Landsat 8地表温度产品验证与分析

Landsat系列卫星热波段具有60~120m的空间分辨率，对各种环境监测起到了重要的作用。随着Landsat系列卫星在全球范围内地表温度（land surface temperature，LST）产品的发布，其验证工作也随之展开，然而对于长时间序列的精度验证工作仍然缺乏。以黑河流域中游为研究区，利用研究区内湿地站（SD）、戈壁站（GB）和大满超级站（CJZ）三个气象站的地面测量数据对2013-2016年清晰无云的31景Landsat 8地表温度产品进行了验证与分析，并将Landsat 8地表温度产品与广泛使用的普适性单通道算法（JMS）反演结果进行了对比。结果表明，Landsat 8地表温度产品与普适性单通道算法反演结果精度均较高，在各个站点处R2均优于0.949。基于所有站点分析，Landsat 8地表温度产品精度稍高于普适性单通道算法反演结果。     

混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时，种群多样性减少，易陷入局部最优解等问题，提出了一种混沌麻雀搜索优化算法(CSSOA)。首先，通过改进Tent混沌序列初始化种群，提高初始解的质量，增强算法的全局搜索能力。其次，引入高斯变异的方法，加强局部搜索能力，提高搜索精度；同时以搜索停滞的解为基础产生Tent混沌序列，用此混沌序列对部分陷入局部最优的个体进行混沌扰动，促使算法跳出限制继续搜索。最后，对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点，提高算法的搜索精度、收敛速度和稳定性。同时，将CSSOA应用到简单图像分割问题，验证了CSSOA应用于实际工程问题的可行性。      

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。      

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

直反信号协同的GNSS-R BSAR距离多普勒成像算法

针对目前基于全球导航卫星系统反射信号的双基地合成孔径雷达（GNSS-R BSAR)在一站固定模式下的大斜视,斜距历程复杂,回波信号方位空变导致回波信号难以处理的问题,提出改进的距离多普勒成像新算法。所提算法采用GNSS信号作为辐射源,根据一站固定模式下GNSS-R BSAR合成孔径时间长的特点,引入高阶等效斜视距离模型,得到导航卫星与目标斜距相对时间变化的精确描述。先通过直射信号与回波信号时域对消进行距离徙动校正,实现全场景目标距离徙动的精确校正;再通过方位向分块混合相关处理来克服回波信号方位向的移变性质,实现全场景高效精确成像。所提算法的成像效率优于传统后向投影时域（BP）算法,成像精度与BP算法相当,且可根据需要通过调整方位分块的宽度来提升聚焦效果。最后,用GPS-L5信号进行仿真和实验,仿真和实验结果验证了所提算法的可行性和高效性。     

GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开,提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先,利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率,计算出对应的等效天线高度,并利用最小二乘法求解各频点信噪比序列相位;然后,通过熵值法进行2个频点的相位观测量融合;最后,利用融合结果与实测土壤湿度建立经验模型,实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证,结果表明:L1和L2双频融合反演结果平均标准差为0.6%,比L1单频反演结果提高64.73%,比L2单频反演结果提高32.12%;均方根误差为0.37%,比L1频点降低72.8%,比L2频点降低73.4%。      

基于Safe-PPO算法的安全优先路径规划方法

现有的路径规划算法对路径规划过程中的路径安全性问题考虑较少，并且传统的近端策略优化(PPO)算法存在一定的方差适应性问题。为解决这些问题，提出一种融合进化策略思想和安全奖励函数的安全近端策略优化(Safe-PPO)算法，所提算法以安全优先进行路径规划。采用协方差自适应调整的进化策略(CMA-ES)的思想对PPO算法进行改进，并引入危险系数与动作因子来评估路径的安全性。使用二维栅格地图进行仿真实验，采用传统的PPO算法和Safe-PPO算法进行对比；采用六足机器人在搭建的场景中进行实物实验。仿真实验结果表明：所提算法在安全优先导向的路径规划方面具有合理性与可行性：在训练时Safe-PPO算法相比传统的PPO算法收敛速度提升了18%，获得的奖励提升了5.3%；在测试时采用融合危险系数与动作因子的方案能使机器人学会选择更加安全的道路而非直观上最快速的道路。实物实验结果表明：机器人可以在现实环境中选择更加安全的路径到达目标点。     

链式平滑切换变体飞行器LPV鲁棒跟踪控制

针对后掠角可变的变体飞行器,研究了一类变体飞行器的建模与控制问题。拟合气动参数与后掠角变化的关系,利用Jacobian线性化的方法得到线性变参数(LPV)模型。进一步建立一类平滑切换系统,同时引入切换序列受限的链式切换,推导了链式平滑切换系统在有限时间有界且具有鲁棒性能指标的充分条件。设计了一种平滑切换镇定控制器的求解算法,并给出控制增益的求解步骤。基于广义系统理论提出了保证变体飞行器姿态跟踪系统鲁棒稳定的充分条件,并通过算例验证所提方法有效性。     

多星分布式无源相干定位方法

针对方向性辐射源信号主瓣波束窄测向定位精度不足的问题，提出多星分布式无源相干定位方法。首先，根据参考星接收到的主瓣强信号对辐射源位置进行粗定位，并根据粗定位信息对频移进行补偿；随后，将参考星信号分发至临近卫星，在粗定位范围内对相干星接收到的旁瓣弱信号进行互相关搜索，解算时差信息；然后，采用多星时差定位体制估计辐射源精确位置；最后对提出算法进行了Cramer-Rao下界分析，并通过仿真实验对算法进行验证。仿真结果表明，算法在弱信号信噪比(SNR在-40～0 dB)的情况下，定位误差能够快速逼近Cramer-Rao下界，并且能够有效提高辐射源的定位精度。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

数字趋势序列的子序列匹配算法

针对时序数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了DTW(Dynamic Time Warping)快速搜索算法.算法分为3个部分:DTW顺序搜索、约束机制、冗余消除机制.并使用实际的股票数据对算法进行了验证.      

基于相关功率修正的地基GNSS-R土壤湿度反演

利用全球导航卫星系统反射信号测量技术(GNSS-R)进行土壤湿度反演过程中，实际接收天线方向性会造成GNSS直反信号相关功率测量偏差。针对地基观测场景下天线方向性造成的相关功率的类余弦振荡问题，提出了基于多项式拟合的信号相关功率修正方法。为了验证所提方法的有效性，开展了地基GNSS-R土壤湿度观测实验，结果表明:基于多项式拟合的相关功率修正可以消除信号相关功率的类余弦振荡，提升GNSS-R土壤湿度反演中的观测数据有效性和反演结果准确性。      

提高电动加载系统输出平滑的CMAC复合控制

CMAC(Cerebellar Model Articulation Controller)和PD(Proportional Derivative)复合控制算法有时因输出不平滑会引起加载电机抖动而影响控制效果.通过对该输出不平滑问题进行分析,提出了一种新的提高输出平滑性的改进CMAC复合控制算法,该方法通过新的权值更新公式,在权值更新时直接达到减小误差和提高输出平滑性的目的.仿真和实验结果表明:改进后的算法能够有效提高输出平滑性,降低了21％的稳态误差,且保证在加载时有良好的稳定性和抗干扰能力.     

基于深度多模态特征融合的短视频分类

目前，短视频已经成为新媒体时代极具有代表性的产物之一，其天然的具有时短、强编辑等特点，使得传统视频分类模型不再适合于短视频分类任务。针对综合短视频分类问题的特点，提出了一种基于深度多模态特征融合的短视频分类算法。所提算法将视觉模态信息和音频模态信息输入到域分离网络中，将整个特征空间划分为所有模态共享的公有域部分及由音频模态和视觉模态分别独有的私有域部分，借助优化域分离网络，最大程度地保留了不同模态特征间的差异性和相似性。在公开的短视频分类数据集上进行实验，证明了所提算法可以有效减少特征融合时的冗余性，并将分类的平均精度提高到0.813。      

优化Landweber迭代快速电磁层析成像图像重建算法

电磁层析成像(EMT)中灵敏度矩阵的病态性、不适定性导致重建图像质量较差。为了提高重建图像的质量与速度，提出了一种优化Landweber迭代快速图像重建算法。首先，对灵敏度矩阵作降维映射，去除灵敏度矩阵中的冗余信息，减少每次迭代的计算量。然后，利用人群搜索算法(SOA)优化降维后的灵敏度矩阵，降低灵敏度矩阵的条件数，改善其病态程度。最后，通过Landweber迭代算法和预处理后的灵敏度矩阵进行图像重建。仿真实验结果表明:相同实验条件下，相比于Landweber迭代算法，所提算法有效提高了成像质量，降低了成像运算量。      

基于改进NL-means算法的显微CT图像降噪

显微CT(Computed Tomography)采用微焦点射线源,射线剂量低,CT图像噪声大,对其降噪十分必要.综述了现存主要CT图像降噪算法及其优缺点,介绍了NL(nonlocal)-means算法,根据实验结果分析了其会在图像平滑区域引入人工伪影的不足.根据NL-means算法的不足,在原算法中引入图像的梯度信息,提出了改进的降噪算法,改进算法保持了原算法优良的降噪功能,并能有效抑制人工伪影,且能够提高图像细节对比度,实验结果验证了改进算法的有效性.     

激光多普勒测速系统自适应阈值检测算法

信号检测是激光多普勒测速(LDV)系统实现高精度的关键技术,针对LDV中微弱多普勒信号的检测,本文从噪声在频域中的统计特性出发,对多普勒信号进行带阻滤波,结合雷达的恒虚警(CFAR)检测技术,设计了基于频域的单元平方和自适应阈值检测算法以解决在低信噪比(SNR)的环境中LDV的信号检测问题,提高LDV的信号探测能力,同时降低其虚警概率。仿真与实验的结果表明:该算法与固定阈值相比可以在SNR为-12 d B时实现信号的完全检测,保持低虚警概率,运算简单,工程适用性强。     

一种高精度实时GPS卫星钟差预测算法

为获得高精度实时GPS卫星钟差,文章提出一种基于多项式和最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)相结合的钟差预报方法.该方法采用国际GNSS服务发布的超快速观测星历建模进行短期预报,首先根据卫星钟的物理特性用附有周期项的多项式模型进行拟合以提取趋势项和周期项,然后用LS-SVM对多项式拟合残差进行建模预报,最后将预报结果加上趋势项和周期项,得到最终的钟差预报值.试验结果表明,所提算法能够实时有效地对GPS卫星钟差进行预报,且精度优于超快速预报星历.     

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题:卷积神经网络设计空间采样复杂度高，数据采集成本高；无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题，提出了一种基于图卷积网络(GCN)的耗时预测算法, 将整体网络耗时看作多节点耗时补偿的累加，并利用图卷积对结构算子融合产生的耗时影响进行建模。同时，提出一种新型差分训练方案，减少采样空间规模，提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明:所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外，通过将传统耗时预测算法替换成所提算法进行耗时评估，可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。