一种简化的OFDM信道估计方法

OFDM（JE交频分复用）技术是无线通信领域的重要技术,研究信道估计精度对系统性能有着直接的影响。提出了基于导频插入的LS（最小二乘法估计）、MMSE（最小均方误差估计）和SVD（奇异值分解）信道估计方法。并针对MMSE算法有很好的性能但复杂度大,LS算法复杂度低但性能受到限制,提出了一种改进方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法的信道估计中误比特曲线,比较了各个算法的性能。仿真结果表明：改进的算法有好的性能和低的复杂度。     

具有混合误差模型的鲁棒参数估计

本文讨论了同时上人有统计分布结构已知而分布参数未知误差项和统计分结构未知但有界误差项的线性回是发模型的数估计问题。     

遥感影像的辐射质量评价方法

针对传统的遥感影像辐射质量评价方法是以人工定性评价为主、缺乏客观和易行的定量评价标准,以及一些客观评价方法大多是从影像辐射质量的某一方面进行考察,不能全面综合地评定遥感影像的辐射质量的问题,该文充分考虑了遥感影像获取、传输以及处理过程中的各种降质因素,对遥感影像的辐射质量评价方法进行系统的总结、归纳和发展,给出了对影像灰度分布、信息量、清晰度、分辨率、噪声、云量、无效像元等多个指标进行评价的方法及其最新发展动态,并总结了基于参考影像的评价方法、多指标综合评价方法。     

LS-SVM误差补偿的广义预测控制

广义预测控制（Generalized Predictive Control,GPC）汲取了DMC（Dynamic Matrix Control）、MAC（Model Algorithmic Control）中的多步预测优化策略,抗负载扰动、随机噪声、时延变化等能力强,且选取模型参数少,利于控制。然而,据研究发现GPC对模型失配问题有一定的局限性。最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）是在支持向量机的研究基础上发展而来的,具有良好的回归、分类功能。在认真学习LS-SVM原理的基础上,提出了基于LS-SVM误差补偿的广义预测控制,并选择两个模型进行了仿真实验。通过与常规GPC的比较,表明了该算法具有更优的控制性能。     

灰度图像最小误差阈值分割法的二维推广

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布. 考虑到噪声等因素对图像质量的影响, 本文在二维灰度直方图上, 基于二维混合正态分布假设, 给出一维最小误差阈值法的二维推广表达式. 为了提高算法的运行速度, 也给出了快速递推算法. 实验表明, 二维最小误差阈值法是一个有效的图像分割算法, 能够更好地适应目标和背景方差相差较大的图像及噪声图像的分割问题.     

一种灰度形态算子的构造方法

提出了采用灰度结构元图像的灰度形态算子的构造方法。所构造的形态算子采用了适合灰度结构元图像与灰度图像间操作的结构，其相应的操作具有较明确的物理解释，从而适合招待灰度图像处理任务。     

遥感影像压缩质量评价方法

对重建图像进行质量评价是图像压缩的一个重要研究课题，评价方法的非客观性和非准确性可能误导图像压缩技术的进一步研究，本针对解压缩后的遥感影像，分析了影像压缩对人类视觉和计算机视觉的影响，从构像质量和几何质量两方面初步探讨了压缩图像质量的客观评价方法，强调了遥感影像几何质量评价的重要性，并使用各种评价方法对数幅图像进行测试，不同的方法可能代表了图像质量的不同方面，得出的结果不尽相同，他们共同构成了对解压缩图像质量的综合描述。     

一种新的自适应控制方法

本文提出了一种新的自适应控制方法－基于自校正与线性跟踪的自适应控制，从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型，对象模型的参数，采用递推最小二乘法在线估计。     

基于神经网络模型的最小预测误差非线性自适应控制器

主要研究基于神经网络模型的最小预测误差非线性自适应控制算法.利用神经网络激励函数的分段局部线性近似,将基于神经网络的非线性系统一步前向预测控制转化为一系列局部的线性预测控制问题.利用线性系统参数估计方法获得神经网络预测模型的参数估计.在此基础上利用并联线性系统的预测控制方法设计全局收敛的非线性系统预测控制器.     

一种基于最小二乘支持向量机的预测控制算法

针对工业过程中普遍存在的非线性被控对象，提出一种基于最小二乘支持向量机建模的预测控制算法．首先，用具有RBF核函数的LS-SVM离线建立被控对象的非线性模型；然后，在系统运行过程中，将离线模型在每一个采样周期关于当前采样点进行线性化，并用广义预测算法实现对被控系统的预测控制．仿真结果表明了该算法的有效性和优越性．     

基于均方误差的变形图像的质量评价

随着数字图像技术的发展图像质量评价已成为了一个重要的研究课题.作为图像质量的一部分,图像逼真度通常由均方误差来表示.均方误差作为既简单又古老的客观图像质量评价方法沿用至今,在图像质量评价中扮演着重要角色,但在实际应用过程中发现其存在一定的局限性.从对比度拉伸、亮度变化、加噪声、模糊、放缩、平移、旋转等经典图像变形的角度出发,实现了给定一个均方误差值和允许误差值,得到11种均方误差值近似相等的变形图像.经分析得出,同一均方误差下的不同变形图像给人的主观感受不同;图像经很小的几何修正后,对应的均方误差值可能很大;均方误差越大,图像失真越严重.并设计了一个120人的主观评价实验,验证了均方误差在基础变形图像上评价的局限性.     

基于改进灰色预测模型的半球谐振陀螺在线故障检测

针对基于半球谐振陀螺的导航系统故障检测的实时性要求高、数据变化缓慢等特点,提出了一种改进型的灰色预测模型,将移动窗口初值优化的灰色预测模型和最小二乘结合,对该类惯性传感器的故障进行实时在线检测.对处置优化的灰色预测模型的残差信号进行建模,提高了预测的精度,从而实现了利用少量的历史数据对下一时刻数据的准确预测,达到对半球谐振陀螺实时故障检测的目的.详细描述了改进型灰色预测模型的建模方法和步骤,并针对半球谐振陀螺的3种故障形式,与普通灰色预测方法进行了对比仿真研究.结果表明该方法可以准确、有效地进行在线故障检测.     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

基于灰关联度和神经网络的成纱质量预测系统的研究

由于依靠人工的经验的成纱质量预测系统的不可靠和不稳定性,设计了一种基于神经网络的成纱质量预测方案。利用灰关联分析法计算出成纱质量各因素之间的关联程度,从数据库中提取出关联度大的成分作为BP神经网络的训练数据,通过LM训练方法以得到成纱预测质量结果。仿真试验和实际运用效果均证明了方案的可行性和有效性。     

基于灰度级出现频数的数字图像置乱程度衡量方法

数字图像置乱程度是评价数字图像置乱算法的重要方面,对数字水印算法的研究也起到重要的指导作用。利用灰度级出现频数可以对数字图像的最佳(理想)置乱效果进行描述,以数字图像的最佳(理想)置乱效果为参照系,基于灰度级出现频数提出了一种衡量数字图像置乱程度的新方法。采用Matlab为实验研究工具,进行仿真实验。实验结果表明,该置乱程度衡量方法与视觉的主观评价基本一致,具有对各种类型的图像加密方法都适用的高泛化性,还具有与原图像无关性。     

基于灰色系统预测威胁赋值方法

资产、威胁、脆弱性是信息安全风险评估的三个基本要素,在风险评估过程中首先必须对这三个要素识别与赋值,赋值的准确度关系到评估结果的科学性和客观性。依据威胁的统计属性,提出用灰色系统预测给威胁赋值的方法,通过建立灰色系统预测模型、灰色微分方程计算、残差检验,用历史数据预测评估本期威胁出现的频率,再经过威胁频率等级化处理,进...     

基于视觉感知的融合图像质量评价

在分析传统的图像质量评价方法及其缺陷的基础上,指出将HVS特性引入图像计测方法中的必要性;同时,对融合图像质量评价现状及虚拟照相系统进行了深入的研究,鉴于虚拟照相系统研究的特殊性,建立了一套适合娱乐照相领域融合图像的质量评价方法,并给出实验分析。     

基于标准差的快速分形图像编码

由于基本分形图像编码过程非常耗时,本文提出了一种基于标准差的快速分形编码方法.先将子、父块按标准差分为平滑块和非平滑块.码本由所有非平滑父块构成,并按标准差赋序.若子块为平滑块,直接存储其均值,否则在赋序码本中寻找其在标准差意义下的最近邻父块,进而在该父块的邻域内进一步搜索最佳匹配父块,搜索时需对父块进行8种等距变换,同时引进误差阈值来控制子块搜索的邻域范围.实验证明,该算法编码速度大大提高,并且该算法在相近编码时间前提下的解码图像质量及在相近峰值信噪比（PSNR）情况下的编码速度均优于基于图像块叉迹的快速算法.     

基于图像灰度的拼接技术研究

图像拼接技术就是将一组重叠图像拼接成一幅大型的无缝高分辨率图像的技术.首先给出图像拼接的流程,然后介绍几种基于图像灰度的拼接算法,并在此基础上对算法进行改进,提出多线程技术应用于图像拼接,提高运算速度.     

基于自定义灰度空间分布密度矩阵的Otsu改进算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理与模式识别领域有着广泛应用.将图像中灰度级的空间分布特性应用到图像分割中,自定义适当的灰度空间分布密度矩阵结合先验知识,提出Otsu改进算法.实验证明在图像中目标与背景的灰度差异不是特别大的情况下,该算法的分割效果优于经典的Otsu算法以及其它分割算法.