高分辨TerraSAR-X 图像舰船目标几何参数提取方法

准确提取SAR图像舰船目标几何参数是实现舰船分类的基础。由于SAR特有的成像机理, SAR图像旁瓣效应和方位模糊严重影响了舰船目标的几何参数估计,为此提出一种基于迭代线性回归的舰船几何参数提取方法。首先通过线性回归提取目标的主轴方位;然后利用循环迭代剔除远离主轴的虚假目标像素;最后用实测SAR数据进行了验证。实验结果表明,该算法对高分辨率的SAR舰船目标切片具有较好的参数估计效果。     

QUAL2K模型在大凌河流域水资源保护管理中的应用

水质模型的应用,是水质评价及预测的重要手段.本文依据调查与监测的数据,建立了朝阳大凌河流域枯水期阎王鼻子水库至白石水库段的QUAL 2K水质模型,结合GIS系统完成模拟值与监测值的参数估计,并通过水质模型得到验证,为水资源综合管理提供依据.     

基于STF和小波阈值去噪的无人直升机故障诊断

针对微小型无人直升机传感器工作环境恶劣,易出现性能不稳定并引发故障,且受噪声干扰较大的问题,提出了基于强跟踪滤波器(STF)和小波阈值去噪相结合的故障诊断方法.利用强跟踪滤波理论,将系统的参数扩展为状态变量,构造故障观测器,得到系统状态与参数的联合估计,同时采用小波阈值去噪方法对进入滤波器中的量测信息进行实时去噪处理,提高估计精度,实现了故障的实时诊断.通过微小型无人直升机在悬停飞行状态下的仿真实验,证明了该方法的有效性.     

基于免疫粒子群算法的参数估计方法

针对污水生化反应模型参数估计问题,提出一种基于免疫粒子群算法的估计方法。该方法采用免疫算法保持粒子群的多样性,避免粒子群算法的过早收敛而降低寻优能力。利用估计的参数值对实验数据进行拟合,仿真结果表明,拟合误差率低于标准的粒子群和遗传算法,进一步提高了污水生化反应模型参数估计精度。     

自适应域多群体遗传算法求解发酵动力学模型参数

发酵动力学模型参数估计是基于最小二乘的参数估计问题,是根据满足最小二乘的标准来解决模型的最佳参数匹配,求解该问题可采用遗传算法,但简单遗传算法容易陷入局部最优。本文提出一种自适应域多群体遗传算法,它通过自调整参数域,避免陷入局部最优,同时还提高搜索到的解是全局最优解的可靠性,适用于很多领域的应用优化问题。     

基于多信号分类法SAR动目标检测研究

在运动目标检测问题的研究中,动目标的图像会因为存在径向速度而产生方位偏移,造成图像偏离真实位置.为了解决不同径向速度的运动目标在SAR图像中的成像偏移位置可能位于同一分辨单元而难以检测的难点,提出一种基于MU-SIC(多信号分类)算法的双通道SAR动目标检测新方法.方法采用高分辨率MUSIC谱估计算法代替传统傅里叶变换进行运动目标的检测及运动参数的估计,通过对动目标重新聚焦得到其偏移矫正后的图像,完成运动目标的定位.仿真结果表明,方法改善了成像偏移位置在多个动目标的检测能力,提高了参数估计的精确度.     

一种单通道SAR对多个地面动目标定位的方法

针对动目标的图像会因为存在径向速度而产生方位偏移问题,即动目标不能成像至正确的方位位置上.采用常规的用于静止目标成像的SAR(Synthetic Aperture Radar)方法对地面动目标成像,对单通道合成孔径雷达(Single-Channel SAR)正侧视工作模式下的多个地面动目标的定位问题进行了研究.首先分析了多个运动目标回波信号的特征,接着根据运动目标回波信号及其频谱的特征估计出了每个运动目标的多普勒中心和多普勒调频率,再利用多普勒参数的估计结果实现了距离走动校正,并计算动目标的运动参数,最后对动目标重新聚焦得到其初始时刻的图像,完成了运动目标的定位.并通过仿真实验验证了方法能准确的估计各个动目标的速度及位置参数,证明了算法的有效性.     

基于模糊遗传算法的极大似然参数估计

提出用模糊遗传算法和极大似然估计法结合的方法,通过模糊推理调节遗传算法的交叉和变异概率,使参数估计不受变量初值影响,提高求解精度和收敛速度,并以三参数威布尔分布为例进行参数估计.结果表明,改进的遗传算法在求解效率和收敛性能上达到了较好的平衡,能更好地将优化方法和极大似然估计法相结合,优于一般遗传算法,从而使模糊推理方法更好地应用于数理统计中.     

基于神经网络的运动参数估计

分别就两种约束使用神经网络对三维刚体运动进行参数估计.一是基于三维点匹配,将预测的运动参数作用于运动前的坐标,与运动后坐标进行比较;二是基于二维运动场,将使用预测的运动参数计算得出的二维运动场与图像序列中计算得出的二维运动场进行比较.两个神经网络均使用Newton-Raphson方法更新权值,以达到目标误差最小化.通过实验验证了该神经网络方法.     

混合编码免疫算法在船舶载重计量的应用

提出一种混合编码免疫辨识算法, 并应用于船舶载重货物计量的模型辨识. 该算法结合免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法, 将抗体编码为模型结构树编码与模型参数编码的组合, 通过对抗体结构与参数的免疫操作, 实现全局寻优及非线性模型的结构与参数的一体化辨识. 算法不依赖对象的先验知识, 辨识的模型结构简单、易于理解. 仿真及船舶载模型的辨识应用验证了本算法的有效性及较强的非线性逼近能力.