一种无须预指定分割区域数的自适应多阈值图像分割方法

为解决多阈值图像分割中分割区域数较难确定的问题,提出一种基于可逆跳跃马尔可夫链蒙特卡罗(RJMCMC)的自适应多阈值图像分割方法.基于图像直方图的多阈值分割的本质是寻找直方图各峰间的谷底,但其个数较难确定且各局部峰并非都是高斯分布.因此文中用更具普适性的混合α稳定分布拟合直方图,建立包含局部峰个数及各分布元参数的分层贝叶斯概率模型.采用RJMCMC后验概率推理自适应确定混合α稳定分布的分布元个数及各自参数,从而获得分割区域数和多阈值参数.针对单晶炉拉晶图像、人脑核磁共振图像及国际标准测试图进行测试,结果表明该方法准确地建立图像分割模型,得到满意的多阈值分割结果.     

正交中继信道的信道容量及资源分配

 本文研究了一种正交中继信道的信道容量及资源分配问题。其中,源节点到中继节点之间的信道与源节点和中继节点到目的节点之间的信道在时间上相互正交。论文首先求出了系统的信道容量上界及下界,且中继策略为部分译码-转发时,上界和下界相等,从而给出了信道容量。对于高斯正交中继信道,为了最大化信道容量,论文还研究了各种系统资源的优化问题,包括时间、功率等。仿真结果表明,仅对信道的时间分配参数进行优化与优化所有的参数相比,信道容量损失很小,且给出了此时最优时间分配的解析解。     

一种新的基于数值积分的粒子滤波算法

该文提出了一种新的用于非线性非高斯系统状态估计的粒子滤波算法。首先通过基于数值积分的差商滤波器产生重要密度函数,由于这些重要密度函数结合了最新的观测数据,这样采样得到的样本更接近于系统状态的真实后验概率,因此其性能优于标准的粒子滤波算法。最后给出了理论分析和仿真结果,验证了该算法的有效性。     

基于核函数的系统模型辨识

本文提出一种基于核函数的系统模型辨识方法。首先通过线性最小二乘确定低维空间中的非线性子空间,并经主分量分析提取与线性子空间基向量近似正交的非线性主分量,再经核密度估计进行聚类,自适应选择多个核将非线性子空间映射到高维空间,从而将任何一个线性和非线性的联合问题最终变成一个高维空间中的线性问题,最后借助线性最小二乘获得一个精确参数的系统模型。经过实验验证,该方法具有较好的效果。     

软基处理方法在实践中的应用

文中介绍了几种常用的软基处理技术的应用,以提高人们对地基处理方法的认识。     

一种信号频率及二维到达角联合估计新方法

提出了一种窄带信源频率、俯仰角及方位角联合估计新方法.该方法选择特定序号阵元输出计算的高阶累积量构造4个矩阵,然后在累积量域构造三面阵,并分析了该三面阵低秩分解的唯一性,接着利用分解得到的4个对角阵联合估计信源参数.该方法无须参数配对,无须谱峰搜索,适用于任意加性高斯噪声环境.仿真结果表明该算法是有效的.     

基于UKF的高斯和滤波算法

介绍了扩展卡尔曼滤波算法和无迹变换（unscented transformation,UT）算法,并对扩展卡尔曼滤波算法（EKF）和无迹卡尔曼滤波算法（UKF）进行比较,阐明了UKF优于EKF。在此基础上,提出了一种基于Unscented变换（UT）的高斯和滤波算法,该算法首先通过合并准则得到适当个数的混合高斯模型,逼近系统中非高斯噪声的概率密度;然后,再通过UT算法进行滤波。最后分别对基于EKF和UKF的滤波方法进行实验,并对实验结果进行比较与分析,验证了算法的有效性和优良性。     

一种基于平行因子分析的近场源定位新方法

本文提出了一种基于平行因子分析的近场窄带信源频率、距离及二维到达角联合估计新算法.首先给出一种新的十字阵列;然后结合Toeplitz矩阵的结构特点,选择特定序号阵元输出计算的高阶累积量巧妙构造5个Toeplitz矩阵;接着在高阶累积量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的矩阵中联合估计信源参数.与现有方法相比,该算法有效降低了阵列的孔径损失,无须参数配对.仿真结果表明该算法是有效的.     

基于半正定优化的阵列波束综合

首先对方向图的综合问题进行描述,然后介绍了半正定优化方法,并结合半正定优化理论给出了一种线性阵列天线方向图的数值合成方法。将方向图的综合问题,经过数学推导,转换为半正定优化(Semi definite Programming,SDP)问题,通过内点方法获取最优权值。最后进行一组仿真实验,并对结果进行分析。实验结果表明了该方法的有效性和稳健性。     

一种近场源参数估计新方法

提出了一种基于子空间的近场窄带信源频率、到达角及距离三维参数联合估计新方法．该方法选择特定序号阵元输出计算的4阶累积量构造4个高维矩阵,然后结合这些矩阵结构特点构造3个新的矩阵,利用新构造矩阵的特征值联合估计信源参数．与现有基于高阶累积量的方法相比,这种方法有效地减小了阵列孔径损失,从而具有较高的估计精度．