多雷达系统数据融合与航迹预测

为了便于准确定位传感器网络,分布式的单雷达系统首先进行各自的数据处理,包括:地理坐标换算至平面直角坐标;剔除孤立的异常点迹;采用模糊c-均值聚类方法和"动态分区",将单雷达数据中属于同目标的相似点迹归类集合;根据雷达观测和目标运动的特征,在每个点迹集合中设计门限滤波和相关矩阵检验,提取完整连续的目标运动的航迹;结合各航迹特征进行种类分析.接下来对属于不同雷达的航迹两两比较,找出有相交时间段的航迹,采用三次样条对两条航迹的进行内插和外推,再通过模糊综合函数对这两条航迹给出一个相似性度量,并取阈值为0.85.最后得出雷达间各航迹匹配关系.通过该雷达所观测到的航迹的稳定程度来近似估计其观察精度.首先对每一条航迹进行分段拟合得到其剩余方差,然后直接用每一条航迹的剩余方差来衡量雷达的观察精度,最后我们得出雷达的精度排序29107728,7724253720252539.对航迹融合,我们首先采用D-S证据理论并利用分析得到的雷达精度,对表示同一目标的航迹对进行融合.其次试图运用卡尔曼滤波对航迹进行融合:思路一是设法离线估计出噪声矩阵,得出系统噪声方差矩阵和观测噪声方差矩阵,从而用于标准卡尔曼滤波方程;思路二是探究较为实用的自适应滤波,兼顾Sage-Husa自适应滤波算法的高精度与强跟踪自适应滤波算法的可靠性,采用了一种混合算法给出收敛的估计.最终给出了雷达7728和2910的融合算例以及10秒钟的预测轨迹.最后,我们将导弹拦截飞机建模为三维的追逃问题,建立了运动学关系方程,最终归结为最小能量导引律问题.采用"模糊T-S线性模型"以及RH控制方法和伴随技术,在目标作对抗性机动条件下,获得了一个有效拦截的导引律.还对多雷达系统平均处理周期、数据融合系统的航迹处理周期进行了分析,对雷达网络实时性做了评价.     

基于最小化似零伪范数的稀疏信号恢复算法

针对欠定系统中出现的稀疏信号恢复问题,提出了一种基于最小化近似零伪范数的处理方法,算法首先结合反正切函数构造出代价函数,再融合最速下降法和扩展牛顿迭代法逐步迭代寻优,并给出了算法的收敛性分析,数值仿真实验结果表明,与经典的稀疏信号恢复算法相比,方法有更好的计算速度和恢复精度.     

基于Hilbert变换的LFM检测与估计

LFM(线性调频)信号是一类重要的非平稳信号,其完全被初始频率和调频斜率两个参量表征,而LFM信号的检测与估计问题是信号处理中最为重要的研究热点之一.由于调频信号在时频平面内有较好的聚集性,通常使用时频分析的方法对其进行检测和估计.线性正则变换是经典时频分布的广义形式,对LFM信号具有很好的能量聚集特性,在现有的线性正则域Hilbert变换的基础上,提出了一种不需要谱峰搜索而快速检测LFM信号和估计其参数的方法,并且通过仿真实例验证了所提出方法的优越性.     

基于果蝇算法优化广义回归神经网络的矢量水听器的DOA估计

为了提高矢量水听器阵列对窄带信号的DOA估计精度,运用果蝇算法优化广义回归神经网络,通过对阵列协方差矩阵实值化,并提取信号子空间的基作为样本特征进行网络训练,构建了果蝇算法优化下的广义回归神经网络,实现了基于矢量水听器阵列的水下声源的DOA估计.仿真实验结果表明,方法泛化性能较好,能解决输入维数过大的问题,且运行时间短,DOA估计精度高,具有较强的工程应用价值.     

混合算法在瞬时脑磁源定位中应用

利用移动偶极子模型提出了一种基于多源粒子群同步探索和随机迭代混合的脑磁源定位算法.然后利用混合算法对3,4,5个脑磁源进行仿真实验,并与标准粒子群和随机迭代算法作比较.实验表明了该混合算法既保持较低时间成本,且在精度和稳定性上具有较大的提高.     

第三类和第四类Chebyshev小波积分算子矩阵及其在数值积分中的应用

本文给出第三类和第四类Chebyshev小波的积分算子矩阵,研究Chebyshev小波展开的一致收敛性和系数估计.基于第三类和第四类Chebyshev小波积分算子矩阵,将定积分和双重积分转化成矩阵运算,得到计算定积分和双重积分近似值的一种算法.数值算例表明此方法的可行性和有效性.     

多元线性混合模型方差分量矩阵的非负估计

本文研究了带有两个方差分量矩阵的多元线性混合模型方差分量矩阵的估计问题.对于平衡模型,给出了基于谱分解估计的一个方差分量矩阵的非负估计类.对于非平衡模型,给出了方差分量矩阵的广义谱分解估计类,讨论了与ANOVA估计等价的充要条件.同时,在广义谱分解估计的基础上给出了一种非负估计类,并讨论了其优良性.当具有较小二次风险的非负估计不存在时,从估计为非负的概率的角度考虑,将Kelly和Mathew(1993)提出的构造具有更小取负值概率的估计类的方法推广到本文的多元模型下,给出了较谱分解估计相比有更小取负值概率和更小风险的估计类.最后,模拟研究和实例分析表明文中理论结果有很好的表现.     

非精确信赖域类型算法及收敛性分析

在求解大规模数据的优化问题时,由于数据规模和维数较大,传统的算法效率较低.本文通过采用非精确梯度和非精确Hessian矩阵来降低计算成本,提出了非精确信赖域算法和非精确自适应三次正则化算法.在一定条件下,证明了算法有限步停止,并估计了算法迭代的复杂度.特别地,我们分析了采用随机抽样时算法在给定概率下的复杂度.最后,通过二分类问题的数值求解,比较了本文提出的随机信赖域算法,随机自适应三次正则化算法和已有算法收敛效率.数值结果表明在相同精度下,本文提出的算法效率更高,并且随机自适应三次正则化算法的效率优于随机信赖域算法.     

基于Lasso惩罚的迹差损失方法高维协变量调整的稀疏精度矩阵估计（英文）

本文运用两阶段估计程序给出了协变量调整的精度矩阵估计.首先,运用联合l_1惩罚方法确定影响均值的相关协变量.然后,将估计出的回归系数用于估计多元次高斯模型的均值,并通过Lasso惩罚的迹差损失方法对稀疏精度矩阵进行估计.在一些假设条件下,建立了精度矩阵估计的不同范数的收敛速率,并证明了依概率1收敛的稀疏恢复性质.数值结果表明,在有限样本情况下,同其他方法相比,我们的方法具有一定的优越性.     

含有两个方差分量的多元混合效应模型方差分量矩阵的估计

考虑含有两个方差分量矩阵的多元混合模型,将一元混合模型下的谱分解估计推广到多元模型下.给出的方差分量矩阵的谱分解估计在均方误差意义下一致的优于ANOVA估计,最后还讨论了谱分解估计与ANOVA估计等价的条件.