基于卫星平面阵列多波束天线波束空间的 自适应调零和干扰源定位技术

 本文建立了卫星平面阵列多波束天线的基本模型,并给出了平面阵列多波束天线的阵元空间和波束空间的基本概念.研究了基于卫星平面阵列多波束天线波束空间的自适应调零和干扰源定位技术并给出了仿真结果.理论分析和仿真结果表明:基于平面阵列多波束天线波束空间的自适应调零和干扰源定位技术可以在卫星通信系统中得以应用,可以极大的提高卫星通信系统的抗干扰能力.     

空-谱协同流形重构的高光谱影像分类

鉴于传统高光谱影像分类大都采用监督学习方法,且仅利用了光谱信息,未考虑影像空间特征和流形结构。提出一种基于空-谱协同流形重构误差的高光谱影像分类方法,该算法基于高光谱影像中地物分布的空间一致性,利用少量标记的样本和大量的无标记空间近邻样本来进行半监督学习,并利用测试样本在每一子流形上的重构误差来表征相似性,实现鉴别分类。在Indian Pines和University of Pavia数据集上的实验结果表明,本文方法的分类精度在各种条件下要优于其他分类算法,其最高总体精度分别达到了95.67%和91.92%。该算法将高光谱遥感影像中的空间-光谱信息融入不同地物的子流形结构表征,在训练样本数量较少时仍能得到好的分类效果,有效提升了分类性能。     

独立覆盖流形法在水工结构分析中的应用前景

针对水工结构有限元分析中存在的网格剖分困难、计算精度不易控制、成果整理工作量大等问题,采用笔者前期提出的独立覆盖流形法,发展了一系列新的分析技术:基于任意形状、任意连接和任意加密的覆盖网格,在保持结构精确几何外形的条件下进行网格自动剖分,结合计算精度控制和成果自动整理,尝试了无需人工参与的自动计算,并为水工结构工程设计与工程分析的融合打下基础;采用解析解与数值解的联合计算方式,提出了坝踵、裂缝尖端等应力奇异区的求解新思路;基于独立覆盖的梁板壳分析,为精确几何的拱坝分析与体形优化、水工薄壁结构分析开辟了新的路径。将来可在模拟水工结构施工、运行过程及考虑多种非线性的仿真分析中实现自动计算,并借助新方法提供稳定可靠的数值分析成果,以实现水工结构分析的标准化、规范化和自动化。     

部分重叠覆盖的数值流形方法初步研究

数值流形方法（简称流形法）采用基于完全重叠覆盖的有限元网格作为数学网格,物理网格与数学网格的不匹配导致结构一些关键部位的计算精度下降。针对此问题,首次提出部分重叠覆盖的流形法,采用以独立覆盖为主的分析方式,独立覆盖之间仅用较小的部分重叠区域保持连续性,从而将现有的基于完全重叠覆盖的流形法扩展到一般意义上的流形研究。对矩形部分重叠覆盖进行初步研究,通过单个矩形数学网格各结点之间的自由度约束方式,很方便地将完全重叠的覆盖形式及流形法公式转化为部分重叠的覆盖形式及公式。算例分析初步验证了这种新型流形法的有效性。     

基于泰勒展式的混合阶次流形方法

对于流形方法,其高阶位移场函数的构造大多是采用完全多项式函数,但这种处理使得升阶后的各个广义自由度完全丧失物理意义。为避免出现上述问题,采用泰勒展开法,将覆盖位移函数看作是某点的泰勒展开。基于此泰勒展式,建立了位移函数与节点位移、应变和转角之间的函数关系,使得升阶后的各个广义自由度都具有明确的物理意义。选取矩形格子作为数学网格,减少了物理片的生成,使前后处理变得更简单;在结构求解区域使用混合阶次的覆盖位移场函数来提高解题效率,能实现解析解与数值解的完美结合;采用改进的罚函数与广义节点法相结合的方式来处理边界条件,严格符合边界条件的物理意义;最后结合数值算例验证了该方法的高效性,与此同时数值解精度也得到了极大提高。     

黎曼核局部线性编码

最近的研究表明:在许多计算机视觉任务中,将对称正定矩阵表示为黎曼流形上的点能够获得更好的识别性能.然而,已有大多数算法仅由切空间局部逼近黎曼流形,不能有效地刻画样本分布.受核方法的启发,提出了一种新的黎曼核局部线性编码方法,并成功地应用于视觉分类问题.首先,借助于最近所提出的黎曼核,把对称正定矩阵映射到再生核希尔伯特空间中,通过局部线性编码理论建立稀疏编码和黎曼字典学习数学模型;其次,结合凸优化方法,给出了黎曼核局部线性编码的字典学习算法;最后,构造一个迭代更新算法优化目标函数,并且利用最近邻分类器完成测试样本的鉴别.在3个视觉分类数据集上的实验结果表明,该算法在分类精度上获得了相当大的提升.     

基于流形正则化极限学习机的语种识别系统

支持向量机 (Support vector machine, SVM) 在语种识别中已经起到了重要的作用.近些年来,极限学习机 (Extreme learning machine, ELM) 在很多领域取得了成功的应用.相比于 SVM, ELM 最大的优点在于极易实现、训练速度快,而且通常可以取得与 SVM 相近甚至优于 SVM 的识别性能. 鉴于 ELM 这些优异的特点,本文将 ELM 引入到语种识别中,并针对 ELM 由于随机初始化模型参 数所带来的潜在问题,提出了流形正则化极限学习机 (Manifold regularized extreme learning machine, MRELM) 算法.实验结果表明,在高斯超矢量(Gaussian supervector, GSV)特征空间上,相对于 SVM 基线系统,该算法对30秒语音的识别性能有明显的提升. 同时该算法也可以成功地应用到 i-vector 特征空间中,取得与当前主流的打分算法相近的识别性能.     

一种新的基于MSC和ISOMAP的快速流形学习算法

针对等距特征映射(ISOMAP)算法计算复杂度高的问题,提出了一种新的基于最小子集覆盖(MSC)策略的快速等距特征映射算法(Fast-ISOMAP)。与原始的ISOMAP算法相比,Fast-ISOMAP算法在不显著改变原始ISOMAP算法嵌入性能的条件下,大大提高了算法的计算效率,也适用于大规模流形学习问题。在标准数据集上的实验结果验证了该算法的有效性。     

基于等维度独立多流形的DC-ISOMAP算法

流形学习已经成为机器学习与数据挖掘领域中一个重要的研究课题.目前的流形学习算法都假设所研究的高维数据存在于同一个流形上,并不能支持或者应用于大量存在的采样于多流形上的高维数据.针对等维度的独立多流形DC-ISOMAP算法,首先通过从采样密集点开始扩展切空间的方法将多流形准确分解为单个流形,并逐个计算其低维嵌入,然后基于各子流形间的内部位置关系将其低维嵌入组合起来,得到最终的嵌入结果.实验结果表明,该算法在人造数据和实际的人脸图像数据上都能有效地计算出高维数据的低维嵌入结果.     

细胞钙振荡模型的Hopf分岔与计算机仿真

利用中心流形定理和分岔理论,研究了Borghans-Dupont模型平衡点分岔现象,揭示了钙振荡现象发生机理。通过对系统分岔现象的理论分析,不仅证明了Hopf分岔的存在,而且也说明了振荡现象产生和消失的主要原因来源于两个分别为超临界和亚临界的Hopf分岔。利用计算机仿真,绘制了系统平衡点分岔图、相图与时序图,验证了理论分析的正确性。