规范主元分析法在雷达目标识别中的应用

利用高分辨雷达一维距离像，在研究用主元分析法和线性辨别分析法进行特征提取的基础上，给出了一种规范主元分析的特征提取法，对雷达目标进行了识别．该方法充分利用了互信息量之间的关系，通过主元分量分析、线性辨别分析与规范主元分析3种方法的外场实测数据实验比较，表明所提出的特征提取方法具有良好的稳健性．     

一种应用于人耳识别的基于SVD和PCA的特征融合方法

采用一种融合奇异值主元投影特征与主元投影特征的特征提取算法对静态人耳图像进行识别。该算法一方面提高了人耳的识别性能,另一方面弥补了采用单一PCA和SVD算法提取人耳特征时的不足,减少了对噪声和光照条件的敏感性。在自建人耳库和CP人耳库中的实验表明算法的合理性和有效性,为实际中处理人耳识别问题提供了参考。     

基于KPCA的结构振动信号特征提取研究

本文提出基于核主元分析（Kernel Principal Component Analysis,KPCA）的结构振动信号特征提取方法。通过对原始信号进行KPCA分析得到非线性主元,根据非线性主元的累计贡献率确定非线性主元个数,然后根据结构信号在不同损伤状态下的KPCA特征构造结构特征指标,由此判断结构相对于基准状态是否发生了损伤。试验结果表明,该方法在基准状态为无损状态和小损伤状态下都能很好的判断结构是否发生损伤,用于结构损伤识别特征提取是有效的。     

改进的主成分分析和最近邻的人脸识别方法

在传统的主成分分析特征提取中,直接求解特征空间是很困难的,同时也是非常浪费资源,为优化这一问题,该文提出了改进的主成分分析特征提取。在人脸特征提取中,同时还选择了适当的主分量数,用于提高分类识别的速度。在人脸分类识别的过程中,分类策略选取最邻近分类器,通过计算最短欧几里得距离来分类识别测试样本。通过十折交叉验证方法验证了改进的主成分分析和最邻近分类的有效性。     

FD+HOG融合人体行为识别

利用全局特征提取与局部特征提取相融合的方法,将傅里叶变换特征与方向梯度直方图特征相融合的算法结合支持向量机(SVM)来识别人体行为。首先将KTH和Weizmann数据集中提取出来的图像做预处理,分别提取出每张图像的傅里叶描述子和HOG特征,然后利用主成分分析法对HOG提取特征降维,最后用FD+HOG的融合特征放入SVM分类器中分类识别。实验结果表明,该算法识别率可达86%以上。     

车间环境下机器人语音控制的特征提取算法

针对移动机器人在车间实际工作环境中,由于噪声的影响导致对语音控制命令识别性能差的问题,提出了一种基于伽玛通倒谱系数和Teager能量算子混合特征提取的新算法。该算法用伽玛通滤波器代替抗噪性比较普通的梅尔滤波器,在提取伽玛通倒谱系数的过程中加入反映语音信号能量的Teager能量算子组成新的特征,并考虑语音信号的动态特性,将其与一阶差分参数融合组成混合特征;应用主成分分析法降维,将得到的混合特征用于移动机器人控制命令的语音识别系统。实验结果表明,在车间噪声以及信噪比为10dB的环境下,混合特征的识别率较梅尔倒谱系数提高了12.20%,通过主成分分析法得到的混合特征的识别率提高了1.02%。     

神经网络方法对心电信号主元压缩算法的改进

根据主元分析和神经网络的原理，描述了用主元分析的方法对输入信号的特征进行提取，并利用神经网络算法，实现ECG信号压缩的可行性。从压缩后信号重构的保真性和压缩计算复杂性两个角度出发，给出了压缩＼重建的实验结果并分析讨论。文中的压缩算法将原始动态心电数据映射为主元分析特征参数存储，比常规的直接压缩或压缩算法有更高的压缩比。选取5个主元表示一个心动周期的特征，其压缩比可达到30：1，均方根误差比PRD为4．75％。该ECG压缩算法克服了直接用主元分析法压缩数据时，要计算维数巨大相关矩阵的困难。实验证明，该方法在保留ECG信号临床信息的同时，具有较好的压缩效果。     

基于分块2DPCA的人脸表情识别

本文使用了分块二维主成份分析法（分块2DPCA）和模糊积分分类器进行了人脸表情识别与融合。由于分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其突出的优点是提高了特征提取的速度,在特征提取时可以完全避免使用矩阵的奇异值分解,方法简便。与2DPCA相比,可以实现使用低维的鉴别特征,而保持较高的正确识别率的目的。     

熵值分析法在特征提取中的应用研究

研究模式识别系统中特征提取与选择的方法和途径。方法根据熵函数的性能,利用熵值分析法进行有效特征的提取,结果熵值分析法比较准确地反映了识别对象在特征 的分离程度,结论,这种方法对提高模式识别系统的识别效果具有积极的作用。     

面向工业大数据的多层增量特征提取方法

针对工业大数据中高维小样本情况导致增量线性判别分析失效问题,提出了一种面向工业大数据的多层增量特征提取方法,对高维小样本数据进行有效降维,并最大限度保留样本的变异信息和判别信息．首先,利用滑动窗口增量实时更新数据流,检测和过滤离群点,基于增量主成分分析对数据进行初步特征提取,利用Fisher准则函数量化各主元所包含的分类信息;然后,采用熵值法确定各主元贡献率和识别能力的权重,对主元进行筛选,由筛选出的主元构成新的特征空间;最后,将当前窗口的高维数据通过增量线性判别分析投影,完成二次特征提取的同时确定样本类别．实验结果表明,该方法可有效提取实时数据特征,同时很好地保留其判别能力．     

基于模糊收益率的分散化投资组合调整策略

投资组合选择是量化金融领域的核心问题之一。本文研究模糊环境下考虑交易费用和基数约束的分散化投资组合调整问题。首先,将风险资产的收益率视为模糊变量,通过建立一个模糊收益率拟合模型,确定了各资产收益率的模糊分布。其次,通过提出一个新的分散化测度,建立了模糊均值-下半方差-分散化投资组合调整模型。然后,设计了一个改进的遗传算法对模型进行求解。最后,选取真实的股票数据进行实例分析。结果表明所提出的策略优于传统的投资组合调整策略。     

1-out-of-n不经意传输的变换及应用

提出了不经意传输的一个新应用——在群签名中的应用。首先给出了文献[1]的1-out-of-n不经意传输协议的一个变形,利用该变形协议提出了一种新的群签名成员资格撤销方法。该撤销方法是一个一般性的方法,可通用于任何群签名方案,而以前的撤销方法都是针对某一具体签名方案的,不具有通用性。在随机预言机模型以及计算Diffie-Hellman (CDH)假设下,可证明新协议是安全的。     

WDM网络中一种新的波长分配算法

文章研究了波分复用(WDM)光网络中动态业务下的波长分配问题,在无波长转换器的条件下提出了一种新的波长选择算法。该算法在支持多优先级的动态门限法的基础上,通过延后使用资源较少的链路上的波长以减小阻塞率。仿真结果说明了该算法的有效性。     

Pneumatic force servo system based on disturbance observer

In order to design a low-cost pneumatic force servo system with large output forces, a scheme of a booster cylinder controlled by high speed solenoid valves is proposed. A nonlinear model of the system is established, in which the hysteresis of high speed solenoid valve is considered. In order to deal with parameter uncertainty and disturbances of noise and friction, a feed-forward control method based on a disturbance observer is proposed. A practical pneumatic force servo system is used to testify the feasibility of the proposed controller. The experimental results show that pneumatic force servo system based on the proposed controller has high force tracking accuracy and quick response.     

广义非局部均值和自相似性的超分辨率算法

提出一种利用广义非局部均值和自相似性的图像超分辨率算法．该算法不仅利用图像的自相似性将低分辨率图像与其下采样图像作为一个训练库,而且利用非局部平均算法的良好特性提高复原图像的质量．该算法首先提取低分辨率图像的高斯差特征系数,然后利用广义非局部平均算法来估计待复原图像丢失的高频细节,获得高分辨率图像．实验结果表明,该算法对图像取得较好的复原效果,复原出的高分辨率图像更接近于真实图像,与其他方法相比,具有更好的主观和客观质量．     

Efficient Early Termination Strategy for LDPC Codes in GPS Systems

By exploiting the structural features of L1C messages,a novel Early Termination （ET） strategy is proposed to speed up the decoding of low-density parity-check （LDPC） codes in the GPS system.The proposed strategy is based on the cyclic redundancy check （CRC） of the messages in the subframes 2 and 3.The simulation results show that average number of iterations of the proposed strategy is less than that of the standard ET strategy,with nearly no degradation in decoding performance.Besides,the proposed ET strategy can be efficiently implemented in a sequential or parallel manner.Thus,the proposed ET strategy is attractive for practical purposes.     

抗导向矢量失配的零陷展宽波束形成算法

针对自适应波束形成器在干扰出现扰动或期望信号导向矢量失配时,性能急剧下降的问题,提出一种抗导向矢量失配的零陷展宽波束形成方法.首先通过投影变换技术对阵列接收数据进行投影预处理,构造一个新的协方差矩阵,以扩展干扰入射角度,展宽零陷;再根据期望信号入射的大致方位,对波束主瓣进行幅度响应约束,在约束区域形成稳定的响应幅度,达到抗导向矢量失配的目的.该方法可以转化为松弛半正定规划问题进行求解.仿真结果表明:该方法能有效展宽波束的零陷宽度,加深零陷深度,同时具有良好的抗期望信号导向矢量失配的能力,提高了自适应波束形成器在复杂环境下的稳定性.     

一种低信噪比下基于深度学习的DoA估计方法

针对低信噪比下毫米波系统多径方位估计问题,提出了一种基于深度学习的多径波达方向估计方法。该方法通过构建协方差矩阵与多径角度间的映射模型来实现：首先利用接收信号,构建抽样协方差矩阵;然后,通过基于深度残差收缩网络的多标签分类模型,实现视距传输路径角度估计;最后,利用基于卷积神经网络的回归模型,实现非视距传输路径的角度估计。仿真结果表明,与传统方法相比,所提方法能够显著降低均方根误差,并且在低信噪比下可以取得较低的角度估计误差;在不同场景下,所提方法具有良好的适用性。     

复杂环境下移动机器人路径规划与跟随

提出了一种基于改进A^*算法和PID控制算法的新型移动机器人路径规划与路径跟随控制方法,该方法适用于复杂的迷宫环境．在所提出的方法中,解决了A^*算法转折点过多的问题,并且通过拓展障碍物和四阶三次均匀B样条优化的方法使生成的预期路径安全且平滑;之后基于前视点的两轮差速机器人运动学模型设计了PID控制器．在专门设计的框架中测试了所提出方法的性能．作为验证,分别从路径规划与路径跟随两个方面做了详尽的实验,结果表明,规划路径转折点少且平滑,设计的PID控制器能够控制移动机器人实现较好的路径跟随效果．最后,在复杂的迷宫环境中验证了提出的方法,结果表明,所提出的方法能够使机器人无碰撞穿越迷宫．     

区间型多属性决策方法的改进

针对以往文献中提出的区间型多属性决策方法在应用中所存在的缺陷,提出了一种改进的决策方法.在区间型负理想点概念的基础上,利用方案点到理想点上的投影,综合考虑方案点与正理想点和负理想点的贴近程度.最后通过算例说明了该方法的有效性.