基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数（ANDD）的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。     

机会发现中简单场景构造方法研究

场景构造是机会发现过程中的关键活动之一。对机会发现场景的结构进行形式化描述,提出基于布尔相关矩阵并利用聚类分析的方法构造事件簇,进而实现机会发现简单场景构造的思想并给出实现方法。对机会发现场景构造方法性能的评估进行探讨,明确以效率系数作为机会发现场景构造方法的评估标准。实验表明,该方法的效率系数较高。     

基于证据空间有效性指标的聚类选择性集成

首先针对距离空间在描述数据复杂结构信息方面的不足给出证据空间的概念。然后基于证据空间扩展有效性指标Davies-Bouldin,同时利用聚类成员的类别相关矩阵度量差异性。最后以较高有效性和较大差异性为目标选择聚类成员并用于集成。实验结果显示所提方法能够有效提高聚类集成算法的有效性。     

分布式目标下行波束形成

研究了智能天线在下行链路的应用。利用上行链路接收数据,建立分布式目标信道模型。估计移动用户的发射角、扩展角度和发射功率以及下行信道相关矩阵,确定下行链路的波束形成方法。即对频分复用（FDD）系统进行上行相关矩阵变换,构建下行信道协方差矩阵,利用最大合并比准则获得下行链路权值。计算机仿真证实了这种方法的有效性。     

使用主因素分析法重构质量屋

分析了质量功能配置方法在应用中存在的两个问题，因而提出了主因素分析法来重构质量屋，重构后的质量屋不仅考虑了产品质量特性之间的相关关系，而且有利于将质量屋分解为较大规模的质量屋，从而减小了后续阶段质量屋的规模，提高了工作效率，给出了该方法在服务中应用的一个例子。     

相关矩阵和熵值算法在松辽盆地元素录井岩性识别中的应用

针对解决元素识别火山岩岩性主要依据人工经验进行元素选择,无法实现岩性自动识别的问题,提出一种准确率和智能化程度较高的方法,即根据元素相关矩阵及熵值计算结果来进行元素组合及选择的方法。通过大庆松辽盆地火山岩样品的图板分析实验而提出的组合和选择元素的方法,可确定各元素在岩性分析中的相互关系及重要程度,并在油田勘探录井现场应用中取得了较好的效果。     

基于多信号流图的飞控系统实时故障诊断

针对飞控系统构造复杂、解析建模困难的特点,给出一种基于多信号流图模型进行实时故障诊断的方法。该方法首先建立系统的多信号流图模型,然后根据模型得出相关矩阵,在相关矩阵和各实时测试结果基础上按照实时故障诊断基本算法进行诊断推理,判定系统各模块所处的状态。对某型飞机飞控系统的建模以及模拟诊断结果表明,该方法能隔离多故障,同时降低虚警率,是一种十分有效的实时故障诊断方法。     

非协作通信中的盲信噪比估计算法

为解决调制识别前端的信噪比估计问题,首先给出了一种新的基于子空间分解的盲信噪比估计算法,新算法通过利用信号的过采样率信息构造特定维数的自相关矩阵,避免了原算法中对信号和噪声空间维数的估计.同时为了降低算法计算复杂度,以及更好地跟踪信噪比的变化,给出了另一种基于PASTd的子空间跟踪算法来进行信噪比的跟踪估计.仿真结果表明,与经典的子空间分解算法相比,改进算法在性能上有着显著的优势;同时基于PASTd的信噪比估计算法相比基于子空间分解的估计算法更好地跟踪了信噪比的时变.     

虚拟极化滤波在雷达接收系统中的应用

虚拟极化将变极化技术从模拟端转换到数字端来实现,能快速、准确、灵活的实现变极化接收。将虚拟极化滤波运用于雷达接收系统,能显著地增强雷达杂波抑制和目标检测能力,提高雷达在恶劣战场环境中的生存能力。在分析虚拟极化滤波原理的基础上,运用相关矩阵递推估计提取出极化参数,通过仿真说明虚拟极化滤波对提高雷达接收系统性能的有效性。     

IDMA通信系统中的粒子群交织算法

在IDMA系统中,交织序列区分不同用户,其产生是随机且独立的。但一些交织序列互相关系数接近1,这严重影响通信性能。因此提出一种应用于IDMA通信系统中的粒子群交织算法。该方法以互相关矩阵作为适应度函数,采用粒子群算法寻找最优交织序列。仿真表明。该算法的性能优于非随机交织、随机交织和基于进化算法的交织。