基于自组织映射神经网络的VANET组网算法

研究了应用于汽车辅助驾驶、无人驾驶等智能交通领域的车辆组网方法,提出一种将自组织映射神经网络算法应用于车辆自组织网络进行车辆组网的算法,该算法根据车辆定时发出的消息中位置、行驶方向等信息对车辆按目的地、行驶方向的相似性进行组网,组网后的车辆主要接收并处理与之在同一个网络中的车辆的信息。理论分析和仿真结果表明,组网后的系统传输时延远低于未组网通信情况,吞吐量有显著提高。     

基于自组织映射网络的图像分割算法

针对K—Means图像聚类分割算法需要预先知道图像分割数,且对初始聚类中心较为敏感等问题,提出了一种基于SOFM（自组织特征映射网络）的图像聚类分割算法。该算法结合SOFM聚类及合并聚类分析,能够自动确定分割块数并得到有效的K-Means初始聚类中心。实验结果表明该算法具有运行效率高、分割效果好等优点,在实际应用中是可行的。     

基于自组织映射网络的微表情运动规律分析方法

表情是人类情感交互的重要方式。神经生理学研究表明：微表情很难由主观意识所控制,是人类真实情感的流露。与宏表情不同,微表情发生常常伴随着面部左右和上下的不对称移动,运动模式复杂。但由于微表情运动幅度小,人眼难以直接观察,微表情运动规律尚未被深入解析。在公共安保等领域,对微表情识别算法的可靠性与可解释性有很高要求。因此,本文旨在研究微表情运动规律分析方法,实现微表情运动规律的系统性解析。本文工作包括：研究基于自组织映射网络（Self-Organizing Maps, SOM）的微表情特征无监督聚类方法,得到微表情运动模式及其概率。定义微表情运动相似度指标,它从面部14个感兴趣区域运动趋势的角度来衡量两个微表情运动特征的差异程度,并作为调节SOM网络权值的依据。本文对CASMEII、SAMM、SMIC和MMEW数据集的微表情样本进行分析,并根据SOM网络的聚类结果总结微表情运动规律,该规律可以指导微表情识别算法特征提取,提升可靠性。     

基于自组织特征映射的栅阵列排序算法

自组织特征映射神经网络中所有神经通过相互竞争和自适应学习而成空间上的有序结构，这种有序结构能反应出输入矢量集合的内在特下。这一特性可成功地应用于解决组合优化问题。     

自组织映射在移动通信网络优化中的应用

自组织映射（SOM）是一种无监督学习的神经网络,它能使高维的原型矢量以低维的网格呈现出来,是强大的可视化分类工具。主要采用自组织映射网络的方法,发现最坏小区以及综合指标之间的联系,提高网优人员数据挖掘和提取知识的效率。     

基于自组织特征映射神经网络的聚类分析

在深入研究自组织特征映射（Self-organizing Feature Mapping,SOFM）神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明：在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.     

基于一致聚焦的宽带信号波达方向估计

MTLS聚焦需要预估计波达方向,预估计偏差会影响聚焦效果,严重时会导致CSM算法失效。基于AMI思想构造了CMTLS一致聚焦变换,该聚焦变换无需预估计波达方向,提高了聚焦性能的同时,增强了算法的实时性。     

基于核自组织映射与图论的图像分割方法

为了对以特征聚类为基础的图像分割方法进行目标优化并提高分割性能,提出了一种核自组织映射与EGB(efficient graph-based)算法相结合的自适应分割方法。将依据信息理论推导出的核自组织映射应用于图像分割,使得图像经映射聚类后,同一分类内像素的相似度最高且信息熵最大,不同分类间的互信息最小,从而得到最符合图像分割目标的聚类效果。将聚类得到的区域进一步用改进的EGB算法自适应地进行合并,既充分结合了像素的空间特性,又能克服EGB算法的不足,可获得非常准确的分割结果。在综合分析多种图像分割评价方法的基础上,选取了一些量化指标对分割结果进行客观评价。实验及分析结果表明,本文的分割方法准确可靠,其图像分割结果的量化评价指标明显优于EDISON方法。     

基于改进的自组织映射入侵检测方法

入侵检测作为保障互联网安全的主要措施之一,对于网络入侵的识别和诊断有着重要的意义。将自组织映射(SOM)的思想引入网络入侵检测中,提出了一种基于SOM的网络入侵检测算法。算法通过对SOM神经网络中输出神经元的邻域密度进行排名,同时结合受试者工作特征(ROC)曲线设置邻域密度阈值等方法,使得入侵检测的结果通过输出神经元的邻域密度进行表达,克服了SOM神经网络训练时容易产生畸变导致输出神经元自身的聚类结果难以理解的缺点。通过对算法仿真实验,表明该算法不仅有效而且拥有相当可观的检测率。     

基于粒子滤波的宽带信号波达方向估计

利用粒子滤波对不同频率点处的目标阵列流形进行跟踪,实现宽带信号波达方向估计.该算法基于当前时刻的观测信息,无需估计观测协方差矩阵,使得在短数据情况下仍能够取得优良的估计性能.同时算法从一组随机的初始值出发,无需预估计波达方向,并且递推过程是基于极大似然估计的思想,具有解相关的能力.计算机仿真验证了算法在短数据、低信噪比...     

宽带相干信源波达方向估计(DOA)的新算法

辅助方向向量增加(ADVA)聚焦算法是非归一化的,存在聚焦损失。双边相关变换(TCT)聚焦算法是归一化的,不存在聚焦损失,但需要对目标的方位进行预估计。这不仅会使运算复杂,而且得到的聚焦矩阵也只是在预估角度上有最小范数解,在其他方向上则会产生偏离,因此不是稳健的。提出了一种在归一化的条件下,不需要方位预估计的、稳健的聚焦矩阵算法,算法的思想是将整个感兴趣的空间分成组,对每一组在归一化约束的条件下利用奇异值分解法求解最小化问题。通过仿真验证了该算法的有效性。     

基于空间时频分布的宽带源波达方向估计

研究了空间时频分布在宽带阵列处理中的应用。在信号时频特征可分的情况,提出一种新的时频域宽带DoA估计算法,充分利用信号不同的时频特征,结合宽带聚集思想对每个源单独处理得到多个源的DoA估计。该方法具有很好的信号选择性以及抑制干扰和噪声的能力,估计性能优干传统空间时频分布方法。仿真结果验证了新方法的有效性。     

宽带波达方向估计的辅助粒子滤波算法

针对粒子滤波宽带波达方向估计中因采样粒子权值不稳定导致估计误差较大的问题,提出了基于辅助粒子滤波的宽带波达方向估计算法。该算法利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,重新定义重要性采样分布函数。经过两次加权计算,进而改善粒子退化问题,并引导粒子向高似然区域移动,使粒子在真实状态周围分布更均匀,粒子权值比仅用重采样的粒子权值变化更稳定。仿真实验表明,该算法在均方根误差和检测概率性能上优于粒子滤波算法。      

基于调频Z变换的均匀线阵波达方向估计

提出了一种基于调频Z变换(CZT)的宽带波达方向估计算法.由均匀线阵的理想聚焦条件,提出了其焦矩阵的波矢量域求解原理及计算方法:首先从聚焦频率处的聚焦矩阵中依次选取一行向量,用CZT分别计算其它带内,各聚焦矩阵中相应位置的行向量的波矢量谱,再由傅立叶反变换得到相应的行向鼍.该方法可选择信号频带围内的任意值作为聚焦频率,...     

基于相干积累矩阵重构的波达方向估计新方法

针对短时小样本条件下相干信号的波达方向(Direction Of Arrival, DOA)估计问题,该文提出了一种基于相干积累矩阵重构的快速解相干方法。首先利用相干积累技术对阵列接收快拍进行处理,得到累积快拍矢量,提高了数据信噪比。再依据累积快拍矢量的结构特点构造一个非降维等效协方差矩阵,理论分析可知,该矩阵的秩仅与信源个数相等,与信号间相关性无关,即实现了相干信源完全解相干。相较于空间平滑类算法,该方法避免了阵列孔径损失,估计精度高、计算量小。仿真结果验证了算法的有效性。      

一种基于面阵的相干信源DOA估计算法

由于传播环境的复杂性,入射到阵列的信号中有多径信号存在。在多径环境中,相干信源会造成波达方向（Direction of Arrival,DOA）估计的漏报。对面阵及相干信源进行数学建模,通过对接收信号协方差矩阵进行矩阵重构以降     

无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

基于均匀圆阵的宽带相干LFM信号定位方法

本文提出一种基于均匀圆阵的宽带相干LFM信号定位方法。首先,算法根据LFM信号在分数阶傅里叶域的能量聚焦性,对接收信号做分数阶傅里叶变换,实现宽带信号的窄带化处理;其次,利用圆阵的虚拟轴向平移形成的相位差构造空间平滑矩阵,完成相干信号的解相干处理;最后,对空间平滑矩阵进行奇异值分解得到相邻阵元接收数据的相位差,结合相位差反演参数估计算法得到二维角度参数估计的闭式解。仿真实验验证了算法对宽带相干LFM信号定位的有效性。     

一种基于空域滤波的空间临近相干源角度估计方法

相干源常见于存在多径的场景,如何解相干历来是阵列信号处理领域亟待解决的难题之一,特别针对空间临近相干源,其角度估计精度尚有待提高。针对空间临近相干源该文提出一种基于空域滤波的角度估计方法。首先利用空域滤波技术将多个相干源分离,再对滤波分离后的各个信号分别进行角度估计,并通过对滤波器系数和相干源角度的迭代优化提高测角精度。针对非均匀线阵,该方法采用虚拟阵列技术扩展其适用范围。计算机仿真结果表明该方法的测角精度较现有方法更高,信噪比较高时其测角的均方根误差可达克拉美罗界,验证了该方法的有效性和在空间临近相干源场景的优越性。