基于模糊模式识别的多通道目标选择算法

给出一种多通道用户界面的三维表示模型，证明目标选择是多通道人机交互技术的核心。针对多通道用户界面中输入信息的不精确性，运用模糊模式识别理论，提出根据不精确输入信息进行的目标选择算法。     

温度冲击试验箱的参数测量

简介了温度冲击试验原理，提供了一种测量温度冲击试验设备参数的方法，并分析了一个实例。     

飞行器参数辨识的最优方波形输入信号设计

用动态规划法设计了旨在提高飞行器气动参数辨识精度的最优方波形输入信号。设计出的信号不仅在工程上易于实现,还在精度意义上达到了最优。为了避免加输入信号后飞行器状态离开线性工作点,从而导致模型失效,该设计方法还考虑了输出约束。用于某型飞行器的输入信号设计结果表明,该法是有效的。     

采样时间序列的滑动递推容错预报算法

在导出线性模型系数递推最优辨识算法的基础上，探讨了滑动线性预报器的容错改进，建立了简洁、实用的滑动递推容错预报算法。通过仿真计算验证了算法的有效性。     

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

基于GA的雷达辐射源识别自学习算法研究

文章针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于GA（GeneticAlgorithm）的自学习算法,实现雷达辐射源智能识别。仿真结果表明：在使用相同的特征参数“前件”条件下,通过这种自学习方法得到的正确识别率高于其他识别方法。     

非线性时间序列在卫星通信网络数据预测中的研究

卫星通信网络数据预测在卫星通信系统中起着重要的作用,是系统建模的主要研究内容之一。由于卫星通信网络数据的非平稳性和不可预知因素的影响,决定了应采用非线性时间序列建模方法来分析、预测。在分析通信网络数据的基础上,建立卫星通信网络数据的ARIMA模型,在确定预测模型的阶和进行参数估计后,给出不同预测步数条件下的通信网络数据流量的预测,并进行了仿真对比实验。仿真结果表明,该模型在预测步数较小的情况下,预测误差在4％左右,具有良好的预测精度,为卫星通信网络数据流量的预测、异常检测和网络负载预测的应用奠定了坚实的基础。     

航空发动机鲁棒线性变参数滤波器设计

针对航空发动机线性变参数(LPV)模型部件性能参数估计问题,给出了一种新的鲁棒LPV滤波器设计方法。基于参数依赖的二次Lyapunov函数及仿射二次稳定性概念得到了稳定且满足H∞性能指标滤波器存在的充分条件,利用函数多凸性概念将其转化为线性矩阵不等式(LMI)约束下的常规凸优化问题,得到了滤波器的解。针对某型退化涡扇发动机部件性能参数估计的仿真结果表明,该滤波器的精度和鲁棒性满足设计要求。     

基于脉冲包络前沿波形的雷达辐射源个体识别

提出了以脉冲包络前沿波形作为辐射源的“指纹”进行雷达辐射源个体识别的思路。首先将提取出的已知雷达脉冲包络前沿波形进行统计,求出一条能代表雷达辐射源的“标准”前沿波形曲线,然后将被测雷达脉冲包络前沿波形与求出的“标准”前沿波形曲线进行相像程度比较,识别出雷达辐射源个体。理论分析和实验结果表明利用雷达脉冲包络前沿波形可以较好地进行辐射源个体识别。     

SPATIAL REGULARIZATION OF CANONICAL CORRELATION ANALYSIS FOR LOW-RESOLUTION FACE RECOGNITION

Canonical correlation analysis ( CCA ) based methods for low-resolution ( LR ) face recognition involve face images with different resolutions ( or multi-resolutions ), i.e.LR and high-resolution ( HR ) .For single-resolution face recognition , researchers have shown that utilizing spatial information is beneficial to improving the recognition accuracy , mainly because the pixels of each face are not independent but spatially correlated.However , for a multi-resolution scenario , there are no related works.Therefore , a method named spatial regularization of canonical correlation analysis ( SRCCA ) is developed for LR face recognition to improve the performance of CCA by the regularization utilizing spatial information of different resolution faces.Furthermore , the impact of LR and HR spatial regularization terms on LR face recognition is analyzed through experiments.