基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

基于双重隐马尔科夫模型的ISAR图像序列中散射中心关联算法

散射中心关联是雷达目标三维重构的关键技术,由于目标散射中心在连续观测视角下在序列图像间的运动轨迹及散射强度具有强相关特性,因此根据相关性建立的双重隐马尔科夫模型能够鲁棒地表征序列图像间散射中心关联状态的变化。大量的实验结果表明,该算法能够实现散射中心的鲁棒关联。     

利用Gauss-Markov过程的着陆小天体导航与制导方法

给出一种利用Gauss-Markov过程的自主着陆小天体导航与制导算法，来解决无法得到精确的轨道动力学模型带来的轨道确定困难问题。主要是在导航算法中，采用一阶高斯-马尔科夫过程近似着陆探测器轨道动力学中的无模型加速度，利用扩展卡尔曼滤波估计探测器的位置、速度及无模型加速度。通过数学仿真分析了给出的自主导航与制导系统的性能，并对比了采用与不采用一阶高斯-马尔科夫过程的导航滤波器性能，结果表明前者明显优于后者。     

带马尔科夫参数的容错控制系统中系统噪声与故障诊断检测延迟时间的关系

讨论了带马尔科夫参数的容错控制系统 (FTCSMP)中 ,在保持系统随机稳定性的前提下 ,系统噪声与故障诊断检测延迟时间的关系 ,并进一步给出了确定故障诊断检测延迟时间范围的方法 ,为故障诊断方法的选择提供了依据     

考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

基于动态故障树的卫星系统可靠性分析

卫星系统作为一种高可靠产品,具有复杂的冗余结构.以卫星系统为对象,研究了动态故障树方法分析过程中静态子树及动态子树的处理方法.分别采用二元决策图及马尔科夫方法对关键设备的动态故障树模型中静态子树和动态子树进行分析.将所得结果与可靠性框图、马尔科夫等方法所得结果进行了比较.     

基于控制系统工作原理的视线角速度获取方法

针对红外成像导引头弹目视线角速度获取精度较差,无法满足导弹制导指标要求的问题,根据红外导引头角跟踪原理,比较研究了直接微分法、基于马尔科夫模型的方法和基于控制系统工作原理的方法3种弹目视线角速度提取方案。利用试验数据进行了仿真分析。仿真结果表明:直接微分法和基于马尔科夫模型的方法均不适用于红外成像导引头弹目视线角速度提取。将控制系统设计为二阶无静差系统,并以此建立了基于控制系统工作原理的弹目视线角速度提取模型。仿真分析表明:该方法适用于红外导引头弹目视线角速度提取。     

基于RJ-MCMC的DS-CDMA信号扩频码与信息序列盲估计

针对非合作低信噪比环境下的DS-CDMA信号参数估计问题,在分析信号模型的基础上,提出一种基于可逆跳跃的马尔科夫链蒙特卡罗(RJ-MCMC)扩频序列和信息序列联合估计算法。该算法通过建立信号参数和用户个数的联合后验分布模型,迭代抽样得到待估分布的样本,并有效地在不同维数的子空间中跳转,从而构造一条马尔科夫链,使其平稳分布为待估参数的后验分布。仿真结果表明,该算法在功率相同和不同的条件下均能适应较低的信噪比,并且对不同的用户个数具有较强的适应性,同时算法的估计性能相对现有的方法也有很大的改善。     

基于小波脊线的单分量LFM信号参数估计

由渐进信号的小波脊线出发,根据瞬时频率与小波脊线的关系,提出了一种估计单分量线性调频信号(LFM)参数的方法。通过最小二值法提取由小波脊线所获得的含噪直线的参数,最终估计出信号的起始频率和调频系数。仿真结果表明此方法具有一定的抗噪声性能。     

航天员呼吸强度的时序模式相似性比较研究

研究航天员呼吸强度时序模式相似性比较方法。利用小波变换将数据样本中的信号和噪声分离,将样本信号划分成多个连续的单调区间,用年n阶多项式对区间进行分段拟合,由拟合多项式的各阶系数、区间宽度、信噪比组成该分段区间的特征向量,由此得到所有数据样本的特征向量序列。小波分析算法可以有效地分离噪声信号,多项式函数能够很好地拟合数据样本,用特征向量的余弦距离可以对独立或连续区间的相似度进行准确地比较。根据上述方法,实现了时间序列的相似性搜索,并用于航天员呼吸强度时序变化模式的识别。