一种改进的空间平滑算法

空间平滑是一种有效的解相干算法。但是当相干信源相距很近时,传统的空间平滑算法性能明显下降。该文提出一种改进的空间平滑算法。该算法首先将子阵输出的自相关矩阵进行互相关,然后将前后向互相关矩阵平均后的协方差矩阵作为修正后的空间平滑矩阵进行空间谱估计。文中给出了该算法的表达式,分析了算法的性能。仿真结果证明该算法与传统算法及利用子阵协方差算法相比具有更高的分辨能力和更低的信噪比门限。     

自监督学习子空间模式识别方法的统计特性分析

本文研究了神经网络无导师自监督学习子空间模式识别方法的收敛性问题，证明了学习子空间法的变换矩阵收敛于模式的自相关矩阵估计；证明了一类Ｋｏｈｏｎｅｎ自监督学习子空间方法的收敛性；给出了子空间旋转变化所引起的子空间特征谱分布的近似表达式，同时给出了子空间扰动的上界定理。     

冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题.在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计.本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法.理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计.论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析.计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性.     

一种改进的全阵空间平滑技术

在处理相干信号源的方法上,传统的空间平滑方法如前后向平滑、加权前后向平滑等都是非常有效的方法.然而,已有的空间平滑算法在信噪比较低或相干源的波达方向角(DOA)相邻很近时无法精确估计,而且都必须以牺牲孔径为代价.因此当信号源数目较大时,传统的空间平滑方法是无效的.针对这些问题,提出了一种新的实相干信号的估计方法,在信噪比较低时仍可以准确估计邻近的相干源,而且没有孔径损失.仿真结果验证了该方法的优越性.     

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS，weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息，而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息，将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均，以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件，推导了加权矩阵的理论表达式。计算机仿真结果表明，WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在于阵划分较多时其优越性更加明显。     

基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

前后向线性预测全最小二乘方法实现高分辨空间谱估计方法研究

本文利用全最小二乘方法,对空间阵元前、后向线性预测方程的增广矩阵进行奇异值分解,建立信号、噪声子空间,在误差增广矩阵F范数最小的准则下,证明了预测方程系数矢量的增阶形式刚好位于噪声子空间内。信号子空间的扰动分析表明,这种方法优于修正的空间平滑方法。理论与模拟结果证明这种方法可以实现低信噪比、相干信号源的良好分辨。     

用更完全的SVD逼近和信息利用技术实现单次快摄的阵信号处理

本文就单次快摄(Single snapshot)的空间谱估计问题,在改进的前后向线性预测(MFBLP)方法的基础上,提出了一种更完全的奇异值分解SVD逼近与信息利用的空间谱估计技术,并对此法的解相干性作了较为详细的讨论。计算机模拟实验表明本文的方法优越于MFBLP、空间平滑多信号分类(SSM)及改进的空间平滑多信号分类(MSSM)等方法。     

汉字识别研究的回顾

本文回顾了汉字识别研究的历史。根据模仿人类视觉模型，基于文字图像的统计模式识别方法是文字识别取得瞩目进展的基础。模式识别信息熵理论揭示了模式分类的信息过程和理论极限，本文讨论了从汉字图像中提取特征以及文字识别分类器设计和学习的各种方法。介绍了文本识别必须解决的文字切分，版面分析、理解和重构，及提高识别性能等重点问题，最后，总结了文字识别研究的重要进展和对今后的展望。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

“模式识别”课程教学改革探索

为提升研究生"模式识别"课程教学质量的整体水平,强化研究生创新能力培养,本文阐述如何借鉴国际高水平大学在"模式识别"教学中的经验,分析"模式识别"课程的现状和差距并提出教学改革内容和具体措施。依照本文的思路和措施初步进行的教学改革,我们取得了比较明显的教学效果。     

仿生模式识别(拓扑模式识别)——一种模式识别新模型的理论与应用

本文提出了一种模式识别理论的新模型,它是基于"认识"事物而不是基于"区分"事物为目的.与传统以"最佳划分"为目标的统计模式识别相比,它更接近于人类"认识"事物的特性,故称为"仿生模式识别".它的数学方法在于研究特征空间中样本集合的拓扑性质,故亦称作"拓扑模式识别"."拓扑模式识别"的理论基点在于它确认了特征空间中同类样本的连续性(不能分裂成两个彼此不邻接的部分)特性.文中用"仿生模式识别"理论及其"高维空间复杂几何形体覆盖神经网络"识别方法,对地平面刚体目标全方位识别问题作了实验.对各种形状相像的动物及车辆模型作全方位8800次识别,结果正确识别率为99.75%,错误识别率与拒识率分别为0与0.25%.     

图像管理系统的模式识别

本文提出了“专家定性判别法”和“相似性比较法”相结合的图像“模式识别”思路。在此基础上，引入了ＳＵＮ工作站上实现的、以人脸图像为主要检索对象的“图像数据库管理系统（ＩＤＢＳ）”的系统设计和检索结果。     

RoboCup 2D仿真球员射门技能中智能算法的应用综述

在Robocup仿真比赛中,Agent的动作技能是仿真足球比赛的基础。本文详细分析了robocup2D机器人足球仿真中射门技能存在的问题,论述了智能算法在机器人足球2D仿真球员射门技能中的应用,并提出了进一步的研究方案。     

基于仿生模式识别与传统模式识别的 人脸识别效果比较研究

本文实现了一种基于仿生模式识别的人脸识别系统,并将其识别效果同最近邻分类器与不同核函数的SVM进行了分析比较.以ORL人脸库为识别对象,针对有"拒识"的情况下,通过改变不同识别算法的可调参数,在保证参与训练人的正确识别率在大致相同水平的条件下,分析了参与训练人的错误识别率(错识别为参与训练的其他人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣.比较结果表明,基于仿生模式识别的方法明显优于其它模式识别方法.     

Microcircuit learning nets: improved recognition by means of pattern feedback

Pattern feedback is a new concept in learning networks of adaptive microcircuits. The net is trained to produce a model output pattern. During use, the output patterns are fed back to the input. Recognition of an input pattern takes place if a stable model output pattern is generated.     

红外目标的统计模式识别与定位精度

介绍采用探测器的红外适时扫描系统的模式识别基本原理,针对系统要求对特征向量的完备性进行分析并给出结论。     

模式识别统一熵理论

本文提出的模式识别统一熵理论包括;对模式识别中存在着两种信息源的分析、利用信息熵概念定义模式识别信息熵系统、论述学习和识别过程中信息熵的变化和传递以及提出模式识别信息熵三定理.统一熵理论揭示了模式识别信息过程中特征选择和模式识别性能极限间的内在连系,对模式识别理论研究和系统设计都具有一定指导意义,这一理论在汉字识别的研究和实践中得到了验证.     

多权值神经元网络仿生模式识别方法在低训练样本数量非特定人语音识别中与HMM及DTW的比较研究

本文将基于多权值神经元网络的仿生模式识别方法用于连续语音有限词汇量固定词组识别的研究中,并将其识别效果与HMM方法及DTW方法进行了比较分析.以15个词组的词汇表做测试,通过调整这三种识别算法的参数,在它们的拒识率相同的情况下,针对参加训练的词汇,比较他们的错误识别率(某类误认为他类);针对未参加训练的词汇,比较他们的错误接受率(误认为某类).结果表明,在低训练样本数量的情况下,仿生模式识别方法能获得更好的识别效果.     

A structural approach of pattern recognition

After defining the usual terms, a Pattern Recognition problem is stated as the linking of a representation to an interpretation. A basic knowledge is (dis)similarity measures. It is shown how the structure of the interpretation space conditions the law on this measure: usually both are homomorphic. We review the application of these ideas to clustering, hierarchies and first level recognitions, to statistical PR, to the fuzzy set approach, to information measures and even to logical statement interpretations.