基于改进三维块匹配滤波的红外全息降噪算法北大核心CSCD

红外全息技术更适用于长距离的大视场成像,但其散斑噪声与高斯噪声对图像质量的影响也更加显著,限制了红外全息技术的应用与推广。本文通过引入全局傅立叶阈值与自适应维纳滤波的方法对三维块匹配滤波算法进行优化,提高了其对红外全息图像降噪的适应性与细节保留,得到改进的三维块匹配滤波算法,并与多种采用传统滤波方法的结果进行了对比。结果表明,改进后的算法可以在对红外全息图像中的高斯噪声等环境噪声与散斑噪声进行降噪的同时保留更多细节,是一种更加适用于红外全息图像的降噪方法。     

基于电池储能SOC的调峰、调频混合控制策略

电池储能系统被认为是解决可再生能源的不确定性和不平衡性导致的功率不足和频率波动的有效途径。基于此,文中提出了一种基于电池的荷电状态SOC(state of charge)的电池储能系统混合控制策略。首先,文中将电池的SOC、调频和调峰需求划分为不同的区域,并对调频和调峰提出相应的控制策略,提出SOC自恢复控制策略。之后提出储能的混合控制策略,基于电池储能的SOC,将储能的调频与调峰功能与SOC自恢复策略相结合,实现储能对电力系统的优化。最后通过仿真分析验证该控制策略的合理性与应对可再生能源波动的能力。     

视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。     

GA-DE混合优化算法在双频非周期阵列波束综合中的应用

针对双频非周期阵列波束综合问题,提出了一种将遗传算法与差分进化算法结合的优化算法(GA-DE混合优化算法)。该优化算法在每轮迭代时先利用差分进化算法生成与遗传算法相同规模的种群,将该种群与原种群混合后保留适应度较好的个体,然后再由遗传算法进行迭代优化;同时对遗传算法的选择、交叉、变异算子做出改进,提升了算法的全局搜索能力和收敛速度。通过与其他算法对比验证,混合优化算法可以优化得到更优的副瓣电平和增益,仿真结果表明该算法具有良好的性能。利用混合优化算法在保证阵列增益的条件下,以降低峰值副瓣电平为目标优化Ku/Ka双频混排标准化子阵和Ku/Ka双频混排整阵。优化后Ku和Ka整阵在扫描范围内最大峰值副瓣电平分别为-13.10 dB和-13.13 dB,最小增益分别为44.81 dB和44.58 dB,达到了指标要求,优化结果说明混合优化算法可以有效抑制非周期阵列栅瓣的出现和降低阵列的峰值副瓣电平。     

单帧红外图像超分辨率重建算法研究

针对目前基于插值的红外图像超分辨率重建算法主要把重心置于原始图像的像素上的问题,提出了一种将原始图像像素和插值像素相结合的红外图像超分辨率重建算法。该算法在最近邻插值算法的基础上,将其与自适应高斯滤波相结合,采用边插值边滤波的方式对红外图像进行超分辨率重建处理。由红外数据集的大量对比试验结果可知,该算法能够在不以时间消耗为代价的前提下使重建结果得到有效提升。具体表现为其重建结果的客观评价指标与经典的图像插值算法相比提高了约2.8%～3.2%,并且能够有效减少噪声、锯齿和模糊现象。该算法有助于推动红外图像超分辨率重建在军事、医疗等领域的发展。     

基于加权投票的主动密度峰值数据聚类算法

针对传统方法缺乏对查询标准的全面考虑,并且反复运行半监督聚类来更新标签等问题,提出一种基于加权投票一致性的主动密度峰值数据聚类算法。提出一个同时考虑代表性和信息性的主动密度峰聚类算法,选取有代表性的实例捕捉数据模式,查询信息实例以减少聚类结果的不确定性。设计快速更新策略,有效地更新了标签。提出一个结合局部和全局不确定性的主动聚类集成框架,并引入加权投票一致性方法对聚类结果进行优化整合。在数据集上的实验结果证明了该方法能有效解决传统方法问题,并具有良好的聚类性能。     

控制策略对机载雷达永磁电机峰值转矩影响分析

针对机载雷达用永磁电机对功率密度的苛刻要求与短时高过载和长时低负载转矩的工况特点,在分析表贴式永磁电机和内嵌式一字形、V字形永磁电机的气隙磁密特点基础上,对比研究了直轴电流为零控制策略和最大转矩电流比控制策略对电机输出峰值转矩的影响。研究结果表明,采用直轴电流为零控制策略,表贴式永磁电机具有更大的峰值转矩;采用最大转矩电流比控制策略,内嵌式V字形永磁电机具有更大的峰值转矩;三种类型电机,相同机载雷达应用工况下,内嵌式V字形永磁电机温升最低。     

基于空间向量搜索的密度峰值聚类算法

针对密度峰值聚类(DPC)算法因构建全局样本点间的相似度矩阵,而导致时间开销过大的问题,提出了一种基于空间向量搜索的密度峰值聚类(VS-DPC)算法。在n维正交坐标系中将数据点映射为以原点为起点的空间向量,计算向量的模和与统一坐标轴正方向间的夹角;利用截断距离和截断映射角确定相似范围搜索相似向量;利用相似向量确定有效密度点从而构建稀疏相似度矩阵,降低时间复杂度。在UCI数据库中7个真实数据集和7个形状复杂的人工数据集上的实验结果表明,所提的VS-DPC算法保持了DPC的聚类精度,相较DPC算法减少了约60%的时间开销。并对比于CDPC和GDPC两种提升DPC聚类效率的算法,算法参数更少,且在聚类精度和时间上分别平均提升6和18个百分点。     

基于密度峰值和模糊聚类的欠定混叠矩阵估计

传统聚类算法进行混叠矩阵估计时存在的聚类中心个数不确定和初始聚类中心的随机选取导致陷入局部最优的问题,为此提出一种基于密度峰值的改进模糊聚类算法进行欠定盲源分离的混叠矩阵估计。通过短时傅里叶变换提取信号在频域中的稀疏特性,利用寻找密度峰值聚类算法(clustering by fast search and find of density peaks, CFSFDP)自动获取聚类簇的数目和初始聚类中心;将获得的聚类数目和聚类结果作为模糊聚类算法(fuzzy c-means clustering, FCM)的初始输入参数,提高FCM聚类结果的精度。实验结果表明,该算法可以准确估计源信号的数目,相比传统FCM、层次聚类、基于密度峰值改进的粒子群等聚类算法,可以有效提高欠定盲源分离的混叠矩阵估计精度。     

基于相对密度估计和多簇合并的密度峰值聚类算法

密度峰值聚类(DPC)算法是一种新颖的基于密度的聚类算法,其原理简单、运行效率高.但DPC算法的局部密度只考虑了样本之间的距离,忽略了样本所处的环境,导致算法对密度分布不均数据的聚类效果不理想;同时,样本分配过程易产生分配错误连带效应.针对上述问题,提出一种基于相对密度估计和多簇合并的密度峰值聚类(DPC-RD-MCM)算法. DPC-RD-MCM算法结合K近邻和相对密度思想,定义了相对K近邻的局部密度,以降低类簇疏密程度对类簇中心的影响,避免稀疏区域没有类簇中心;重新定义微簇间相似性度量准则,通过多簇合并策略得到最终聚类结果,避免分配错误连带效应.在密度分布不均数据集、复杂形态数据集和UCI数据集上,将DPC-RD-MCM算法与DPC及其改进算法进行对比,实验结果表明:DPC-RD-MCM算法能够在密度分布不均数据上获得十分优异的聚类效果,在复杂形态数据集和UCI数据集的聚类性能上高于对比算法.