基于AR模型的自适应浮动门限检测方法

混响是水下目标回波信号检测的主要背景干扰;基于AR模型的预白化匹配滤波检测方法,往往由于混响AR模型定阶困难,无法对混响准确建模;这将会导致预白化效果不佳,检测性能下降;针对这一问题,在预白化匹配滤波的基础上,提出了一种基于AR模型预白化匹配滤波的自适应浮动门限检测方法;给出了浮动门限经验公式,并对实测数据进行处理;处理结果表明,所提出的基于AR模型预白化匹配滤波的自适应浮动门限检测方法能使检测门限很好地跟随信号的变化趋势,提高检测概率,保持恒虚警检测.     

一种基于Gabor滤波器的车型识别方法

提出一种快速、实用的基于Gabor滤波器的车型识别方法。该方法包括车辆分割、特征提取和模板匹配3个阶段。首先在车辆分割阶段,采用基于对数密度的背景消减法,降低光照变化带来的影响;其次提出一种新的非均匀采样策略,提取Gabor特征;最后应用模板匹配的方法对车型进行识别。和传统方法相比,该方法能够有效降低Gabor滤波器的计算量和存储空间,同时又使识别率和鲁棒性得到明显增强。实验数据亦表明了该方法的可行性和有效性。     

基于边缘特征的水下目标分类识别算法

在水下声纳图像目标检测与识别技术中,水雷等目标的识别问题是关键技术之一.基于形状相似度的概念,利用目标边缘轮廓特征,给出一种基于距离多集方法的水雷目标形状分类算法.首先对检测到的水雷目标阴影区域进行规格化处理,采用距离多集方法对常见水雷形状进行分类识别,提出了一种模板更新策略.通过对球形、圆柱形和圆台形三类目标的阴影区域进行仿真分类计算可知,该方法具有仿射不变性,分类准确率较高.     

WSN流量的双卡尔曼并行递推预测算法研究

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法.该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测.同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差.实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测.     

基于主动轮廓的声呐图像水雷识别方法

针对声呐图像具有噪声大、目标边缘模糊等特点,提出了一种基于主动轮廓的声呐图像水雷目标识别方法.首先根据水雷目标在声呐图像中的形状特征,采用水平集思想,得到了引入超椭圆形状约束的水平集函数;然后根据水雷目标在声呐图像中的灰度特征,采用Chan-Vese模型的演化思想,提出了一种基于超椭圆形状约束的多相水平集主动轮廓模型.将该模型用于声呐图像水雷目标的识别实验,实验结果表明,该方法对声呐图像中的水雷目标具有很好的识别效果,而且具有抗噪性和抗变形性能.     

基于局部纹理分析的虹膜识别算法

提出了一种新的基于局部纹理分析的虹膜识别算法。基于多通道Gabor滤波器，滤波图像的系数定量地描述了虹膜纹理局部子块和给定滤波器之间的相似度，系数越大，说明该子块在空间形态上和滤波器越相似。采用局部滤波图像系数的加权平均作为特征编码，那些具有较大系数的点，即和滤波器最相似的点对特征点的位置贡献较大，更能真实的反应虹膜纹理结构。基于欧氏距离的特征匹配试验表明了该方法的有效性。     

基于联合滤波算法的复杂时变系统在线自适应逆控制

针对一类结构和参数均具备时变特性的复杂时变系统,提出一种新的基于联合滤波算法的在线自适应逆控制方法.该方法在处理参数时变问题的同时可兼顾系统的结构时变特性,实现复杂动态系统的在线跟踪控制.同时提出新的联合Volterra核函数滤波算法,该算法克服了原Volterra滤波器计算复杂运算速度慢的缺点,实现了动态非线性系统的在线跟踪控制.通过仿真分析可以得出,对于此类线性、非线性复杂时变系统,基于新的联合滤波器的自适应逆控制方法可以快速有效的实现动态对象在线建模与控制.     

水雷运动变时滞区间系统保性能非脆弱H∞控制

针对水雷运动控制试验中模型存在不确定性和综合误差难以确定的问题, 给出矩阵分解区间系统描述, 避免求二次方根的保守性, 设计了一种变时滞区间系统非脆弱H∞保性能控制器, 基于LMI方法给出解决上述问题的凸优化解法, 设计的控制器对所有的不确定性、时变时滞和海流干扰, 保证闭环系统稳定性、二次型性能指标上界和干扰衰减水平. 并给出使性能函数上界最小的最优控制器设计算法和最小干扰衰减度, 用某型水雷不确定运动系统分析演示了该方法的有效性.     

融合全局和局部方向特征的掌纹识别方法

摘 要：掌纹识别是受到较多关注的生物特征识别技术之一。在各类掌纹识别的方法中, 基于方向特征的方法取得了很好的效果。为了进一步提升识别精度,提出一种融合全局和局部 方向特征的掌纹识别算法,主要融合了基于方向编码的方法、基于方向特征局部描述子的方法 和结合方向特征和相关滤波器的方法。其中前 2 种方法属于空间域方法,可很好地提取掌纹的 局部方向特征;而第 3 种方法属于频域方法,能有效地提取全局方向特征。在匹配值层对该 3 种方法的识别结果进行融合。本文算法在 2 个掌纹数据库上进行了验证,实验结果表明,本文 方法的识别性能明显优于其他几种掌纹识别方法。     

基于连续隐马尔可夫模型的步态识别

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上进行实验取得了较高的正确识别率.     

基于辅助粒子滤波的红外小目标检测前跟踪算法

研究低信噪比复杂环境下的红外小目标检测和跟踪问题,提出了基于辅助粒子滤波的检测前跟踪算法.首先使用形态学滤波算法对图像进行白化预处理;然后在跟踪阶段采用辅助粒子滤波算法估计目标运动状态,在检测阶段利用跟踪滤波器的输出构造似然比,并进行似然比检验.对真实红外图像序列的实验表明,该算法可成功跟踪和检测信噪比为2的小目标,且其性能优于传统的检测前跟踪算法.     

不带Diophantine方程的多通道最优去卷滤波器

用时域上的现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,分别提出 了在ARMA新息滤波器形式下和在Wiener滤波器形式下的新的渐近稳定的多通道最优去卷 滤波器.它们避免了求解Diophantine方程,可统一处理去卷滤波、平滑和预报问题.还给出了 ARMA新息滤波器和Wiener去卷滤波器之间的关系.仿真例子说明了它们的有效性.     

Cumulant-based inverse filters for blind deconvolution

Blind deconvolution of linear time-invariant (LTI) systems has received wide attention in various fields such as data communication and image processing. Blind deconvolution is concerned with the estimation of a desired input signal from a given set of measurements. This paper presents a technique for reconstructing the desired input from only the available corrupted data. The estimator is given in terms of an autoregressive moving average (ARMA) innovation model. This technique is based on higher order statistics (HOS) of a non-Gaussian output sequence in the presence of additive Gaussian or non-Gaussian noise. The algorithm solves a set of overdetermined linear equations using third-order cumulants of the given non-Gaussian measurements in the presence of additive Gaussian or non-Gaussian noise. The inverse filter is a finite impulse response (FIR) filter. Simulation results are provided to show the effectiveness of this method and compare it with a recently developed algorithm based on maximizing the magnitude of the kurtosis of estimate of the input excitation.     

基于粒子滤波状态估计的滚动轴承故障识别方法

提出了一种基于粒子滤波状态估计的滚动轴承故障识别方法,该方法主要包括故障模型建立和故障识别两个步骤。在故障模型建立部分,首先依据滚动轴承不同故障状态下的振动信号,建立对应的自回归模型,作为故障模型;在故障识别部分,将正常状态下对应的模型,转化为状态空间模型,设计粒子滤波器,然后对不同的故障状态进行估计,提取其残差的相关特征,并结合模型参数特征应用BP神经网络识别算法进行故障识别。最后以美国凯斯西储大学的滚动轴承振动数据为例,验证了该方法的有效性。     

无线传感器网络环境下基于卡尔曼滤波的PTP协议

作为分布式系统的重要组成部分,精确时间同步是对时间敏感的工业无线网络的核心技术.基于时间信息包交换的IEEE 1588精确时间同步协议（PTP）主要针对有线网络提出,其同步精度受制于时间戳的精度和传输延迟抖动.在无线传感网中,节点难以获取精确时钟戳,同时由于信道共享、包冲突和信道衰落,无线网络的传输延迟抖动非常明显. 研究了无线网络中PTP的性能与时间戳精度之间的关系,提出了一个自回归模型来描述时钟漂移,将PTP中的包交换过程抽象为一组状态空间方程,将延迟抖动等作为观测噪音,从而利用卡尔曼滤波器予以滤除.仿真结果表明,在不同时间戳精度和延迟抖动下,卡尔曼滤波能有效改善时钟误差和稳定性.     

Recursive least squares parameter identification algorithms for systems with colored noise using the filtering technique and the auxilary model

This paper focuses on the parameter estimation problems of output error autoregressive systems and output error autoregressive moving average systems (i.e., the Box–Jenkins systems). Two recursive least squares parameter estimation algorithms are proposed by using the data filtering technique and the auxiliary model identification idea. The key is to use a linear filter to filter the input–output data. The proposed algorithms can identify the parameters of the system models and the noise models interactively and can generate more accurate parameter estimates than the auxiliary model based recursive least squares algorithms. Two examples are given to test the proposed algorithms.     

随机控制系统稳态Kalman滤波器新算法

应用现代时间序列分析方法,基于受控的自回归滑动平均(CARMA)新息模型,提 出了随机控制系统稳态Kalman滤波器增益的两种新算法,避免了求解Riccati方程.为保证 滤波器的渐近稳定性,给出了选择滤波初值的两个公式.仿真例子说明了新算法的有效性.     

Efficient spatial image watermarking via new perceptual masking and blind detection schemes

The aim of this paper is to improve the performance of spatial domain watermarking. To this end, a new perceptual mask and a new detection scheme are proposed. The proposed spatial perceptual mask is based on the cover image prediction error sequence and matches very well with the properties of the human visual system. It exhibits superior performance compared to existing spatial masking schemes. Moreover, it allows for a significantly increased strength of the watermark while, at the same time, the watermark visibility is decreased. The new blind detection scheme comprises an efficient prewhitening process and a correlation-based detector. The prewhitening process is based on the least-squares prediction error filter and substantially improves the detector's performance. The correlation-based detector that was selected is shown to be the most suitable for the problem at hand. The improved performance of the proposed detection scheme has been justified theoretically for the case of linear filtering plus noise attack and through extensive simulations. The theoretical analysis is independent of the proposed mask and the derived expressions can be used for any watermarking technique based on spatial masking. It is shown though that in most cases the detector performs better if the proposed mask is employed.     

快速信息融合Kalman滤波器

应用现代时间序列分析方法,在标量加权线性最小方差融合准则下,提出一种多传感器快速信息融合稳态Kalman滤波器.基于ARMA新息模型计算稳态Kalman滤波器增益,提出了计算传感器之间的滤波误差方差阵和协方差阵的Lyapunov方程,它可用迭代法求解,并证明了迭代解的指数收敛性.与基于Riccati方程按矩阵加权的信息融合Kalman滤波器相比,可明显减小计算负担,便于实时应用,可用于设计含未知噪声统计系统的信息融合自校正Kalman滤波器.最后以目标跟踪系统的一个仿真例子说明了其有效性.