二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。     

SLAM问题中的自适应序贯数据关联

基于马氏距离的最近邻数据关联算法目前在SLAM中得到了广泛应用.通常假设关联对之间的马氏距离服从卡方分布,并根据设定的置信度来选择固定的数据关联阈值.但是通过使用真值运算的SLAM仿真证明关联对之间的马氏距离并非严格服从卡方分布,而是受路标分布、过程和观测噪声以及运动控制量大小的影响.对此提出利用观测数据和移动机器人状态等信息,通过虚拟关联来自适应地调整阅值的方法,并采用序贯关联方法防止路标丢失和增广滞后.仿真表明该方法可以很好地适应环境和噪声的变化,有效地防止虚假路标并降低观测丢弃率.     

自校正解耦信息融合Wiener状态预报器

对含未知噪声方差阵的多传感器系统,用现代时间序列分析方法,基于滑动平均新息模型的在线辨识和求解相关函数矩阵方程组,可得到白噪声方差阵的在线估值器。在按状态分量标量加权线性最小方差最优信息融合准则下,提出了一种自校正解耦信息融合Wiener状态预报器,实现了状态分量的自校正解耦局部Wiener预报器和自校正解耦融合Wiener预报器。用动态误差系统稳定性分析方法证明了该预报器的收敛性,即若滑动平均新息模型参数估计是一致的,将收敛于噪声方差阵已知时的最优解耦信息融合Wiener状态预报器。一个带三传感器的目标跟踪系统的仿真例子说明了其有效性。     

条件线性高斯模型的Gauss Hermite filter-Kalman filter算法

针对条件线性高斯状态空间模型,提出了高斯厄密特滤波-卡尔曼滤波(Gauss Hermite filter-Kalmanfilter,GHF-KF)滤波算法。算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,由GHF获得非线性状态的估计;再将非线性状态的估计均值代入线性状态方程与观测方程,由KF获得线性状态的估计;获得的非线性状态估计方差还用于修正由KF估计的线性状态,以提高精度。将GHF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器RBPF相比,新方法在保证估计精度的同时,明显提高了实时性,计算时间仅约为RBPF的5%。     

机会约束下的均值-VaR组合投资问题

结合均值一方差模型和机会约束模型提出在允许卖空时的机会约束下的均值-VaB模型，它是以期望收益率与置信水平为导向的．在假设投资收益率服从正态分布的条件下，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并用Matlab语言给出求解程序，最后举例予以说明并验证了两个重要结论．     

CEV模型下考虑风险相关性的保险组合时间一致性投资策略

在均值方差准则下研究了保险组合的时间一致投资策略。假定风险资产价格服从不变弹性方差（CEV）模型,保险盈余过程为扩散近似模型。考虑到金融市场和保险市场的不完全风险相关性,假设驱动CEV模型的布朗运动和驱动盈余过程的布朗运动存在部分相关。通过求解问题对应的扩展哈密顿-雅克比-贝尔曼(HJB)方程组,得到了值函数和最优时间一致投资策略的显式解。结果表明,考虑风险相关性后均值方差保险组合选择问题等价于一个普通组合选择问题加上一个保险组合的最优时间一致对冲问题;忽视风险相关性将对风险厌恶型投资者的福利造成显著的损失。     

有色观测噪声下的多变量设置调整策略

针对存在初始设置偏差的离散的多变量生产制造过程，研究了观测噪声服从Auto-Rgressive （AR）模型的情况下，考虑调整花费成本为二次型函数时的设置调整问题，在建立过程状态空间方程的基础上，利用卡尔曼滤波方法在线估计过程的状态变量，根据随机二次型最优控制理论，得到了使过程质量损失最小的最优调整策略. 通过算例解释了最优调整策略的实现方法，并进行了仿真验证，结果表明，得到的调整策略与观测噪声为白噪声时的质量调整策略相比，能更好地减少过程总体质量损失.     

融合先验加速退化与外场退化信息的可靠性评估方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合同类产品加速退化试验(accelerated degradation test, ADT)信息与个体外场退化信息的可靠性评估方法。考虑到内、外场应力环境之间的差异,提出了基于修正系数的Wiener过程双参数修正模型;分别建立了步进ADT数据模型与外场退化数据模型,得到各应力下分布参数估计值;利用加速因子,将各加速应力下分布参数估计值折算到正常工作应力下,构成未知参数先验分布的数据样本;采用CvM检验法,确定未知参数最优先验分布类型及其超参数估计值;构建了外场退化数据下未知参数的后验分布函数,采用马尔可夫蒙特卡罗方法,得到参数的后验分布均值。通过实例分析验证了所提方法的正确性和实用性,结果表明,本方法可有效处理先验ADT信息与外场退化信息之间的融合评估问题。     

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。     

基于自适应SSUKF的组合导航信息融合方法

针对车载组合导航系统噪声统计特性无法事先实时获取的问题,提出了一种神经网络辅助的自适应SSUKF信息融合算法.该算法利用神经网络在线估计系统噪声,采用SSUKF同时估计系统状态和在线训练神经网络的权值,从而能在系统噪声统计特性未知的情况下获得组合导航系统的实时最优估计,给出了算法的详细实现过程.最后,针对车载INS/GPS组合导航系统的信息融合问题进行了仿真研究.仿真结果表明,该算法在系统噪声统计特性未知的情况下仍能获得高精度的估计效果,同时与自适应UKF算法相比,有效降低了算法的计算量,提高了算法运行的实时性,证明了该算法是一种有效而实用的方法.     

基于贝叶斯估计噪声相关下的CKF设计

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)要求系统噪声和量测噪声必须互不相关的局限性,提出了一种带相关噪声的非线性离散系统CKF设计方法。基于贝叶斯估计准则,给出了系统噪声和量测噪声相关时CKF滤波递推公式,并采用三阶球面-相径容积规则来近似计算系统状态的后验均值和协方差。当系统噪声和量测噪声相关时,常规CKF不适用,本文设计的噪声相关下的CKF可以有效地对状态进行估计,拓展了CKF的应用范围。数值仿真验证了算法的有效性。     

恒虚警检测信源数的方法

提出了一种恒虚警检测信源数的方法,该方法通过定义一个由观测协方差矩阵相邻特征值之差统计量构成的五维矢量序列,并利用K均值(K-means)聚类算法将所定义的五维矢量序列分成两类,且视为信号和噪声子空间.当将噪声予空间所对应的特征值序列描述成一个统计分布,并通过期望最大(expectation maximization,...     

State Fusion Estimation for Multilevel Multisensor System

Based on the single sensor Kalman filtering equations, this paper presents two-level and three-level optimal centralized and distributed estimation algorithms for hierarchical multisensor systems. The solution shows that when the correlated matrix, the mean of noise, the control input, and the measurement error are all zero, the result in this paper turns out to be the standard algorithm discussed. Simulation shows that the mean of noise, the control input, and the measurement error will not change the estimation covariance and the estimation covariance fluctuates greatly when the cross-correlated matrix is similar to the covariance of process noise.     

基于VB近似的自适应δ-GLMB滤波算法

目前,基于δ-扩展标签多伯努利(δ-generalized labeled multi-Bernoulli, δ-GLMB)滤波器的多目标跟踪方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对上述问题,提出一种基于变分贝叶斯(variational Bayesian, VB)近似的自适应δ-GLMB滤波算法。该算法以δ-GLMB滤波器为基础,利用逆威沙特和高斯乘积混合分布近似量测噪声协方差和多目标状态联合后验分布,通过VB近似技术推导滤波迭代。仿真结果表明,所提算法对于线性未知量测噪声协方差场景具有很强的多目标跟踪鲁棒性,在有效估计量测噪声协方差的同时实现准确的目标数和目标状态估计。     

基于归一化空间符号函数的鲁棒波达角估计

提出了一种适用于任意未知统计特性的脉冲噪声环境下的波达角估计算法。算法扩展了非参数统计中的空间符号和秩的概念,采用归一化的空间符号函数来构造阵列协方差矩阵,然后根据子空间算法进行测向。从理论上证明了归一化的空间符号协方差矩阵用于波达角估计的可行性,为该算法的进一步推广奠定了基础。计算机仿真结果表明,该算法在任意脉冲噪声环境中表现出良好的鲁棒性,而且对阵列增益和相位噪声不敏感。     

基于高斯过程回归的平方根UPF算法

针对系统动力学模型不准确可能导致滤波精度下降,以及系统状态协方差阵可能出现的负定性问题,提出一种新的高斯过程回归平方根分解无迹粒子滤波(Gaussian process regression square-root decomposition unscented particle filter,GPSR-UPF)算法。在该算法中,采用高斯过程回归求取UPF的重要性密度函数。当系统模型不准确时,通过高斯过程回归学习训练数据,进而获取系统的回归模型及系统噪声协方差,同时引入平方根变换抑制系统状态协方差阵的负定性。将提出的GPSR- UPF算法应用到捷联惯导/全球定位系统(strapdown inertial navigation system / global positioning system, SINS/GPS)组合导航系统中进行仿真验证。结果表明,所提出滤波算法的性能优于基本的无迹粒子滤波算法,能提高组合导航系统的解算精度。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。     

一般性广义噪声协方差矩阵自适应迭代谱估计

分析了非参数化谱估计方法,分析表明,它们所解决的优化问题都是加权最小二乘（weighted least square, WLS）,不同在于如何估计广义噪声协方差矩阵来构建加权矩阵。基于统一框架,提出了一种能同时估计信号频谱和观测噪声的自适应迭代非参数谱估计方法。该方法在每一次迭代时都利用上一次估计结果来逐步逼近真实的广义噪声协方差矩阵。分析和仿真表明,本文方法具有分辨率高,谱泄漏抑制好,并能增强信号协方差矩阵的可逆性和频谱范围选择的随意性等特点。     

联合高斯回归的平方根UKF方法

针对传统的滤波方法容易受系统动态模型不确定性和噪声协方差不准确的限制这一问题,提出一种将高斯过程回归融入平方根不敏卡尔曼滤波（unscented Kalam filter,UKF）算法中的滤波算法。该算法用高斯过程对训练数据进行学习,得到动态系统的回归模型及系统噪声的协方差;采用标准的平方根UKF算法,状态方程和观测方程,相应的噪声协方差由高斯过程实时自适应调整。将应用于飞行器SINS/GPS组合导航,结果表明,该方法能够自适应系统噪声,收敛速度快,导航精度高。