多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

基于UKDE和XGBoost的航班过站时间动态预测

为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计（Unbiased kernel density estimation, UKDE）和极端梯度提升决策树（Extreme gradient boosting, XGBoost）模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群（Quantum particle swarm optimization, QPSO）法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明：本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林（Random forest, RF）、粒子群（Particle swarm optimization, PSO）-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误...     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

频率样条插值密度估计

频率多边形是一种制作简单、收敛速度较快的总体分布密度估计,文章从插值的角度改进了这种估计,得到一种具有二阶光滑度的密度估计--频率样条插值估计.数据模拟实验表明:频率样条估计具有与核密度估计同阶的收敛速度,且减轻了核密度估计的边界偏倚问题.     

航空发动机后向RCS统计特性分析方法

为解决采用传统固定带宽核密度估计方法分析雷达散射截面（RCS）统计特性时精度低的问题,设计了K最近邻法计算Epanechnikov核密度估计的动态窗宽。以每个相邻样本的欧氏距离判断样本局部密度,通过样本点与最近邻的距离来调整核函数的窗宽以完成核密度估计,并将其用于发动机后向RCS的统计特性分析。采用改进的Epanechnikov核密度估计与传统核密度估计,对服从固定分布的4种RCS随机样本点的累积概率密度函数进行拟合,以验证算法的精度。结果表明：改进的Epanechnikov核密度估计的均方根误差比传统核密度估计的分别减小31.2%、38.8%、38.1%、31.9%。结合第2代RCS统计特性分析模型,以Kolmogorov-Smirnov拟合精度检验为拟合指标,应用改进的Epanechnikov核密度估计计算发动机后向RCS的统计特性并对其规律进行分析可知,对数正态分布更符合C波段和X波段的HH和VV极化的统计特性分布;卡方分布更符合C波段以及Ku波段的HV和VH极化;威布尔分布更符合X波段的HV、VH极化以及Ku波段的HH、VV极化。     

基于小波域的图像椒盐噪声密度估计

提出一种基于小波域的椒盐噪声密度估计方法.利用图像信号在小波域的系数具有稳定近似的分布,以及噪声对小波系数影响的特点,定量地分析了含噪图像的系数幅值直方图与原始图像的系数幅值直方图之间的偏离程度随噪声密度的变化规律,揭示这种变化关系对图像具有强的鲁棒性,从而利用这种关系对噪声进行估计.仿真结果表明,相对于目前方法,提出算法性能更佳,能够获得更准确的估计值和更小的估计偏差.     

基于树形马氏链模型的可靠性分析方法

复杂系统的极限状态函数非线性程度较高，在进行可靠性分析时，易导致失效概率的计算误差大、效率低，针对上述问题，提出了树形马氏链（TMC）算法和基于该算法的可靠性分析方法。树形马氏链是对原始马尔可夫链的改进，其状态转移过程更加灵活，具备局部多链并行和自适应探索失效域边界的特性。树形马氏链通过多候选状态点扩大对失效域信息的收集，生成能充分反映失效分布特征的样本，对该样本进行自适应核密度估计得到近似最优的重要抽样分布密度函数，从而提高计算结果的准确度。文末的数值算例和工程算例验证了算法性能，计算结果表明算法对设计点、抽样起点的位置不敏感，处理强非线性及复杂串联系统问题时，能在少样本量下得到相对高准确度的计算结果，且在样本量改变时，计算结果相对稳定可靠；工程算例给出了所提方法在实际问题下的效率，体现了所提方法的工程应用价值。     

基于核密度估计算法的飞机载荷谱统计技术

受到实际条件限制,现阶段的飞机载荷谱实测均采取小子样实测方法,小子样实测数据是取自真实母体的一个简单样本,很难保证数据的充分性、完整性.传统的均值统计法无法对数据缺陷进行弥补.为了克服小子样数据不足问题,将核密度估计技术用于载荷谱统计,取得了良好效果.介绍了核密度估计的相关理论基础,并以某型机下沉速度谱的统计为例,详细介绍了将核密度估计方法用于载荷谱统计的数学过程.结果显示:核密度估计方法对还原载荷谱原貌、补充小子样数据的不足问题具有良好作用.