非对称广义特征值问题重特征值的灵敏度分析

研究非对称广义特征值问题半单重特征值的灵敏度分析。对于解析依赖于多参数的非对称广义特征值问题．给出了半单重特征值的方向导数，证明了相应的广义不变子空间的解析性，并给出了其一阶导数的表达式。以这些结论为基础，定义了半单重特征值及相应的广义不变子空间的灵敏度，并给出了一个确定矩阵束中敏感元素的方法。本文的结论可应用于模型修正、故障诊断与系统最优控制。     

复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

小天体软着陆中的地面特征区域提取与跟踪算法

考虑到自主导航过程中的特征区域检测与跟踪问题,提出了一种新的跟踪算法。该算法是基于DIMES框架。首先,对在软着陆过程中拍摄的行星表面图像进行亮度均衡化,对处理后的图像进行二值化;然后,对二值化特征区域进行模板匹配找出高度相关位置点;最后,根据特征区域之间的几何关系确定特征区域的搜索范围,再分别提取这些相关点所代表区域的特征向量,并且与模板的特征向量进行相似性分析从而找到相似性最大的位置点。通过两组小行星表面图片进行分析验证得到了较好的效果。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于Roe格式的低速预处理方法研究

应用Weiss-Smith预处理矩阵,发展了Roe格式的预处理方法。在引入局部正交坐标系的前提下,推导了预处理后的Roe格式的定常及非定常形式,分别给出了一组适用于守恒变量的特征矩阵。最后就典型状态给出了验证算例,计算结果表明,本文发展的预处理方法正确可靠,在低速计算中大大提高了计算效率和计算精度,是一种非常有前途和价值的方法。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

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。     

增程中程空空导弹特征结构的配置

特征结构配置适用于中程空空技术（ＥＭＲＡＡＴ）导弹自动驾驶仪的设计。通过选择一些在模型去耦基础上的理想特征矢量，来计算特征结构配置的反馈增益，并用Ａｎｄｒｙ等人建议的正交投影解法来计算特征矢量。将这种解法与Ｂｏｓｓｉ和Ｌａｎｇｅｈｏｕｇｈ提出的线性二次调节设计方法作一比较。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.