基于数学形态学的边缘检测方法

针对图像的边缘检测问题,提出了一种基于顺序形态变换和局部熵相结合的边缘检测方法。该检测方法构造了基于百分位顺序形态变换的边缘检测算子,根据不同结构元素的尺度大小与结构元素的类型,选择不同的形态变换的百分值,从而使变换结果图像的局部熵最小,利用局部熵的特性,有效地锐化了图像边缘。实验结果表明,与传统的边缘检测方法相比,该方法具有很强的抑制噪声能力和良好的边缘检测性能。     

基于中断概率的协作通信中继选择与功率分配算法

研究了功率受限情况下多中继协作通信网络的中继选择和功率优化问题。在AF网络中,提出了一种低复杂度中继选择与功率分配算法,其目标是在总功率一定的条件下使系统的中断概率最小。本算法对源节点和所有潜在中继节点进行功率分配,结合当前信噪比选择最优的中继集合,通过最速下降法求出使系统中断概率最低的功率分配因子。该算法不需要知道大量瞬时信道信息、不需要系统在等功率条件下进行中继选择,只需求得中继节点排列矩阵便可根据当前信噪比自适应获得最优中继节点集合。仿真结果表明,在相同条件下,该算法明显优于不同中继节点集合下几种算法的中断性能,并且与传统的SAF及AAF算法相比,有效降低了中断概率,提升了系统性能和功率效率。     

特征向量自适应估计算法及在谱估计中的应用

基于KLT与滑动DCT的相似关系,提出了一种新的特征向量自适应递推估计算法。将特征向量等效为自适应滤波器的权向量,通过合理选择该滤波器期望响应递推求解出特征向量。同目前的特征向量求解方法相比(如奇异值分解法),该算法可有效地减少运算量和复杂度,容易实时实现,且具有很高的估计精度。将该算法应用到MUSIC谱估计中,计算机仿真结果表明:利用该算法进行的谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了该算法的有效性和优越性。     

基于压缩技术的子空间迭代法及在谱估计中的应用

提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比可以看到,利用提出的算法进行谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了算法的有效性和优越性。     

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。     

多变量线性系统鲁棒非奇异自适应控制的改进

为解决多变量线性系统间接自适应控制的奇异性或不可控制性问题,在文[1]的基础上提出了一种新的修正模型辨识参数方法,该参数修正策略使系统辨识模型在适应过程中保持能控性,此修正算法较文[1]计算是大为减少,进一步提高了控制逄法的时性。