抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

一种新的SIFT匹配定位技术研究

在基于局部特征点匹配的目标定位系统中,匹配点和误匹配点数量的多少直接影响定位准确度。传统SIFT方法为保证匹配过程中有足够的匹配点数,通常选取较小的统计区域,特征点缺失了对周边区域的关联性,造成误匹配。为提高定位准确度,提出一种改进的SIFT特征描述子。在传统的SIFT局部特征描述子中引入PCA统计特征,在获得更高的正确匹配率的同时降低了错误匹配率。针对常用的SIFT误匹配滤除算法（NN法）滤除误匹配时需牺牲大量正确匹配,提出在NN法基础上,利用匹配特征点的坐标信息对误匹配进行二次滤除,进一步减少了误匹配。实验结果表明,定位算法的准确度优于传统方法。     

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。     

转速波动状态下涡轮泵典型故障诊断方法

利用涡轮泵振动信号的变换域信息可有效地检测与诊断故障。针对涡轮泵转子叶片断裂与脱落这种典型故障,首先分析其出现的原因,并从动力学的角度研究其振动特征,选择可有效反映该故障的特征频率。然而,涡轮泵转速波动会造成这些特征频率提取的困难,为此提出一种解决此难题的新思路,通过一系列变换域处理来消除转速波动对振动频率的影响,在变换域中提取出稳定的特征频率,从而解决了涡轮泵转速波动状态下该型故障诊断问题。通过涡轮泵历史试车故障数据的验证表明,通过跟踪变换域中这些特征频率的幅值变化,可以有效检测与诊断涡轮泵转子叶片断裂与脱落故障。     

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.      

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

一种利用栅格光源特征编码的室内定位技术

目前,几种主流的室内定位技术分别存在定位精度低、设备成本高、易受环境干扰等一种或多种缺点,基于可见光通信的室内定位技术成为了研究热点。不同于主流的室内定位技术,提出了一种利用栅格光源特征编码的室内定位方案,先使光源照射区被划分为栅格,再用光源闪烁传递栅格特征信息,用户端接收闪烁光信号,对其解码实现定位。利用的编码方式结构巧妙,可以有效避免误读,同时相邻栅格编码相似度高,有利于跨栅格定位。在实验室中,以普通投影仪生成栅格光源,以市售安卓智能手机为用户终端,在较理想条件下的测试表明,该方案在动态和静态情况下均可确定用户位置,定位精度达到半个栅格,定位准确率达到100%。     

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。     

应用独立分量分析提取液体火箭发动机的故障特征

以某型液体火箭发动机为研究对象，针对故障诊断中故障特征提取难的问题，提出了应用小波消噪技术和独立分量分析获取高品质源信号，并利用源信号进行故障诊断的思路，对发动机热试车压强信号进行了实例分析。研究结果表明，该方法提高了诊断信号的质量，有效地提取了故障特征。     

Feature selection for high-dimensional data in astronomy

With an exponentially increasing amount of astronomical data, the complexity and dimension of astronomical data are likewise growing rapidly. Extracting information from such data becomes a critical and challenging problem. For example, some algorithms can only be employed in the low-dimensional spaces, so feature selection and feature extraction become important topics. Here we describe the difference between feature selection and feature extraction methods, and introduce the taxonomy of feature selection methods as well as the characteristics of each method. We present a case study comparing the performance and computational cost of different feature selection methods. For the filter method, ReliefF and fisher filter are adopted; for the wrapper method, improved CHAID, linear discriminant analysis (LDA), Naive Bayes (NB) and C4.5 are taken as learners. Applied on the sample, the result indicates that from the viewpoints of computational cost the filter method is superior to the wrapper method. Moreover, different learning algorithms combined with appropriate feature selection methods may arrive at better performance.