基于最大后验概率-马尔科夫随机场的二进制体数据优化

许多三维重建算法的结果以二进制体数据的形式给出,然而直接从中抽取等值面会造成阶梯化、锯齿化等走样现象.为此提出基于最大后验概率?马尔科夫随机场的二进制体数据优化方法.假设目标数据是随机变量并具有马尔科夫性,通过计算其最大后验概率推导了通用的优化公式,以及在常用模型下的优化公式;在此基础上,用户可选择不同的先验模型和观察模型来预测数据最有可能的取值,并将其作为优化结果.实验结果表明,文中方法可用于二进制体数据的可视化,光顺,去噪,修复等.     

光纤陀螺随机误差特性ThêoH辨识

随机误差特性分析是光纤陀螺进入工程应用阶段的关键技术.针对Allan方差、总方差、Thêo1 (Theoretical variance #1)等分析方法的不足,以Thêo1为基础,通过偏差消除获得ThêoBR(Bias-removed ver?sion of Thêo1),并将其与Allan方差合成,得到光纤陀螺随机误差特性分析的ThêoH(Hybrid-ThêoBR)法.通过计算重叠Allan方差、总方差、Thêo1以及ThêoH的等效自由度,结合仿真和实测信号的随机误差特性分析实验,证明ThêoH法不仅提高了Allan方差估计的置信度,且解决了Thêo1估计有偏的问题,表明了该方法是目前能够有效辨识光纤陀螺随机误差特性的最佳方法.     

一种基于自适应混合模型的背景减除法

针对局部二进制相似度(LBSP)背景建模方法易受外界环境变化如动态背景、光照改变、相机抖动等干扰的问题,在融合像素纹理与亮度信息的基础上,建立一种自适应混合背景模型进行运动目标检测。首先,利用每个像素的多通道自适应局部二进制相似度(LBSP)信息和亮度信息建立混合背景模型。然后,根据当前像素与混合背景模型的比较结果对其进行分类,并采用随机更新机制更新背景模型。实验结果表明,本方法不仅在正常外界环境下取得了较好的检测结果,而且还可以有效地减少动态背景、光照变化等复杂外界环境条件造成的干扰,提高检测结果的准确性。     

基于变步长阵发混沌的ZPW-2000低频信号检测方法研究

针对常规混沌阵列检测轨道移频信号所带低频信息存在复杂度高和精确性低的问题,对常规方法进行改进,提出了一种基于变步长阵发混沌的低频信号检测方法,该方法只运用一个Duffing振子,通过设置一组步长可以覆盖整个待检测低频信号所在频段的序列,来实现对轨道低频信号的检测。结合Duffing混沌系统检测信号的优越性,分析了利用变步长阵发混沌法检测低频信号的可行性,给出了此方法检测低频信号的步骤,并从理论上计算了可发生阵发混沌的步长序列,然后利用Matlab/Simulink搭建仿真模型进行仿真验证。结果表明,可用变步长阵法混沌法对低频信号进行检测。最后再利用阵发混沌周期法对仿真结果进行进一步研究,得出精确的低频信号。变步长阵发混沌法的检测性能在精确性及系统复杂度方面都优于传统的轨道低频信号检测方法,并且可以实现低信噪比下低频信号的检测。     

基于块稀疏快速重构的MISO活跃用户集与信道联合估计

针对多用户多输入单输出（Multiple input single output, MISO)系统的用户选择与信道估计问题,引入基于用户分布式自选择的信道接入策略,设计一种新的结合该策略的时分双分复用（Time division duplex, TDD)模式数据传输帧结构。利用用户活跃模式自然稀疏性和信道冲激响应时延域稀疏性,将基站接收上行随机导频序列建模为块稀疏线性模型。基于凸松弛的l2/l1模型提出一种快速的块稀疏重构算法求解问题模型。算法首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件。交替更新中,对于无法获得闭式解的信号变量项,采取块坐标下降法求解。计算机仿真表明,与块正交匹配追踪和块压缩采样匹配追踪比较,新算法能够在保持高重构精度的前提下获得更快的计算速度。     

分形结构中粒子扩散过程随机模拟

为分析孔隙分形维数和分形结构形式对粒子扩散特性的影响,通过生成分形结构模拟粒子在分形结构中的随机行走,探索分形介质中粒子扩散的运动规律.数值模拟结果显示,粒子在分形结构中的扩散行为受到起点位置、主通道和次通道形状及分形维数等因素的影响.     

粒子群算法在武汉市图书馆变风量空调控制系统中的应用研究

以武汉市图书馆公共建筑节能项目为背景,考虑到现有的方法有如下缺点:系统惯性大、时间滞后及单一采用PID控制时,控制效果不好,我们找寻到了一种高效的方法来解决这些缺点,实现优化温度参量来控制。根据变风量空调系统的结构,对变风量系统室内温度控制环节采用粒子群算法,经过Matlab软件进行仿真,使室内温度控制环节的上升时间、超调量及调整时间得以优化。     

基于变周期技术的自适应数据采集算法

在数据采集系统中,按需采集是平衡数据数量、提高数据质量的有效手段。本文所提出的自适应数据采集算法是基于有限采样点的一元线性回归拟合,通过实时地对采集到的数据进行分析,不断修正采样周期,使得采样周期能够快速、准确地适应被测对象的动态变化。MATLAB软件仿真表明,本方法对于被测量加速变化具有较强的动态捕捉能力,能够在降低平均采样频率的前提下减小采样失真度,且与同类方法相比失真度低,稳定性高,是测控系统中实时数据采集的一种较好的代替方案。     

随机森林理论浅析

随机森林是一种著名的集成学习方法,被广泛应用于数据分类和非参数回归。本文对随机森林算法的主要理论进行阐述,包括随机森林收敛定理、泛化误差界以和袋外估计三个部分。最后介绍一种属性加权子空间抽样的随机森林改进算法,用于解决超高维数据的分类问题。     

一种抗拜占庭攻击的随机网络编码

网络编码自提出以来得到了巨大的发展,并且在许多方面被广泛应用。网络安全是网络编码的重要的应用领域之一。安全网络编码最主要的两方面就是防窃听和防拜占庭攻击,实质上就是防搭线窃听与网络纠错。本文构造了一种基于范德蒙德行列式的随机网络编码,并通过添加Target位的方法来实现抗拜占庭攻击;对于同时具备窃听和修改能力的攻击者,设计了一种改进的借助数据位的Target位构造方法;针对攻击者可能仅修改部分数据的具体情况给出了一种变步进多Target位的解决方案,即通过构造步进函数的方式来选取多个数据,构造多个Target位来提高数据安全性,并且通过部分数据验证了其可行性。