基于刚体弹道模型的防空火控解算方法

为改善火控系统的通用性和实时性,提出了基于刚体弹道模型的防空火控解算方法。对目标量测信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦,在对目标状态准确估计同时,降低滤波算法计算的复杂度;利用割弦迭代法计算出命中点坐标,并在每次迭代过程中,利用虚拟脱靶量对射击诸元进行修正,减少对弹道微分方程的计算次数,极大提高火控解算的求解速度。仿真实验结果表明,该方法有效和可行,可以更加精确地计算出射击诸元,且计算量相对于传统火控解算方法得到了显著改善。     

基于局部自回归模型的压缩感知视频图像递归重建算法

 结合预估和残差补偿的递归重建算法是一种有效的压缩感知视频图像重建算法.针对现有算法中'预估’精度不高的问题,本文基于视频序列中相邻图像的内容相似性和单幅图像的非局部自相似性,分析了相邻图像局部图像块的相似匹配性,并以此作为视频图像的相关性先验,提出了一种基于局部自回归模型的图像预估重建算法.预估算法中当前图像像素点的自回归参数由参考图像中相似图像块的灰度信息通过学习获得.实验结果表明,与同类算法相比,本文预估算法所对应的递归重建算法可获得更高质量的视频图像重建结果.     

基于Creator和OpenGVS的三维仿真软件的开发

采用虚拟现实建模软件Multigen Creator进行视景建模,视景管理软件OpenGVS来实现场景驱动,构建了一个比较完整和逼真的三维仿真实验系统,并介绍了用OpenGVS来作为实时场景三维动画的驱动来开发仿真软件中需要解决的几个关键问题,包括目标的建模、视点的选取,碰撞的检测,以及爆炸效果的产生.这些技术的运用使得软件仿真的效果更加逼真.     

多成分正则化约束的断层图像重建算法

压缩感知理论为低采样率下稀疏性信号的高质量重建提供理论基础和广泛的应用前景,然而现有大部分研究通常假设原始图像是分段光滑的,不适用于纹理丰富的图像。基于多成分分析理论将原始图像分为卡通和纹理两部分,并且利用各成分在不同变换下稀疏的性质,提出一种多成分正则化的断层图像重建模型。采用分裂Bregman方法将多正则项解耦合,分解成最小二乘问题和去噪问题求解,提出该模型的交替迭代算法。对MRI和CT图像进行仿真实验,并同新近的多种算法进行比较。实验结果表明,该模型能够较好地保持图像纹理等中小尺度信息,收敛速度快。     

玫瑰线和普通旋轮线的逐点生成算法

给出了快速绘制玫瑰线和普通旋轮线的逐点算法。基于曲线表达式的特点，算法将玫瑰线和普通旋轮线的点坐标迭代关系转化为几个简单迭代关系的线性组合。迭代过程中避免了三角函数的运算，每步仅需4次（玫瑰线）或两次（摆线）乘法。算法的绘制误差不超过√2／2像素。     

形态成分正则化约束的图像恢复方法

如何设计能够保持图像纹理等小尺度结构特征的图像恢复方法是目前该领域有待解决的难点问题。由于自然图像往往包含卡通（平滑、边缘）、纹理等多种形态结构成分,很难找到单一有效的正则项对整幅图像进行约束。因此将各形态成分分开处理,建立多形态成分正则化的图像恢复最优化模型。采用交替最小化策略,对相应的多变量优化问题进行数值求解,每一子问题采用TwIST算法进行快速求解。仿真实验结果显示与min-TV和min-l1方法相比,形态成分正则化方法可以较好地保持恢复图像的整体视觉效果及纹理等小尺度结构特征。     

优化加权TV的复合正则化压缩感知图像重建

目的：压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题,本文提出了一种基于优化加权全变差（Total Variation, TV）的复合正则化压缩感知图像重建模型。方法：提出的重建模型是以TV正则化模型为基础的。首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,本文引入图像的梯度信息估计权重,构建加权TV的重建模型。其次,利用全变差去噪（Rudin–Osher–Fatemi,ROF）模型对权重进行优化估计,从而减少计算权重时受噪声的影响。再次,本文将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型,得到优化加权TV的复合正则化重建模型。最后,结合投影法和算子分裂法对优化模型求解。结果：针对自然图像的不同特性,本文使用复合正则化先验进行建模,实验表明上述重建问题通过我们的方法得到了很好的解决,加权TV正则化先验使得图像的平坦区域和强边重建较好,而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。结论：本文提出了一种新的复合正则化压缩感知重建模型。与其它基于TV正则化的重建模型相比,实验结果表明本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。     

变分贝叶斯概率数据关联算法

针对杂波环境下的目标跟踪问题, 提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA). 该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模, 随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数, 最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数. 相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数. 相关仿真实验对提出算法的有效性进行了验证.