基于Hilbert信号空间的未知干扰自适应识别方法

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法。首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程。仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2%和2.8%;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27%,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92%以上。     

一种动态更新失真代价的自适应k隐写算法

基于失真函数的自适应隐写技术在嵌入过程中,忽略了嵌入操作相互间的影响,隐写策略无法随载体统计特性的改变自适应地调节。考虑嵌入操作的交互影响,该文提出一种基于动态更新失真代价的k隐写算法。首先分析了中心像素与其邻域的相关性,理论证明了在4-邻域修改情况下中心像素的最优修改方式,进而提出了失真代价更新策略MDS(Modification Degree Strategy);并结合该策略设计实现了一种自适应k隐写算法。实验表明,五元修改方式下算法UNIWARD-MDS(Pentary Version)在高嵌入率下(0.5~1.0 bpp)的抗SRM检测性优于S-UNIWARD(Pentary Version),同时在抵抗maxSRMd2检测时不同嵌入率下均优于S-UNIWARD(Pentary Version);三元修改方式下算法HILL-MDS和UNIWARD-MDS(Ternary Version)抗检测性能优于对应的自适应隐写算法HILL和S-UNIWARD(Ternary Version)。     

基于显著度融合的自适应分块行人再识别

针对基于分块匹配的行人再识别中对分块的规则和大小缺乏指导,以及不同分块间的区分度差异问题,该文提出基于显著度融合的自适应分块行人再识别方法。首先,利用启发式思想确定初始聚类中心,并根据图像内容自动确定分块的大小和数目。然后,利用归一化部分曲线下面积计算各块的图像间显著度,利用结构化支持向量机学习各块的图像内显著度,并融合两类显著度得到各块的权重作为匹配得分融合的依据。实验证明,在常用的行人再识别数据集上,该方法能取得较好的识别结果。     

Adaptive Neural Network-Based Control for a Class of Nonlinear Pure-Feedback Systems With Time-Varying Full State Constraints

In this paper, an adaptive neural network (NN) control approach is proposed for nonlinear pure-feedback systems with time-varying full state constraints. The pure-feedback systems of this paper are assumed to possess nonlinear function uncertainties. By using the mean value theorem, pure-feedback systems can be transformed into strict feedback forms. For the newly generated systems, NNs are employed to approximate unknown items. Based on the adaptive control scheme and backstepping algorithm, an intelligent controller is designed. At the same time, time-varying Barrier Lyapunov functions (BLFs) with error variables are adopted to avoid violating full state constraints in every step of the backstepping design. All closedloop signals are uniformly ultimately bounded and the output tracking error converges to the neighborhood of zero, which can be verified by using the Lyapunov stability theorem. Two simulation examples reveal the performance of the adaptive NN control approach.      

多基地雷达中双门限CFAR检测算法

针对多基地雷达系统,该文为解决传统集中式检测算法数据传输率大的问题,根据广义似然比检测算法和自适应匹配滤波算法,提出两种双门限恒虚警率检测器：双门限广义似然比检测器和双门限自适应匹配滤波检测器。首先各个局部雷达站将超过第1门限的局部检验统计量传送到融合中心。然后融合中心根据局部雷达站传送的数据计算融合后的全局检验统计量,并与第2门限比较,得到最终的判决结果。在各空间分集通道的信杂噪比假设相同的条件下,给出了双门限自适应匹配滤波检测器的虚警概率和检测概率的解析表达式。仿真结果表明,两种双门限检测器在低数据率传输时能够保持较好的检测性能。     

Adaptive Fuzzy Dynamic Surface Control of Flexible-Joint Robot Systems With Input Saturation

In this paper, we propose an adaptive fuzzy dynamic surface control (DSC) scheme for single-link flexible-joint robotic systems with input saturation. A smooth function is utilized with the mean-value theorem to deal with the difficulties associated with input saturation. An adaptive DSC design with an auxiliary first-order filter is used to solve the "explosion of complexity" problem. It is proved that all the signals in the closed-loop system are semi-globally uniformly ultimately bounded, and the tracking error eventually converges to a small neighborhood around zero. The main advantage of the proposed method is that only one adaptation parameter needs to be updated, which reduces the computational burden significantly. Simulation results demonstrate the feasibility of the proposed scheme and the comparison results show that the improved DSC method can reduce the computational burden by almost two thirds in comparison with the standard DSC method.      

参考点自适应调整下评价指标驱动的高维多目标进化算法

在具有不同Pareto前沿形状的优化问题上, 基于参考点的高维多目标进化算法表现出较差的通用性. 为了解决这个问题, 提出参考点自适应调整下评价指标驱动的高维多目标进化算法(Many-objective evolutionary algorithm driven by evaluation indicator under adaptive reference point adjustment, MaOEA-IAR). MaOEA-IAR提出Pareto前沿形状监测基础上的参考点自适应策略, 利用该策略选择一组候选解作为初始参考点; 然后通过曲线参数对参考点位置进行调整; 将最终得到的能够适应不同Pareto前沿的参考点用于计算增强的反世代距离指标, 基于指标值设计适应度函数作为选择标准. 实验证明提出的算法在处理各种Pareto前沿形状的优化问题时能获得较好的性能, 算法通用性高.     

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。     

一种基于压缩感知的地面运动目标检测方法

针对实际非均匀环境空时自适应处理(STAP)难以获取足够独立同分布样本的问题,该文提出一种基于压缩感知的运动目标检测方法。该方法首先将待检测距离门的回波数据变换至2维频率域进行能量积累,并构造相应2维频率域的冗余字典,然后利用贝叶斯压缩感知技术提取若干强静止散射点谱峰,估计杂波谱能量支撑区,最后通过基于加权的最小l1范数优化模型实现杂波抑制与运动目标检测。理论分析及仿真实验结果表明该方法具有较高的角度和多普勒分辨率,并且在低信噪比情况下也可以获得良好的检测效果。     

下行多业务OFDMA系统中基于有效容量的资源分配算法研究

该文对多业务OFDMA系统的下行链路资源分配进行了研究,侧重考虑了实时业务用户的QoS要求,建立2维马尔可夫无线信道模型,采用自适应调制技术、有效容量理论以及有效带宽理论,为实时用户分配资源;并实现了非实时业务用户、尽力而为业务用户的资源分配。仿真结果表明,所提算法保证了下行OFDMA系统吞吐量的同时,在实时业务的延时和丢包率等方面都有一定的优越性。