关于一族有限ξ严格伪压缩映射不动点问题和平衡问题混合投影下的强收敛性

为找到一族有限ξ严格伪压缩映射不动点集及平衡问题解集的公共元素,该文利用两种混合投影方法引入了一种迭代方案,且在给与参数适当的假设下,作者得到了两个强收敛性定理.     

基于指数收敛的四旋翼无人机鲁棒自适应飞行控制

针对四旋翼无人机鲁棒自适应飞行问题,提出了一种基于指数收敛的控制方法。考虑到四旋翼系统的欠驱动、强耦合等非线性特性,采用线性化反馈控制策略实现对其轨迹追踪飞行能力的基本控制;针对线性化反馈控制易受系统内外部未知干扰等影响,采用基于指数收敛干扰观测器组合控制设计,实现四旋翼飞行的鲁棒与自适应控制;线性反馈及状态观测器控制系统基于指数收敛稳定。进行了仿真分析,结果表明,干扰观测器对四旋翼系统中存在的未知干扰具有很好的估计能力,所设计的基于指数收敛控制系统,结构简单,且具有较强的干扰抑制能力和较高的系统稳定性,满足四旋翼无人机的鲁棒及自适应飞行能力要求。     

基于孪生神经网络在线判别特征的视觉跟踪算法

基于孪生神经网络的跟踪算法是利用离线训练的网络提取目标的特征并进行匹配,从而实现跟踪。在离线训练过程中,网络学到的是相似目标的通用特征,因此当有相似目标干扰时,用这种通用特征表达特定目标将会导致跟踪性能下降,甚至丢失目标。为提高对相似目标的判别能力,通过在线更新网络参数,使网络能够在通用特征的基础上,进一步学到当前目标的特定特征,这样不仅能有效地区分目标与背景,还能消除相似目标的干扰。实验在OTB50和OTB100数据库上进行,结果表明该算法可以提高对网络提取特征的判别力,实现对目标的稳健性跟踪。     

关于b-度量空间的若干问题研究

本文在b-度量空间中引入半序≤和一个具有混合单调性质的算子φ。利用它们的性质,得到一个φ-耦合不动点定理及相关推论。作为应用,研究一类积分方程的解的问题来阐明得到的结论。     

基于压缩感知的欠定源信号恢复算法比较

构建了基于压缩感知的欠定盲源分离源信号恢复模型,比较研究了基于互补匹配追踪算法(CMP)、基于L1范数的互补匹配追踪算法(L1CMP)和基于修正牛顿的径向基函数算法(NRASR)实现欠定源信号恢复的应用效果。结果表明:源信号时域充分稀疏情况下,CMP,L1CMP和NRASR的恢复效果接近,但L1CMP算法计算复杂度最低;变换域充分稀疏情况下,CMP和L1CMP恢复效果接近,NRASR恢复效果较差;时域非充分稀疏情况下,CMP效果较差,L1CMP和NRASR效果接近。综合考虑,L1CMP算法效果最佳;在观测信号数和源数较少的情况下,算法在时域恢复信号精度会下降;稀疏表示法结合压缩感知重构能够提高源信号恢复的效果。     

改进正则化正交匹配追踪波达方向估计方法

针对稀疏阵列模型下匹配追踪波达方向估计方法稳定性不足的问题,提出了改进的正则化正交匹配追踪波达方向估计方法——TROMPDOA(T-transform Regularized Orthogonal Matching Pursuit Directions of Arrival Estimation).仿真表明,TROMPDOA方法在计算复杂度上与原有正交匹配追踪波达方向估计方法OMPDOA(Orthogonal Matching Pursuit Directions of Arrival Estimation)相近,但在估计稳定性上要优于OMPDOA方法,特别是在低信噪比及信号源之间的角度较近时,TROMPDOA方法比OMPDOA方法稳定性提高1倍.实验验证了TROMPDOA方法适用于单元和多元目标估计,估计精度达到1.5°.      

基于宽带多通道的光谱反射率重建方法研究

复制的多光谱数据获取要求图像数据具有设备无关、场景无关特性,能够真实客观表征物体颜色信息。针对获取系统扰动、噪声误差以及光谱重建中训练样本典型代表性与相关性要求,提出了基于正交回归的光谱重建算法,并通过子空间跟踪的训练样本选择算法,选择重建样本与训练样本集中相关性与代表性最好的样本参与光谱重建。实验通过改造后的仙娜宽带多通道成像系统进行验证,数据表明本文提出的方法,所选训练样本能较好的表征样本空间并具有较好的正交性,在宽带多光谱成像方面,重建光谱平均色度误差为3.6,其光谱精度与色度精度较其他方法具有明显提高。     

混合层无粘稳定性分析的Legendre级数解

基于泛函分析中的不动点理论,采用不动点方法首次获得混合层无粘线性稳定性方程的显式Legendre级数解,该级数解在整个无界流动区域内一致有效．现有基于传统摄动法得到的无界流动区域一致有效解仅适用于长波扰动和中性扰动两种特殊情况,而使用不动点方法可以得到所有不稳定扰动波数的特征解．另外,在不动点方法框架下,扰动相速度和扰动增长率可根据方程的可解性条件来唯一确定．为了验证该方法的有效性,将该方法和现有文献中的数值计算结果相比较,对比结果表明该方法具有精度高、收敛快等优点．     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

双向中继网络中基于压缩感知的稀疏信道估计

为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度, 利用双向中继信道(Two-way Relay Channel, TWRC)的潜在稀疏特性, 研究了基于压缩感知的稀疏TWRC估计问题, 提出了一种改进的正交匹配追踪(Improved Orthogonal Matching Pursuit, IOMP)算法. 新算法运用迭代重加权最小二乘估计代替了正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法中的最小二乘估计过程, 通过对样本进行迭代重加权, 逐步减小了异常样本的影响, 不断地修正了估计值, 在使用相同长度的训练序列时, 提高了估计的精度. 与传统的最小二乘估计算法相比, 新算法能够在获得相同估计效果的情况下, 显著减少所需训练序列的长度. 仿真结果验证了基于新算法的稀疏TWRC估计的有效性.