静态傅里叶变换光谱仪的机理及干涉条纹的校正

针对高速、瞬时光谱测量要求光谱仪的结构简单、装备方便、实时性强的特点,文章介绍了一种静态傅里叶变换光谱仪,并对其原理进行了推导与剖析。针对其调整中出现的干涉条纹的倾斜校正问题,进行了详细的理论分析和干涉条纹模型的数学推导,得出倾斜镜旋转参数和光学元件最小通光口径之间的数学关系,以及倾斜镜旋转参数和干涉条纹旋转参数之间的数学关系。通过利用Matlab7.0数学工具,对所总结推导的干涉条纹模型进行模拟,对所得的各种参数之间的数学关系进行验证。分析结果表明据此数学关系所求得的β角校正精度达到1.4%,是一种有效可行的校正方法。     

一种基于MapReduce的知识聚类与统计机制

网络文献知识库中的海量资源及其分类的粗粒度,导致学习者容易在文献检索和阅读过程出现认知迷航和知识过载问题。该文提出一种基于MapReduce的知识聚类与统计机制：首先,提出基于MapReduce的共现矩阵构建算法MR-CoMatrix;其次,将共现矩阵与相似度系数结合构建相似度矩阵;然后,通过Z Scores对相似度矩阵进行标准化;最后,使用离差平方和法(Ward,s method)对相似度矩阵进行聚类,生成树状的知识聚类谱系图;基于聚类结果,提出基于MapReduce的知识文献统计算法MR-Statistics,对每个分类的知识属性进行统计。实验结果表明：将MR-CoMatrix和MR-Statistics方法应用于网络文献知识库进行知识聚类和统计,达到较理想的聚类精度和计算效率,实现了细粒度知识聚类和多维统计,同时减少了时间开销。     

Logistic混沌映射性能分析与改进

混沌系统是基于混沌的数据加密领域的一个重要研究对象,Logistic混沌映射是最简单和有效的混沌系统,被广泛应用在大多数混沌加密算法中,Logistic映射的安全性成为研究的热点。针对Logistic序列存在的吸引子与空白区问题,该文提出一种基于初始值和分形控制参数之间关系的Logistic映射改进方法。利用两者之间关系对映射自变量区间进行合理分段,扩大了混沌控制参数区域,将满射范围扩大到整个控制参数区间,使产生的序列分布更均匀,解决了稳定窗与空白区等问题。通过将改进Logistic与其它分段Logistic映射进行仿真对比,实验结果表明改进后的映射产生的序列混沌特性得到显著加强,分布更均匀,具有更好的随机性能测试指标。另外,改进Logistic映射计算复杂度低,实现简单,在扩频通信与混沌密码等领域有广阔的应用前景。     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。     

融合极限学习机

为提高极限学习机(Extreme Learning Machine, ELM)的分类性能,同时保留其训练速度快的优点,该文提出融合ELM的方法,详细分析了特征级融合及决策级融合两种实现方式。为实现决策级融合ELM,提出概率极限学习机(Probabilistic ELM, PELM),将传统ELM的数值型输出转化为概率型输出,使得不同特征的判决结果统一在固定范围。在此基础上,采用自适应权值的方式实现决策级融合,该方法充分考虑了分类器针对不同特征的判决准确率差异,无需先验知识及主观定义。实验证明,该文提出的融合ELM相较于传统的单一特征支持向量机(SVM)方法及ELM方法,具有更优的分类性能;在训练时间方面,优于SVM方法。     

基于删除的协作频谱感知分析与优化

能量消耗是协作频谱感知中一个需要重点考虑的问题。为了降低信息上传能耗以延长认知无线网络中能量受限次用户的寿命,该文提出一种新的基于删除的协作频谱感知方案,其核心思想是各次用户仅当感知结果与其前一次不同时才向融合中心发送一个指示信号,否则不发送。对比分析了该方案中的上传能耗问题,并以保证主用户利益为约束条件,给出了频谱感知周期和能量检测门限的优化过程。理论分析和仿真结果表明,相比现有研究,提出的方案可以有效降低次用户的上传能耗而不带来任何感知性能的损失。     

基于分簇的无线多媒体传感器网络数据聚合方案研究

该文提出了一种基于分簇的无线多媒体传感器网络(WMSNs)数据聚合方案(Cluster-based Data Aggregation Algorithm, CDAA)。利用新的分簇方法和数据聚合策略,CDAA可以有效延长网络生命期。根据多媒体节点数据采集的方向性和节点剩余能耗,该文提出新的无线多媒体传感器网络的分簇方法,并基于该分簇方法进行网内多媒体数据聚合。仿真结果表明,该方法能够有效减少冗余数据的传送,与LEACH, PEGASIS等传统WSNs路由协议和针对WMSNs的AntSensNet协议相比,在能耗均衡和节能方面表现出更好的性能。     

基于随机耦合模型的系统级电磁环境效应分析

通过宽频带电磁环境下计算机机箱关键部位感应电压统计分布的实验验证和基于随机矩阵理论的耦合模型的理论计算研究,给出了随机耦合模型(RCM)的应用流程和计算方法;就散射系数、归一化散射和归一化阻抗矩阵的统计特性进行了理论和实验研究,实验测量结果与理论分析结果非常一致;针对RCM的应用进行了初步分析,验证了随机耦合模型在复杂电磁环境下系统级效应分析和预测的适用性。结果证明此方法尤其适用于大型的具有非平行面封装腔体电子设备的电磁兼容、效应及评估等研究。     

基于稀疏表示的高光谱数据压缩算法

如何降低高光谱图像大规模数据的存储和传输代价一直是学者们关心的问题。该文提出一种基于稀疏表示的高光谱数据压缩算法,通过一种波段选择算法构造训练样本集合,利用训练得到的基函数字典对高光谱数据所有波段进行稀疏编码,并对表示结果中非零元素的位置和数值进行量化和熵编码,从而实现高光谱图像压缩。实验结果表明该文算法与3维小波相比具有更好的非线性逼近性能,其率失真性能明显优于3D-SPIHT,并且在光谱信息保留上具有巨大的优势。     

基于空时融合隐马尔科夫模型的舰艇编队目标识别方法

基于末制导雷达搜索舰艇编队目标时获得的目标大角域高分辨距离像(HRRP)信息,该文建立了描述单个HRRP样本内向量之间统计关系的各态历经空间隐马尔可夫模型(SHMM)和描述HRRP样本之间统计关系的从左到右时间隐马尔可夫模型(THMM)。与对一类目标全方位角训练数据只建立一个THMM模型的方法相比,该方法充分利用目标的大角域HRRP信息,提高了识别性能。通过对5类舰船目标的仿真和3类民用船只的外场实测数据分析表明该方法的有效性。