基于逆概率加权和插补的Mallows模型平均方法

数据缺失是实际数据分析中一个常见的问题.文章将逆概率加权方法与插补方法结合,提出了一种Mallows模型平均方法以处理数据缺失问题,并证明了该方法得到的估计量在实现最小平方误差的意义下能渐近地达到最优.相比于传统的逆概率加权方法,文章的方法不仅可以充分利用观测信息,并且能够应用于非随机缺失的情形.相比于完全基于插补的方法,文章的方法继承了插补方法的一些优势,同时能够避免因错误地插补较大的数据块而产生的偏差.通过数值模拟,首先验证了三种简单的插补方法满足渐近最优性成立的条件,之后将文章提出的Mallows模型平均方法与已有的应用于缺失数据的模型平均方法进行比较,结果表明,所提出的新方法在大多数情况下优于已有的其它模型平均方法.最后,将新方法应用于平均寿命数据,实证结果进一步表明新方法较已有模型平均方法更为稳健.     

带有随机初值的复值Ginzburg-Landau方程的弱平均动力学*

本文研究了无界域上的带有随机初值的复值Ginzburg-Landau方程.首先, 基于解过程的全局适定性, 建立了带有随机初值的Ginzburg-Landau方程的平均随机动力系统.然后, 证明了弱拉回平均随机吸引子的存在唯一性以及随机吸引子的周期性,并将其进一步推广到加权空间L²(?, L²_σ(R)).     

分块算子矩阵的加权EP

本文在加权广义Schur补的基础上, 引入并研究了Hilbert空间上分块算子矩阵的加权Moore-Penrose逆和加权EP. 进一步, 给出了加权EP算子在算子方程中的一个应用.     

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题,提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息,对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图,对每个子图像分别作均衡化映射变换,最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示,与亮度保持双直方图均衡化（BrightnessPreservingBi-Histogram Equalization,BBHE）、带平台限制的双直方图均衡化（Bi-histogram Equalization with a Plateau Limit,BHEPL）、基于曝光度的双直方图均衡化（Exposure based Sub-image Histogram Equalization,ESIHE）方法相比,所提方法增强的图像具有合适的平均对比度和更大的平均信息熵,在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、结构相似度（Structural Similarity,SSIM）...     

Himawari-8气溶胶变分同化对PM2.5污染模拟的改进

利用地球静止轨道卫星Himawari-8 气溶胶光学厚度 (AOD) 产品能够估算空间覆盖范围广、时间分辨率高的 近地表 PM2.5 浓度。基于三维变分同化系统将AOD估算得到的 PM2.5 资料同化进入WRF-Chem大气化学模式中, 通过 控制实验与同化实验的对比与分析, 探讨了AOD估算得到的PM2.5资料同化对 PM2.5 污染模拟的改进作用。实验结果 表明： (1) AOD估算得到的 PM2.5 资料同化能够改进 PM2.5 污染模拟效果;(2) PM2.5 污染模拟改进效果存在时空差异。 此外, 与其他研究中使用AOD观测算子直接同化AOD的方法相比, 该方法的操作更加简单。     

BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

毫米波蜂窝设备FCC测试方法

毫米波通信作为5G的关键技术受到业界的广泛关注,各主要厂商已相继推出支持毫米波通信的设备,传统的检测认证系统无法支持这类设备的测试,亟需开发适用于这类设备的检测认证测试系统。中国信息通信研究院泰尔终端实验室通过跟踪当前毫米波蜂窝设备的主要市场上FCC认证规定的毫米波蜂窝设备的要求,研究其认证测试方法,结合实际测试需求,搭建了自动化的测试系统。目前该测试系统已完成了测试功能的调试,并为多家设备厂商提供了测试认证服务,解决了毫米波蜂窝设备出口的检测认证问题。     

基于多频带陷波的雷达嵌入式通信波形设计

雷达嵌入式通信（radar-embedded communication,REC）系统是一种在雷达回波信号中隐藏通信信息的隐蔽通信方法。但是由于雷达系统所处的电磁波环境极为复杂,以致雷达嵌入式通信系统会受其他通信系统的同频干扰,最终导致接收机无法准确识别回波信号。为了使得雷达系统避免复杂环境的干扰且能保持良好的隐蔽通信性能,本文提出了一种基于多频带陷波的雷达嵌入式通信波形设计。本文首先根据随机雷达波形和理想功率谱密度,并采用功率谱匹配的方法建立目标函数,然后利用拟牛顿优化算法对目标函数进行求解得到多频带陷波,以此来避免其他通信系统带来的同频干扰问题,最后基于多频带陷波,采用一种改进的加权组合方法（improved weighted-combining,IWC）设计通信波形。仿真结果表明,本文所提方法可以保证雷达通信的低误码率（signal error rate,SER）和低拦截率（low probability of intercept,LPI）。      

基于约束空间光谱联合的亚像素定位方法北大核心CSCD

针对高光谱遥感图像,提出了一种约束空间光谱的亚像素定位方法。传统的亚像素定位方法以解混的结果作为输入,可能无法充分利用高光谱图像丰富的光谱信息。本文所提出的基于约束空间光谱联合的亚像素定位方法(constraint spatial-spectral subpixel mapping,CSSSM),利用下采样将像素丰度与亚像素丰度显式联系起来,代入线性解混模型得到亚像素丰度求解的新模型。在求解过程中,通过添加稀疏性约束与平滑性约束,以限制亚像素丰度的解空间,亚像素丰度求解更精确。其中,针对亚像素丰度稀疏性先验采用重加权1范数作为新的约束,并自适应地更新权重;针对亚像素丰度空间先验信息则采用全变分(total variational,TV)正则化作为约束,然后使用乘法迭代算法求解亚像素丰度,最后利用赢者通吃的策略进行类别确定。在两个合成数据集上进行了实验,结果表明,本方法能够进一步提高亚像素定位的精度。