图像定位技术在现实中有广泛的应用，如导航、路径规划、虚拟现实等.对于用户而言，只需拍摄一张图像即可实现定位.本文提出了一种基于射线摄像机模型的图像定位系统，包含基于射线模型的三维重构算法和基于位姿图优化的图像定位方法.提出的三维重构算法利用射线模型的内在几何性质，能够处理全景和鱼眼等广角摄像机模型，降低采集和重构的代价，提升重构的效果.基于位姿图的定位方法融合了图像与点云匹配的信息和图像间相对位姿信息实施定位，得到更高的定位精度.实验证明本文方法的有效性.
针对同时同频全双工无线通信系统，当基站采用多根发射天线和多根接收天线进行自干扰抵消时，现有技术多集中于自干扰迫零，缺少对发射机射频噪声抑制的研究.本文在考虑射频噪声抑制的基础上，提出一种收发波束联合成形算法，算法首先以信干噪比最大化为原则，优化接收机天线波束成形向量，给出了算法求解表达式；其次以自干扰最小化为原则，优化发射机天线波束成形向量，给出了算法步骤.仿真结果表明，本文算法在发射机信噪比为30.0dB和60.0dB时，3发3收基站的自干扰抵消值分别为65.5dB和89.8dB，与SVD迫零技术相比，分别有25.5dB和19.8dB的性能改善.
现存的LDPC译码算法，其节点处理依据主要遵循大数逻辑准则和完全处理准则，对应的阈值参数一般是固定不变的，在性能和复杂度之间的均衡不够灵活.本文首先提出一种广义阈值函数，能应用于大多数基于可靠度的二元LDPC译码算法.通过调整阈值参数，可方便地控制参与迭代处理的节点队列.其次，本文提出一种基于伴随式和星座映射信息的非均匀量化译码算法，可进一步降低复杂度和存储负荷.实验结果显示，在瑞利信道下，本文算法能够在较低的量化比特下获得优良的译码性能；结合广义阈值函数，只有约30%的变量节点参与迭代运算，译码复杂度可显著降低.
针对某车载武器振动位移测试中存在的严重趋势项干扰问题，提出了基于经验模态分解（Empirical Mode Decomposition，EMD）的信号处理方法.为有效提取趋势项，提出了一种新的趋势项判定方法.该方法根据振动信号相对时间轴对称的特点，通过比较各IMF分量与原始信号的均值判定该阶IMF分量是否为趋势项.模拟振动信号仿真证明了方法的有效性.最后对实测信号进行了EMD处理并最终重构了振动位移信号，与小波变换方法及一种定性的EMD趋势项判定方法进行了比较，结果表明提出的基于EMD的信号趋势项提取和判定方法有更大的优越性，有助于客观评价该武器性能.
联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题，且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题，提出了一种基于结构特点的联合对角化（Structural Traits Based Joint Diagonalization，STBJD）算法，既取消了预白化操作解除了对目标矩阵的正定性限制，又允许目标矩阵组为复值，具有极广的适用性.首先，引入矩阵变换，将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后，构建联合对角化最小二乘代价函数，引入交替最小二乘迭代算法求解代价函数，并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终，求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比，STBJD算法具有更高的收敛精度，能有效地解决盲源分离问题.
压缩数据分离是信号采样理论的研究热点之一.本文给出了在冗余字典满足相互一致性条件和完全扰动矩阵满足限制性同构条件下，非凸lq（0<q≤1）极小化的压缩数据分离问题的重构条件和误差估计，理论结果表明在不同冗余字典和不同扰动下，此方法仍能鲁棒重构原始信号.基于两种不同的冗余字典-离散余弦变换（DCT）和小波变换（WT），我们执行了一系列仿真实验，验证了在测量矩阵受各种扰动和加性噪音下，非凸lq（0<q≤1）极小化方法具有较强的鲁棒性和稳定性.本文结果为压缩感知和数据分离的进一步发展和应用提供借鉴.
多视角主动学习是一种相比于传统主动学习能够取得更大程度版本空间缩减的技术，已被应用于多种类型的大数据分析中.本文针对现有的多视角主动学习算法在分类假设生成和采样策略中存在的不足分别提出了相应的改进方案.本文将Boosting思想应用到多视角主动学习框架中，通过将历史上各次查询得到的分类假设进行加权式投票来实现每次查询后分类假设的强化；与此同时，还提出了一种自适应的分级竞争采样策略，当分类争议样本规模较大时通过无监督谱聚类获得上述样本的空间分布描述，并在各个聚类中结合样本的分类不确定度和冗余度信息通过二次规划求解以获得可靠的批处理采样.为了证明上述改进的有效性，本文将多视角主动学习应用到图像分类领域中，并通过基于不同图像特征的视角来分别生成相应的分类假设.实验表明，本文提出的两点改进策略不仅均有助于提升多视角主动学习的性能，而且基于上述不同视角随机组合的多视角主动学习方法相比于经典的单视角主动学习算法能够更快地实现收敛并达到较高的场景分类准确性.
相位恢复问题是指仅通过信号傅立叶变换（或其它线性变换）的幅值恢复原始信号.由于相位信息的缺失，该问题是一个不适定问题，因此需利用先验知识确保精确重建.本文基于非线性压缩感知框架，提出利用自然图像在梯度算子下的稀疏性进行相位恢复的算法.该算法将全变差正则项融合到基于支撑约束和幅值约束的相位恢复问题中，并利用交替方向乘子法（ADMM）对所对应的非凸优化问题进行求解.实验结果表明，该算法明显优于HIO，RAAR等经典的相位恢复算法，并对噪声具有鲁棒性.
针对OFDM系统的量化噪声问题，研究适于多载波信号的新型量化噪声整形器.比较单零点∑△与多零点∑△调制器的适用性，进而给出多零点∑△调制器用于OFDM系统的完整方法、理论及仿真分析.研究表明，无过采样多零点∑△调制器可有效减小OFDM系统的量化噪声，具有比传统单零点∑△更好的整形性能.3bit量化、信噪比6dB时，系统误比特率性能改善3个数量级；但受限于非循环的量化噪声结构，多零点∑△调制器未能达到完全消除量化噪声的理想状态.
研究节点具备能量收集能力的中继窃听信道保密速率的优化问题，提出一种基于人工噪声协同干扰和节点间能量协同的物理层安全传输策略.各节点采用储能-发送模式工作，即先收集能量，再用于数据传输.中继节点采用放大转发方式，目的节点发送人工噪声进行协同干扰.由于中继节点所需功耗较高，目的节点将用于发送干扰之外的剩余能量转移给中继节点.给出以最大化保密速率为目标函数，优化能量吸收时间比例系数和干扰功率分配因子的两步优化算法.仿真结果表明人工噪声和能量协同的引入能有效提高系统的保密传输速率.
针对高分辨前视阵列SAR三维成像系统面临的距离采样率高和回波数据量大的问题，本文利用地面散射源在三维空间中的稀疏性，提出距离频域和沿航向时域二维稀疏采样并稀疏重构地面三维图像的方法.从前视阵列SAR角度观察三维地面，地面散射源在距离向和沿航向二维空间中是稀疏的，在该二维方向上联合稀疏采样有望实现最佳的稀疏采样效果.为避免距离向时域稀疏采样造成的三维成像复杂化，提出利用子脉冲结合距离频域稀疏采样的方法来实现距离向稀疏采样.同时，结合地面散射源连续性特点，提出低信噪比情况下稳健的信号重构方法.与传统三维匹配滤波成像方法相比，本方法降低了距离采样率和回波数据量，并直接重构地面散射源信息以实现三维成像.
针对直升机外挂磁测吊舱探测平台，分析了平台背景磁干扰产生机理，得出平台背景磁干扰主要由飞机载体磁干扰、吊舱摆动引起的磁干扰和航迹波动引起的磁干扰三大部分组成，建立了磁测吊舱轨迹计算模型和平台背景磁干扰小信号模型.结合平台运动特点，给出了小信号模型求解方法，通过仿真计算，对磁干扰小信号模型求解进行了验证.分析结果表明，采用小信号模型对直升机平台背景磁干扰进行求解和补偿是完全可以的，适应性很好，磁干扰补偿率可达90%.
以对相位编码步进跳频雷达干扰为背景，分析了相位编码步进跳频信号和多载波相位编码信号的调制特点，在此基础上提出了一种多载波相位编码调制转发新型干扰样式，并理论分析了该干扰样式的干扰效果：可使相位编码步进跳频雷达产生多个导前、导后的逼真假目标.研究了等长度m序列的相关特性，给出了干扰信号的子载频和相位编码序列的选取准则.通过仿真实验对文中分析的结论进行了验证，结果表明该干扰样式较间歇采样预测转发干扰样式有较大的优越性.
当存在有源速度假目标干扰时，随机脉冲重复间隔（Random Pulse Repetition Interval，RPRI）压缩感知雷达的回波稀疏性将被破坏，其目标检测与测速性能无法正常发挥.考虑到干扰机通常无法保证在相位调制时实时准确地更新雷达随机脉冲重复间隔，这将导致其生成的虚假目标信号与真实目标信号在不同的字典上稀疏.本文利用这一特性，在压缩感知框架下提出速度假目标识别算法，该算法通过建立联合字典实现真/假目标的稀疏表示与分离.通过分析不同随机模式下联合字典的自相干性及其对分离结果的影响，给出了本算法的适用范围，仿真结果验证了本算法的有效性.
提出一种基于多任务学习的共形阵列天线稀疏优化方法.该方法在考虑单元方向图的全局旋转变换和单元极化状态差异的情况下，建立了共形阵列天线导向矢量模型，结合多任务学习框架，以均匀分布共形阵列天线同一平面上阵元的方向图作为目标任务进行学习，通过稀疏向量支撑区的识别，将欠定的阵列流形矩阵方程转换为超定的特征矩阵方程进行求解，在实现阵列方向图逼近的前提下，建立了共形阵列天线阵元激励与位置联合稀疏优化的多任务学习模型.通过分块坐标下降法对稀布共形阵列天线多任务学习模型进行求解，实现了共形阵列天线的稀疏优化布阵.理论分析与实验仿真证明，该方法能有效减少共形阵的单元数量，简化共形阵列天线结构，获得与均匀分布的共形阵列天线性能一致的天线方向图，解决了稀疏共形阵列天线方向图综合优化设计难题.
通过分析微博特点及现有微博推荐算法的缺陷，提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标，构建用户-标签矩阵，得到用户标签权重，为了解决该矩阵中稀疏的问题，通过挖掘标签间的关联关系，继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性，构建用户-用户社交关系相似度矩阵，并与更新后的用户-标签矩阵进行迭代，得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.
构建底层逻辑树能有效降低集中式top-k查询带来的巨大通信开销，针对现有逻辑树都以固定汇聚节点为根节点，导致其附近节点能耗太大、过早死亡的问题，本文在无固定汇聚节点的网络背景下，基于连通支配集，提出一种能耗均衡的top-k查询最优支撑树构建方法，综合节点能量、度数以及与邻节点通信开销，选取能量代价小的作为支配节点负责查询中间数据处理，在每次查询中，节点基于地理位置ID轮流作为根节点，有效均衡节点的能耗.仿真实验表明，与其他逻辑拓扑树相比，基于最优支撑树的top-k查询具有相近的查询时间，但其平均每轮查询能耗更小，多次查询后各节点能耗达到均衡，有效延长了网络生命周期.
网络业务流量的多样化高速化发展给流量识别技术带来了极大挑战，特征选择作为对数据降维处理的有效方法，具有重要的研究意义.本文描述了流量二次特征选择模型，并以此为基础提出了流量二次特征选择算法.算法将流量数据分为若干数据子集进行分治处理，对各数据子集提取出的特征进行汇总，以提出的影响度这一指标作为特征评估排序的依据，进行二次特征提取.实验表明，提出的算法在模型构建上性能更加优越，并且可以选取更少的特征实现对流量更准确的识别.
为了有效地实现相机自标定，本文提出了一种基于非刚体轨迹基的线性自标定方法，该方法利用了非刚体的运动轨迹构成一个低维子空间，并且该低维子空间的基可以由一组正交小波基线性表示的特性，线性地实现相机的自标定.由于该正交小波基可以事先定义，因此求解的未知数大大减少，而且使传统的相机自标定问题转化为线性求解问题，提高了算法的鲁棒性.模拟实验和真实实验数据结果表明，该方法能够有效地实现相机的自标定.
针对纯视觉行人检测方法存在的误检、漏检率高，遮挡目标以及小尺度目标检测精度低等问题，提出一种联合文本和图像信息的行人检测方法.该方法首先利用图像分析的方法初步获取图像目标的候选框，其次通过文本分析的方法获取文本中有关图像目标的实体表达，并提出一种基于马尔科夫随机场的模型用于推断图像候选框与文本实体表达之间的共指关系（Coreference Relation），以此达到联合图像和文本信息以辅助机器视觉提高交通场景下行人检测精度的目的.在增加了图像文本描述的加州理工大学行人检测数据集上进行的测评结果表明，该方法不仅可以在图像信息的基础上联合文本信息提高交通场景中的行人检测精度，也能在文本信息的基础上联合图像信息提高文本中的指代消解（Anaphora Resolution）精度.
针对目前基于先验背景的显著度算法中，把图像的所有边界同等对待带来的误判别问题，本文提出一种基于可区分边界和加权对比度优化的显著度检测算法.为了客观评价显著度，本文首先设计了一种粗略评估显著度的指标，用来选择较好的背景图.以该指标为基础，该算法先利用Hausdorff距离对边界进行区分，再利用测地线距离变换完成可靠的背景检测；然后，构造了一种前景-背景加权的对比度来计算初始显著度；最后，使用加权的优化模型进行显著度的优化.在5个公开数据集上的实验结果表明，本文算法在保持快速、无训练等优点的同时，检测性能优于目前主流算法.
当前主流的图像检索方法采用的视觉特征，缺乏自主学习能力，导致其图像表达能力不强，此外，传统的特征索引方法检索效率较低，难以适用于大规模图像数据.针对这些问题，本文提出了一种基于卷积神经网络和监督核哈希的图像检索方法.首先，利用卷积神经网络的学习能力挖掘训练图像内容的内在隐含关系，提取图像深层特征，增强特征的视觉表达能力和区分性；然后，利用监督核哈希方法对高维图像深层特征进行监督学习，并将高维特征映射到低维汉明空间中，生成紧致的哈希码；最后，在低维汉明空间中完成对大规模图像数据的有效检索.在ImageNet-1000和Caltech-256数据集上的实验结果表明，本文方法能够有效地增强图像特征的表达能力，提高图像检索效率，优于当前主流方法.
针对表情识别，为提取对个体差异鲁棒性更强的特征，并有效利用特征自身分布特性，本文提出基于几何和纹理特征的表情层级分类方法.首先，构建基于中性脸相似度的几何特征提取方法，自动匹配样本相似中性脸，提取特征点比例系数几何特征；然后，利用充分矢量三角形提取纹理特征；最后，给出表情层级分类框架，在三个层级下分别利用提取特征判定表情类别.所提方法在JAFFE库和CK库上的实验结果表明，本文方法取得了比基于一般几何和纹理特征的识别方法更好的效果，证明了本文方法的有效性.
鱼眼相机成像视角大，获得信息丰富，在车载应用中具有广阔应用前景.本文提出了一种适用于移动单目鱼眼相机的运动目标检测方法.首先，提出一种子块运动补偿模型补偿图像背景运动，解决了现有运动补偿模型对强视差背景补偿效果不好的问题.其次，在子块运动补偿模型参数求解时，通过引入自车运动参数简化模型参数个数，并结合直接方法求解，避免了传统基于特征点匹配方法求解参数时易受误匹配特征点影响的问题.然后，针对鱼眼相机的成像形变问题，本文提出了一种三平面校正方法获取鱼眼图像的子块运动补偿图像.最后，利用鱼眼图像的子块运动补偿图像和真实拍摄图像的差异信息实现运动目标检测.多种测试场景下的实验结果表明了本文方法的有效性.
利用泊松噪声分布与图像灰度值相关这一特性，结合图像的水平集曲线对图像灰度值的刻画能力，在Bayesian-MAP框架下，提出了欧拉弹性正则与泊松似然保真的图像泊松去噪变分正则化模型.利用交替方向乘子法，将原问题转化为几个不同低阶子问题的求解.对于子问题中出现的高阶非线性项，利用滞后扩散不动点迭代进行线性化，从而得到模型的快速迭代求解算法.通过数值模拟实验，证明了当图像受不同强度泊松噪声影响时，所提出的泊松去噪方法都能够有效的抑制泊松噪声，同时具有良好的结构保持性能.
可信服务组件选择是实现分布式虚拟化环境下服务可信性保障的关键.将服务组件选择抽象为多限制优化路径问题后，可以通过搜索信任路径来选择服务组合所需组件，但现有的信任路径搜索算法计算复杂度过高、性能表现差，同时在建立可信服务组件选择模型时缺少从服务组件信任关系和证据传播的角度出发，对可信服务构建与组合过程中服务组件社会关系方面考虑.针对以上不足，本文提出可信质量QoD概念，引入组件亲和度等属性来对分布式虚拟化环境可信服务组件选择模型加以描述与限制，并设计一种基于QoD的启发式优化信任服务路径搜索算法HA_OTPS，选择优化信任服务路径上的服务组件来满足用户可信性需求.实验结果表明，与现有的信任路径搜索算法相比，HA_OTPS算法具有运行时间较短、搜索结果效用值较高等优势.
秘密共享方案的信息率是衡量秘密共享通信效率的重要指标，鉴于已有的秘密共享方案效率不高的问题，本文基于多线性对提出了信息率为m/（m+1）的可验证秘密共享方案.方案中，共享秘密为m维向量，其可验证性可利用多线性映射的多线性性质来实现；同时，在多线性Diffie-Hellman问题下，方案是可证明安全的.性能分析结果表明，与已有的相同安全级别下的秘密共享方案相比，该方案具有较高的通信效率，更适用于通信受限的数据容错的应用场景.
针对轮式移动机器人车轮纵向打滑时的编队控制问题，提出一种基于滑移率补偿和模糊逻辑的多机器人编队控制器设计方法.首先，利用速度传感器获取机器人的实际速度信息，并进行滤波减少传感器噪声.结合速度输入指令信号得到滑移率估计值，用以描述机器人纵向打滑的程度.然后根据领航跟随法，设计补偿纵向打滑的编队控制策略，并采用模糊逻辑设计控制器参数.最后在Microsoft Robotics Developer Studio 4（MRDS4）中搭建3D物理仿真平台，进行编队控制仿真，验证了领航、跟随机器人发生打滑的情况下所提方法的有效性.
渐进贝叶斯方法将贝叶斯更新步骤等效为伪时间上的连续演化过程，以实现对状态的后验估计.本文基于渐进贝叶斯框架，导出一种新的高斯型非线性滤波算法.在线性高斯条件下推导了渐进贝叶斯方法的精确解；证明了对于由线性高斯解确定的动态系统，其均值和协方差矩阵满足的微分方程与常数状态估计的Kalman-Bucy滤波器是一致的.对于非线性系统，利用一阶Taylor展开推导了近似解表达式，进而导出渐进扩展卡尔曼滤波器.仿真算例表明新滤波器性能较扩展卡尔曼滤波器有大幅提高，且避免了窄形似然函数带来的滤波性能恶化问题.
动态电力经济调度（Dynamic Economic Dispatch，DED）属于一种在时间和空间上相互耦合的多阶段动态决策问题，一般被转化为一个高维的约束数值优化问题来求解.本文提出了一种新型全局优化算法——类进化算法（Cluster Evolutionary Algorithm，CEA），并将其应用于DED问题的计算.CEA通过聚类过程在进化个体间构建一定结构的连接关系，并利用这种虚拟的簇类化组织来协调和控制群体的优化计算过程，提高算法对高维问题空间的搜索效率和抗早熟能力.在仿真实验中2个DED测试系统被用于对CEA的性能进行检验，其所得最佳计算结果要好于目前已报道的最优解，而实验统计数据则显示CEA是一种求解DED问题可行且有效的方法.
准确的睡眠分期有利于帮助人们改善睡眠质量.本文提出了一种基于序列连通度分析的特征参数提取算法，提取了连通度分布斜率，连通距离均值，平均连通距离均值以及改进的加权连通度均值等特征参数，采用最小二乘支持向量机对其进行训练和学习，建立了睡眠脑电的数学模型.结果表明，相对于目前已有的序列加权连通度算法，本文算法对于不同睡眠状态的分期正确率提高了约5.72%，特别是对于浅睡眠状态的分类正确率提高约9.65%.
电磁波经缝隙进入机箱腔体后，会在某些频率点形成驻波而发生电磁谐振，导致腔体屏蔽效能急剧下降.为快速准确预测谐振频率以指导屏蔽腔体设计，本文基于缝隙天线阻抗理论提出一种带缝腔体谐振频率的计算方法.将电磁场用自由空间和腔体格林函数表示，根据缝隙处的边界条件建立等效磁流源的积分方程.通过矩量法求解积分方程，计算出腔体输入阻抗.根据谐振发生时电抗为零或电阻最小，可从频率-阻抗曲线获得谐振频率.本文方法不仅能预测缝隙谐振和低阶模式腔体谐振，还能预测出高阶谐振.与实验和CST仿真结果对比验证了本文方法的准确性及快速性.最后用本文方法分析了腔体和缝隙尺寸以及缝隙位置对谐振频率的影响.
基于协方差矩阵自适应（CMA）的演化策略算法（ES）是一种优秀的、不依赖于梯度信息的随机局部优化算法.基于CMA的学习机制使其对搜索空间的任意可逆线性变换具有不变性，对于病态的、高度不可分的问题有优秀的求解能力.CMA学习机制具有较强的数学理论基础，这对设计其他演化算法有很好的借鉴意义.本文旨在详细分析CMA-ES的各种学习机制，并给出其所依赖的主要理论基础.最后通过实验比较CMA-ES各种变体的优势与不足，并着重比较本文改进的CMA-ES变体与其它变体在性能上的差异.
为了得到弯曲通道雷电电磁脉冲场的分布特性，将电流微源偶极子进行水平分解和垂直分解，利用偶极子法对弯曲通道产生电磁场的表达式进行了推导.在此基础上就底部回击通道长度以及上部回击通道倾斜角度对地表电磁场的影响规律进行了相关研究.研究结果表明，弯曲通道的电磁场峰值主要取决于底部放电通道的长度，在中间场和远场区底部通道越长对应的电磁场幅值越小；而倾斜角度对近场区电磁场影响极小，在中间场和远场区电磁场幅值会随着倾斜角度的增加而降低，且距离越远倾斜角度对电磁场幅值的影响越明显.
由于巨大的规模和复杂性，操作系统的设计和实现的正确性很难用传统的定量方法来描述.本文阐述对微内核操作系统的形式化设计和验证的方法.在汇编层利用非确定性自动机对系统进行形式化建模，并使用Hoare三元组描述模块接口函数的前后置条件，作为函数正确性的定义.以实现的VSOS（Verified Secure Operating System）内存管理模块为例，在Isabelle/HOL定理证明器环境中对建立的内存管理模型和系统行为的操作语义进行形式化描述，并对内存管理模块的设计和实现的正确性进行验证.结果表明，这一方法是可行的和高效的.
