改进的IMMPF算法在目标跟踪中的应用研究

改进的交互多模型粒子滤波(IMMPF)算法通过利用最新观测量得到的残差值设置一个自适应系数来调整滤波器的似然函数分布,使得采样点向高似然区域移动,增加了采样区域和似然函数的重叠部分,在一定程度上保持了粒子的有效性和多样性,克服了粒子样本的贫化问题,从而改善了传统的IMMPF算法在滤波采样过程中没有考虑到当前最新的观测信息而导致使滤波性能下降的问题。经过仿真实验验证,该改进方法应用在机动目标跟踪中,可以有效地提高了跟踪性能的稳定性。     

非线性系统故障诊断的粒子滤波方法

针对粒子滤波存在粒子退化问题,提出一种基于无迹卡尔曼滤波和部分重采样的改进的粒子滤波算法.通过无迹卡尔曼滤波产生重要性分布函数和使用部分重采样算法进行重采样,以丰富粒子的多样性.并针对非线性系统故障诊断中非高斯背景下,似然函数检测量难以导出的问题,提出一种基于多模型和似然函数值的诊断方法.仿真结果表明:改进的滤波算法的估计精度优于标准的粒子滤波算法及其现有的两种改进算法,提出的故障诊断方法能够做到快速检测与准确隔离.     

基于模糊函数的雷达辐射源个体识别

雷达辐射源个体识别是现代电子情报和电子支援系统的重要研究内容。本文在辐射源个体特征分析的基础上,提出了一种基于模糊函数的辐射源个体识别算法。针对模糊函数的冗余性,分别利用模糊函数切片和局部模糊函数切片表征雷达的细微差异与个体特征,并推导了局部模糊函数切片的快速算法。仿真实验验证了提出算法对于辐射源个体特征提取和识别的可行性和有效性。     

基于目标函数分布特征的散射计海面风场反演方法

本文以SeaWinds散射计为例,针对圆锥扫描散射计星下点附近区域容易产生风向模糊问题,在分析其目标函数分布特征的基础上,对传统的最大似然风矢量反演算法和圆中数滤波算法进行了改进,提出了一种适合于圆锥扫描散射计的海面风场反演方法。该方法通过在目标函数分布较平坦的区域设置风向扩展区间,并使扩展后的更多风向解参与模糊去除来提高风向选择的准确性。利用200条轨道的SeaWinds散射计L2A数据和相应浮标数据,对本文给出的风场反演方法进行了验证。结果表明,该方法在无需外部辅助风场数据作为参考的条件下,能够使星下点附近区域的风向模糊性得到明显改善,从而证明了该方法的可行性。      

鲁棒的交互式多模粒子滤波跟踪器概率计算方法

针对传统交互式多模粒子滤波(IMMPF)跟踪器概率 计算方法在复杂环境下鲁棒性不足的缺陷,提出 一种新型的基于联合似然函数模型的子跟踪器概率计算方法。首先,计算基于跟踪结果与当 前外观 模型的巴氏距离作为瞬时似然函数,度量目标外观的剧烈变化;其次,利用l ₂范数规则化最小二乘算法构 建目标的重构外观模型,将其与跟踪结果的误差指数函数作为平稳似然函数,度量目标的缓 慢变化; 然后,基于加权求和策略得到跟踪器基于多种特征的联合似然函数;最后,将建立的联合似 然函数结 合上一帧的先验状态交互概率完成子跟踪器概率的更新。对复杂环境下跟踪器性能的在线评 估对比 结果验证了联合似然函数模型能有效评估跟踪器因不同干扰因素导致的性能变化,将其应用 于子跟踪器概率的计算能获得比主流算法更好的鲁棒性。     

一种改进的大气模糊图像恢复算法

针对天文图像受大气影响而变模糊的问题,利用多帧盲去卷积方法对变质图像的恢复及点扩展函数的辨识进行了研究,并采用基于受惩极大似然估计的GEM改进算法从模糊图像序列中得到目标以及点扩展函数的迭代解。实验结果表明该算法能有效地恢复出原物体并估计出点扩散函数。     

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

相干信源波达方向估计的广义最大似然算法

论文基于广义导向矢量和广义阵列流形矩阵,建立了多相干源(组)情况下的阵列数据模型,然后提出了波达方向估计的广义最大似然算法。对于广义最大似然算法,入射信源可以是多相干源(组),阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数。随后,论文将广义最大似然算法与常规最大似然算法进行了理论比较,并给出了广义最大似然竹法方位估计一致性的证明和方位估计方差的计算公式。理论分析表明,在空间只存在非相干信源时,广义最大似然算法与常规的最大似然算法是等价的,而在空间存在多相干源(组)时,它的性能较常规最大似然算法有较大的改进,方位估计的方差更小。最后论文利用遗传算法实现了广义最大似然算法,并通过MonteCarlo仿真实验证明了广义最大似然算法的有效性。     

面向双模态红外图像融合算法选取的联合可能性落影构造

针对现实场景中双模态红外图像融合对异类差异特征协同优化融合的需求,且现有差异特征属性无法根据差异特征多个属性的变化针对性地调整融合算法进行有效驱动,导致融合效果差的问题,提出了面向双模态红外图像融合算法选取的联合可能性落影构造方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度、统计差异特征分布特性;再构造差异特征融合有效度的可能性分布,通过最小二乘估计法拟合可能性分布函数;然后通过择优比较法对不同差异特征融合有效度的可能性分布进行对比分析,确定差异特征可能性分布函数投影权重,构造联合可能性落影函数;最后分析联合可能性落影函数截集水平,结合差异特征分布特性构建融合性能指标动态选取最优融合算法。实验结果表明,本文方法所选出的最优融合算法在主客观综合分析上优于其他算法,验证了本文将联合可能性落影运用于双模态红外图像最优融合算法选取中有效性和合理性。     

基于模糊故障特征信息的随机集度量信息融合诊断方法

该文给出一种基于模糊故障特征信息随机集度量的信息融合诊断方法。针对信号采集与故障特征提取中的模糊性,首先用模糊隶属度函数分别表示故障档案库中的多种故障样板模式和从不同传感器观测中提取的多类故障特征亦即待检模式,进而基于模糊集的随机集模型,得到样板模式与待检模式的匹配度,即基本概率指派函数(BPA)。然后利用Dempster-Shafer证据组合规则对BPA进行融合,给出诊断结果。该文给出的待检模式是从多个连续观测中提取的,与原有的由单个观测确定待检模式的方式相比,文中提出的特征提取及匹配方法,同时考虑了样板模式和待检模式所具有的模糊性,能够显著降低融合决策中的不确定性,大大提高故障识别的能力。最后通过电机转子故障诊断实例验证方法的有效性。     

一种新的H.264/AVC快速帧内预测模式选择判决算法

针对H.264视频编码标准帧内预测模式选择部分计算量大的问题,本文提出了一种快速帧内预测模式选择判决算法。该算法首先提出了一个新的算子,用来描述图像灰度分布信息,作为判断图像复杂程度的依据,进而提出两个对量化系数(QP)自适应的阈值,将图像分为平滑、变化剧烈和特征模糊3种。平滑图像宏块使用Intra_1616模式预测,变化剧烈的宏块使用Intra_44模式预测,特征模糊的宏块使用标准算法预测。实验结果表明,该优化算法能在保证很好的图像质量的同时,使帧内模式选择计算次数减少30%以上,而且对传输码率基本没有影响。     

用于阿尔茨海默症分类的模糊逻辑特征选择和异质集成学习方法

阿尔茨海默症(AD)分类有助于在AD早期阶段及时采取针对性的治疗和干预措施,对降低老年群体的AD发病率和延缓AD疾病进展具有重要意义。该文提出一种改进的高斯模糊逻辑特征选择方法,首先采用互信息量和方差齐性分析两种方法给出特征重要性评分并分别进行归一化,然后使用改进的高斯模糊逻辑方法对其加权得到最终的特征重要性评分,最后依据特征重要性评分选取特征。该文还使用逻辑回归、随机森林、LightGBM、支持向量机和深度前馈网络作为初级分类器,多项式朴素贝叶斯分类器作为次级分类器,构建异质集成分类器,利用选取的特征进行AD分类。在TADPOLE数据集上进行实验,实验结果证实了所提特征选择方法是有效的,且采用所提特征选择方法,基于多项式朴素贝叶斯的异质集成分类器在AD分类上的性能要优于传统分类器。     

基于加权模糊C均值算法改进的高光谱图像分类方案设计

为了有效改善高光谱图像数据分类的精确度,减少对大数目数据集的依赖,在原型空间特征提取方法的基础上提出一种基于加权模糊C均值算法改进型原型空间特征提取方案。该方案通过加权模糊 C 均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的信息量。实验结果表明,与业内公认的原型空间提取算法相比 该方案在相对较小的数据集下,其性能仍具有较为理想的稳定性,且具有相对较高的分类精度,这样子就大大降低了对数据集样本数量的依赖性,同时改善了原型空间特征方法的效率。     

基于Fuzzy—Shrink算法改进的图像去噪方法

提出一种对Fuzzy—Shrink算法的改进图像去噪方法。该方法首先结合NSCT邻域信息和空间信息构造模糊特征,通过该模糊特征模拟NSCT变换尺度内邻域系数的相关性,再构造出模糊隶属度收缩函数对遥感图像进行去噪。仿真实验结果表明,本文提出的方法与Fuzzy—Shrink（DWT）,AntShrink（DWT）去噪方法,Sure—let（DWT）去噪方法相比能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息,提高了图像的峰值信噪比,图像视觉效果也有明显改善。     

Wavelet feature selection for image classification

Energy distribution over wavelet subbands is a widely used feature for wavelet packet based texture classification. Due to the overcomplete nature of the wavelet packet decomposition, feature selection is usually applied for a better classification accuracy and a compact feature representation. The majority of wavelet feature selection algorithms conduct feature selection based on the evaluation of each subband separately, which implicitly assumes that the wavelet features from different subbands are independent. In this paper, the dependence between features from different subbands is investigated theoretically and simulated for a given image model. Based on the analysis and simulation, a wavelet feature selection algorithm based on statistical dependence is proposed. This algorithm is further improved by combining the dependence between wavelet feature and the evaluation of individual feature component. Experimental results show the effectiveness of the proposed algorithms in incorporating dependence into wavelet feature selection.     

基于SVM新闻文本分类的研究

网络新闻自动分类已经成为当下的热点问题,SVM分类算法是文本分类中应用较为成熟的一种方法.文章针对SVM文本分类中特征选择和核函数选择的两个重要问题,在新闻文本实验环境下进行了探讨,结果表明使用互信息特征选择法且特征数在4000左右,使用SIGMOID核函数的情况下准确率与召回率均可达到97％的分类效果.     

Similarity-based online feature selection in content-based image retrieval.

Content-based image retrieval (CBIR) has been more and more important in the last decade, and the gap between high-level semantic concepts and low-level visual features hinders further performance improvement. The problem of online feature selection is critical to really bridge this gap. In this paper, we investigate online feature selection in the relevance feedback learning process to improve the retrieval performance of the region-based image retrieval system. Our contributions are mainly in three areas. 1) A novel feature selection criterion is proposed, which is based on the psychological similarity between the positive and negative training sets. 2) An effective online feature selection algorithm is implemented in a boosting manner to select the most representative features for the current query concept and combine classifiers constructed over the selected features to retrieve images. 3) To apply the proposed feature selection method in region-based image retrieval systems, we propose a novel region-based representation to describe images in a uniform feature space with real-valued fuzzy features. Our system is suitable for online relevance feedback learning in CBIR by meeting the three requirements: learning with small size training set, the intrinsic asymmetry property of training samples, and the fast response requirement. Extensive experiments, including comparisons with many state-of-the-arts, show the effectiveness of our algorithm in improving the retrieval performance and saving the processing time.