Analysis and implementation of cross sync period underwater acoustical positioning techniques for underwater targets

I.IlltroductionWhenanactiveunderwateracousticalpositioningsystemissearchingforanunderwatertarget,itisnecessaryforittocompleteatransmittingandreceivingcycIewithineachworkingperiodinordertofindoutthelocationofthetargetcorrectly.Forexample,whenanunder-wateracoustica1synchronouspositioningsystemistrackinganunderwatertargetwithagivensynchr0nizingperiod,thepropagati0ntimeofthepositioningsignaltravellingfr0mthetaJrgettothearrayofthesystemshouldbelessthanthesynchronizingperiod0therwisetargetdis-tance…     

一种放射CT重建的鲁棒估计算法

放射CT的重建问题可以归结为一种基于泊松分布的最大似然估计（MuxnimumLikelihood,ML），其中最著名的如EM算法[1]，这种算法存在的问题是鲁棒性不强，当观测数据中存在一些出格点（outlier）（如2％）时，EM算法的性能就变得很差。本文分析了算法性能变差的原因，将泊松分布近似为高斯分布后，仿照鲁律估计中的M-估计，构造了一种鲁棒性很强的EM改进算法。实验结果表明，即使在投影数据中混有10％的出格点，仍能重建出满意的结果来。     

基于曲率的透视不变性分割

曲线的透视不变性分割在基于二次曲线的三维重建中非常重要。首先给出了连续曲线零曲率点和角点的提取法，在数字图像中曲经是不连续的，曲率的变化受噪声的干扰很大。在这种情况下为了检测出零曲率点和角点，对曲线采用了高斯滤波然后再提到零曲率点和角点。实验证明这种方法效果优于直接求曲率法。     

自适应有源噪声控制的滤波-LMAD算法

本文研究了稳定非高斯环境下的自适应有源噪声控制问题，提出了滤波－ＬＭＡＤ（ｌｅａｓｔｍｅａｎａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎ）算法及归一化滤波－ＬＭＡＤ算法，仿真结果表明，与常用的滤波－ＬＭＳ算法和归－化滤波－ＬＭＳ算法相比，本文提出了算法收敛速度更快。     

几种约束广义逆矩阵的有限算法

1引言与引理众所周知，关于非奇异方阵的正则逆的有限算法是由Faddeev大给在1949年之前提出的，这就是著名的Faddeev算法[1，P…334-336]。自从五十年代中期广义逆矩阵的研究复兴与发展以来，有不少学者提出了关于广义逆矩阵的有限算法。第一个给出关于广义逆矩     

全局最小均方算法

本文提出了一种基于全局均方误差最小准则的全局最小均方（ＴＬＭＳ）算法，在理论上分析了它的统计特性和收敛性，用数字仿真技术优良地它的性能。     

解Job－Shop调度问题的一个遗传算法

本文首先介绍了遗传算法的基本概念和流程，然后叙述了如何把Ｊｏｂ－Ｓｈｏｐ调度问题编码成为遗传算法的形式，并解释了对于实现这一算法中一些问题的考虑．最后给出了算法运行结果并对结果与算法做了总结。     

集群系统与公用网互连的仿真模型和模拟算法

在讨论ＭＰＴ１３２７信令的集群移动通信系统与国内Ｎｏ．７信令的ＰＳＴＮ网间互连，帝现两种信令配合中，研究了集群系统的仿真模型和模拟算法，同时模拟出整个集群系统的工作情况，运行结果证实了所提方案的可行性与准确性。     

新颖的基于小波变换的数字水印方案

随着计算机网络技术与多媒体技术的快速发展，数字产品的版权保护已经成为信息技术领域中最重要的问题之一，提出了一种新颖的基于离散小波变换的数字水印方案，该方案利用改进的Pacthwork算法，将水印嵌入到LL子带中，水印信号在解码过程中无需使用原始图像可快速地重嵌入，该算法利用BCH码来降低误码率，应用所提出的算法，把一个32个字符的水印嵌入到图像中，实现结果表明水印是不可察觉的，经过JPEG有损压缩，低通与中值滤波等图像处理操作后仍是鲁棒的。     

Primal-dual proximal point algorithm for linearly constrained convex programming problems

A primal-dual version of the proximal point algorithm is developed for linearly constrained convex programming problems. The algorithm is an iterative method to find a saddle point of the Lagrangian of the problem. At each iteration of the algorithm, we compute an approximate saddle point of the Lagrangian function augmented by quadratic proximal terms of both primal and dual variables. Specifically, we first minimize the function with respect to the primal variables and then approximately maximize the resulting function of the dual variables. The merit of this approach exists in the fact that the latter function is differentiable and the maximization of this function is subject to no constraints. We discuss convergence properties of the algorithm and report some numerical results for network flow problems with separable quadratic costs.