基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

基于SAS算法的起飞一发失效应急路径规划方法

为解决起飞一发失效应急程序（EOSID）手动设计的不足,提出一种基于SRTM数据的稀疏A*搜索（SAS）算法的EOSID路径规划方法。首先采用航天飞机雷达地形测绘使命（SRTM）的网格地形数据,结合起飞一发失效相关规章,考虑爬升梯度与保护区限制确定可行搜索空间;然后基于可行搜索空间运用稀疏A*搜索算法搜索应急离场路径,在传统A*算法寻找扩展节点时加入起飞性能约束条件,同时利用地形高程数据进行地形和威胁回避,生成一条三维应急离场航迹;最后利用三次样条曲线对规划的应急离场航迹进行平滑处理。实验结果表明该方法能自动搜索出有效的EOSID三维航迹。     

关于条件蕴涵的一个注记(英文)

非单调推理与条件蕴涵之间存在着紧密的联系 ,众多研究人员从不同角度对此进行了研究 ,其中 ,C.Boutili-er与 P.Lamarre证明了一些条件逻辑系统刻画的条件蕴涵可以作为非单调后承的对应物。本文基于 Friedman与Halpern提出的 PS(Plausibility space)概念 ,探讨了具有非单调特性的条件蕴涵的性质 ,刻画了可以充当非单调后承在对象语言层对应物的条件蕴涵的一般特征     

特征视图的链码表示法

根据八方面边界链码规则，首先提出了基于分辨率的直线和椭圆的链码生成成算法；然后给出了在基于形态图方法的物体识别中，模型物的特征视图的链码表示法。从而为形态图方法在三维物体识别中的应用提供了理论基础。     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。     

稀疏生成矩阵的低编码复杂度非正规LDPC码性能

提出了一种新的基于稀疏生成矩阵的高性能非正规LDPC码的构造方法，并研究了其性能。与传统的由校验矩阵定义的LDPC码相比，在相同的译码复杂度前提下，非正规LDPC码的编码复杂度更低。模拟结果显示，在加性高斯白噪声信道下，非正规LDPC码的性能要显著优于传统LDPC码。     

一种抽象缺省推理框架的表示性质

提出了抽象缺省推理框架和D-后承关系的概念。从而进一步给出D-后承关系的表示性质，并由此证明了任意无联结词形式的累积非单调后承关系，可以用抽象缺省推理框架来表示。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

压缩感知下梯度投影在图像去噪中的应用

图像传输和接收的过程中不可避免地受到多种因素的影响而产生噪声,这样通常使得图像模糊不清难以辨识。针对去除图像高斯白噪声对图像辨识的干扰,提出利用压缩感知最优化求解思想,运用一种快速计算方法将高维数的图像信号投影在低维空间上,从而类比于压缩感知理论进行重构处理,并实现对含噪声信号的图像进行还原。实验结果证明,梯度投影法能较好地去除图像高斯白噪声,尤其对于图像中物体边界的辨识效果明显,为图像去除噪声提供了新的思路和方法。     

基于混合稀疏表示的二维压缩感知SAR成像

压缩感知(CS)理论在合成孔径雷达(SAR)成像中应用广泛。针对包含城市、河流等区域的非稀疏场景压缩感知SAR成像,提出基于近似观测模型的混合稀疏表示(MSR)压缩感知SAR成像方法。该方法将复杂的SAR图像分解成点、线、面,并将线、面分别通过离散余弦变换和曲波变换转换到稀疏域,使压缩感知的稀疏性条件得以满足,通过求解基于近似观测模型的二维压缩感知优化问题重建非稀疏场景的SAR图像。所提方法能够实现降采样率条件下对包含城市、河流等非稀疏场景区域的成像,仿真场景和实测场景成像结果表明了所提方法的有效性。