基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

一种基于高阶统计量的组合盲均衡新算法

基于高阶统计量的逆滤波器准则（IFC）和超指数迭代算法（SEA）已经被广泛地应用于解决盲均衡问题。Chi，Feng和Chen通过对两种算法的性能分析提出在特定的条件下SEA和IFC算法的得到的均衡器是等价的。基于这种等价性，文献中提出通过对这两种算法进行组合来提高算法性能的改进方案。采用这种改进的改进方案，将一种最新的改进的SEA算烈和IFC算法进行组合，提出一种收敛性又好，收敛速度又快的组合算法。     

二维Fisher准则函数在区域生长算法中的应用

本文针对传统区域生长算法中“种子”和“相似性准则”不能自适应获得的缺点,将二维Fisher准则函数算法[1]应用到区域生长算法中,根据图像特征,利用二维阈值,自动确定“种子”和“相似性准则”。实验表明,该算法不仅利用了二维Fisher准则函数算法的优点,而且也使区域生长算法具有自适应性,对荧光磁粉图像具有较好的分割效果。     

激光主动探测中回波信号的小波去噪方法

在分析激光主动探测中回波信号的噪声特性和小波变换去噪原理的基础上，提出了一种基于最大信噪比准则的小渡阈值去噪方法。首先用最大信噪比准则对小波变换系数进行阈值选取，然后采用软阂值方法对小波系数进行量化处理后再重构。仿真结果表明最大信噪比准则小波去噪方法改善信噪比效果十分显著，检测下限达到-16．2dB。证明了该方法在激光主动探测系统回波信号检测中的有效性。     

一种针对LLC串联谐振变换器的精确设计方法

本文针对LLC串联谐振变换器提出了一种新颖的基于时域分析的精确分析方法，给出了设计。的准则和流程。LLC串联谐振变换器具有拓扑结构简单，高效率和易高频化的特点，目前得到了广泛的应用。为了优化设计并澄清其设计准则，充分理解该拓扑的直流增益特性以及各参数对效率的影响显得尤为重要。而基于基波近似的传统频域分析方法难于给出准确的结果。本文依照所提出的精确分析设计方法，搭建并测试了一个MHz的LLC串联谐振变换器，其效率达96％。试验结果证实了所提出的时域分析方法和设计准则的有效性。     

基于模糊鲁棒自适应CKF算法的MEMS-IMU姿态估计

针对微机电惯组（MEMS-IMU）受到状态突变干扰、存在未知量测噪声等情况下,传统滤波算法无法准确估计系统姿态问题,提出了一种基于模糊鲁棒自适应容积卡尔曼滤波（FRA-CKF）的姿态估计算法。通过分析滤波新息序列的统计特性,根据χ2检验原理设置了修正门限和修正边界,构造了容积卡尔曼滤波、鲁棒修正和自适应修正的隶属度函数,制定相应的模糊修正准则,使算法兼顾自适应性和鲁棒性。仿真及静、动态实验验证了所提出算法的有效性。静态实验结果表明,所提出的滤波算法相比CKF算法,航向角估计的均方根误差降低了80%,提高了滤波的精度和稳定性。     

基于JUMMSE准则的前向分数间隔判决反馈均衡器

研究了前向分数间隔判决反馈均衡器的原理与结构,并推导了基于联合无偏差MMSE(JUMMSE)准则设计的最优解。文中讨论了均衡器长度对误符号率(SER)性能的影响。仿真结果表明,在较高的信噪比、选择恰当的均衡器长度时,这种均衡器对于高频信道的均衡效果是显著的。     

基于L1-范数的最大间距准则

在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响.该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMC-L1)降维方法,它充分利用L1-范数对野值及噪声的强鲁棒性以及最大间距准则,提出了一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明.在多个图像数据库上的实验验证了该方法的鲁棒性与高效性.     

一类新混沌系统的线性状态反馈控制

研究了一类新混沌系统的控制问题.利用Routh-Hurwitz准则对受控系统进行了稳定性分析，结合线性状态反馈方法理论上严格证明了达到控制目标反馈系数的选择原则.数值研究证明了该方法能够有效地控制混沌系统到失稳的平衡点或周期解，同时控制效果在弱噪声干扰下具有很强的鲁棒性. 关键词： 新混沌系统 线性状态反馈控制 Routh-Hurwitz准则 噪声     

基于SMAA和公共权重的决策单元效率评价与排序

在数据包络分析(DEA)中,公共权重模型是决策单元效率评价与排序的常用方法之一。与传统DEA模型相比,公共权重模型用一组公共的投入产出权重评价所有决策单元,评价结果往往更具有区分度且更为客观。本文考虑决策单元对排序位置的满意程度,提出了基于最大化最小满意度和最大化平均满意度两类新的公共权重模型。首先,基于随机多准则可接受度分析(SMAA)方法,计算出每个决策单元处于各个排名位置的可接受度;然后,通过逆权重空间分析,分别求得使最小满意度和平均满意度最大化的一组公共权重;最后,利用所求的公共权重,计算各决策单元的效率值及相应的排序。算例分析验证了本文提出的基于SMAA的公共权重模型用于决策单元效率评价与排序的可行性。