二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用标准特征值分析算法。通过统计分析技术 ,可知该技术在拟合数字二次曲线时 ,存在估计偏差大、均方误差大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大 ,因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验 ,表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能 ,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换 ,并把最优化过程的维数从 6降为 2 ,所以它还具有计算快速、实现简单方便的优点。     

一种改进的基于全数据集的星载ScanSAR多普勒中心估计方法

提出了一种改进的适合于ScanSAR成像的多普勒中心估计方法。算法首先在各个子带内求得解卷绕的多普勒基带中心估计;随后利用各子带间脉冲重复频率（PRF）的差异,以最小均方误差准则寻找合适的模糊数组合,从而解决多普勒模糊问题。与以往方法不同之处在于,多普勒模糊的解法基于整个回波数据集,而不依赖于相邻子带重叠区数据,且不需要关于信号或噪声分布的先验知识。算法假设子带间的方位向天线指向变化足够小,以致由此导致的多普勒中心的变化远小于PRF的差异,从而可以近似认为多普勒中心是随距离连续变化的。该算法容易实现,并且能有效保证多普勒中心估计的精度和效率。     

用容积卡尔曼滤波算法进行集装箱吊具姿态估计

为提高非线性模型下集装箱吊具姿态的估计精度,建立一个基于四元数和低精度高噪声传感器的集装箱吊具姿态估计非线性模型,运用容积卡尔曼滤波算法进行姿态估计.试验数据与高精度姿态传感器数据比较表明,采用容积卡尔曼滤波算法可以有效提高集装箱吊具姿态估计精度和稳定性.     

基于正则化回归的混沌时间序列建模与预测

本文在奇异值分解的基础上,提出了基于正则化回归的自适应局部线性化方法,能自适应确定嵌入维数、邻点数和正则化参数,数值模拟说明所给方法有效提高了预测效果。     

基于μ基有理可展曲面的参数化

针对工程设计中常用的可展曲面,给出其有理参数化算法. 给定一个隐式曲面,首先根据几何性质判定它是否是可展曲面,并给出判定算法;然后应用近年来新兴发展的隐式化代数工具——μ基方法,得到可展曲面的μ基的次数界. 在此基础上,设计计算隐式曲面μ基的算法,并通过计算其对偶曲面的重新参数化,得到原隐式曲面的参数表示. 结合已有的参数曲面隐式化算法,给出了有理可展曲面的代数交换算法图.     

广义压缩主成分最小二乘估计及其在集装箱港口吞吐量研究中的应用

结合压缩最小二乘估计和主成分估计,给出广义压缩主成分最小二乘估计.该估计能改善最小二乘估计的可容许性,并具有最小的均方误差.将此估计应用于集装箱港口吞吐量的研究表明该估计的应用价值.     

正态总体均值和误差方差同时的经验Bayes估计

在正态分布情形下,假定均值参数和误差方差服从正态-逆伽马分布先验时,导出了均值参数和误差方差的 Bayes 估计, 利用历史样本构造了它们的参数型经验 Bayes 估计 (PEBE). 在均方误差(MSE)准则下,分别获得均值参数和误差方差相对于一致最小方差无偏估计 (UMVUE) 的优良性.最后,给出一个有关主要结果的注释.     

双基地合成孔径雷达扩展Chirp Scaling成像算法

根据传统SAR处理中的扩展CS算法原理,推导了适用于同轨迹飞行模式双基地SAR的扩展Chirp Scaling算法,解决了接收、发射分置引起的雷达响应函数从距离－方位域向二维频域变换的复杂性问题,分析了算法推导中各种误差的影响,通过计算机仿真验证了算法在小斜视角情况下,对双基地SAR数据成像的有效性。     

改进的多模式串匹配算法及GPU并行化研究

通过分析AC多模式匹配算法和正则语句搜索匹配在功能上的优劣,研究它们在生成确定性有穷自动机时的相同与差异,融合AC算法和正则语句运用于文本的多模式串匹配,使得AC算法能够识别正则语句,并且保持原有算法在匹配失败后,目标模式串指针不回退且AC自动机回退少的特点,使得算法兼有二者优点. 同时,讨论了在GPU上通过CUDA的并行程序环境实现算法的并行化,并详细比较了在GPU上利用不同类型存储器实现的算法的性能差异.     

单视图摄像机自标定

首先定义基于模型的单视图情况下的单应性矩阵、外极线约束和基础矩阵,然后通过对基础矩阵的SVD分析,证明使用经其左奇异变换阵变换过的数据集合可最优地估计一个能解析地确定单应性矩阵的四维参数,并进而计算摄像机内参数阵、三维运动参数和目标三维结构,从而开发了一个基于目标模型的从单视图特征点集进行摄像机自标定和三维重建的线性算法。     

基于灵敏度矩阵的直接三维ECTLandweber图像重建算法研究

ECT图像重建是一个非线性、欠定的和病态的逆问题。获得一个高质量的重建图像是很困难的,尤其是对于3D重建。图像重建算法的研究在ECT中是一个重要的研究内容。本文对基于灵敏度矩阵的直接三维ECTLandweber图像重建在不同迭代次数,有无门限等情况下进行了研究总结并给出了仿真结果。结果表明：对于landweber迭代算法进行重建时,迭代200次,固定门限为0．03的结果与原型最为接近。     

严格对角占优M-矩阵条件数上界的估计

矩阵条件数在数值代数领域有着广泛应用,所以矩阵条件数的估计就对研究各种矩阵问题有着重要意义。给出了一类特殊矩阵——严格对角占优M-矩阵条件数上界的几个新的估计式,通过算例验证了此方法的有效性。     

基于容积卡尔曼滤波的卫星导航定位解算方法

由于卫星导航定位方程组的非线性特性,传统的定位解算方法在解算之前需要对定位方程组进行线性化处理,会影响定位解算精度。容积卡尔曼滤波算法基于贝叶斯估计和容积变换,可以有效地提高非线性滤波估计的精度。将容积卡尔曼滤波算法应用于卫星导航定位解算,建立定位解算系统状态转移模型和测量模型,通过时间更新和测量更新两个环节递推估计接收机的三维位置坐标。利用IGS观测数据对基于容积卡尔曼滤波的定位解算方法进行验证,并与最小二乘法和扩展卡尔曼滤波算法进行对比,结果证明将容积卡尔曼滤波用于卫星导航定位解算可以获得更高的定位精度,并且具有较快的收敛速度。     

联合L1和L0先验模型的超分辨率重建算法

超分辨率重建可以从低分辨率图像序列中重建出高分辨率图像,提高图像质量。重建出边缘保持且噪声低的高分辨率图像,仍具有挑战。针对此问题,在L₁先验模型中添加图像梯度的L₀范数作为先验知识,提出联合L₁和L₀先验模型的超分辨率重建算法,既保留L₁先验模型边缘保持的优点,又保留L₀先验模型抑制噪声的优点。将该算法与双三次插值、Total Variation (TV)先验模型和L₁先验模型作对比,通过仿真实验数据和真实实验数据的分析,验证本文算法的有效性。     

一种基于改进粒子滤波的水下采矿导航方法

针对水下采矿导航系统所面临的噪声具有非高斯性和频率随机性的问题,提出基于粒子滤波的深海采矿导航算法,并针对粒子滤波的粒子退化和贫化提出一种新的重采样算法。结合湖试数据,仿真实验表明新的重采样算法在获得更好的滤波精度的同时可以避免粒子贫化现象。最后,将基于改进的粒子滤波的深海采矿导航算法与基于无迹卡尔曼滤波算法的导航算法进行对比。结果表明本文提出的算法具有较高的精度和优良的鲁棒性。     

基于改进谱聚类算法的航路辨识

为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。     

基于高维精度矩阵的置信区间的一致性理论

随着高维数据的不断发展,精度矩阵作为衡量变量间条件相依性的有效工具引起广泛关注.尽管已有大量文献研究精度矩阵,但如何发展一种低计算成本的方法构造高维精度矩阵的同时推断变得尤为迫切.基于nodewise Lasso估计量,利用bootstrap assisted策略构造同时置信区间.与现有方法相比,该方法在理论上不需要不...