粒子滤波算法(Multiple Extend Kalman Filter Independent Metropolis Hastings,M-E-IMH).该算法具有并行运算结构,实时性较基本粒子滤波有较大的提高.该算法直接利用同相支路(In-phase,I)和正交支路(Quadrature,Q)作为观测量,避免了传统方法中的鉴别器引入而引起的信噪比损耗.在高斯和非高斯环境下,与现有的载波跟踪方法如扩展卡尔曼滤波器(EKF),粒子滤波器(PF),卡尔曼滤波器(KF)等仿真对比表明,该方法在低信噪比下具有更高的跟踪精度.
MCRA(Minima-Controlled Recursive Averaging)方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题.针对这一问题,本文利用广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity,GARCH)模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果.
