多步历史估计信息反馈多模型融合方法

针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.

基于互信息估计和SVM的输油管道电耗预测研究

为了提高输油管道运行电耗的预测准确度,给生产调度和节能开泵方案提供实际指导。以某油田两条输油管道为例,在收集原始数据的基础上,根据水力学原理对变量进行扩充,得到更多与管道电耗相关的特征,再利用K近邻互信息估计对变量进行特征选择,最后通过支持向量机(SVM)实现小样本信息的回归预测。结果表明,影响管道电耗的因素依次为日输量、雷诺数、进出站压差、出站压力、进站压力等,特征选择结果较皮尔逊相关系数法相比,更为合理、可信;对比了多种模型的预测效果,管道A和管道B分布在5#模型和4#模型上的相对误差范围最小,模型的泛化能力最强;管道A每月可节约电耗0.26×10^(4)~0.67×10^(4)kWh,管道B每月可节约电耗0.14×10^(4)kWh。

基于互信息自适应估计的说话人确认方法

为了更准确地度量特征间的关系,提出了一种基于互信息自适应估计的目标函数表示方法。将具有自适应特性的度量方法引入到目标函数中,该目标函数以最大化类内相似度、最小化类间相似度为目标,并能根据深层特征的真实分布情况对相似度进行动态的调整,从而使深度神经网络朝着区分性更强的方向进行优化。此自适应度量方式还被用于特征筛选,其能够根据特征的特点进行有针对性的参数更新,使得选取的特征具有典型性,提升目标函数对于深度神经网络优化方向的指导能力。实验结果表明,相比于其他深度神经网络方法,该方法的相对等错误率最多降低了28%,显著提升了说话人确认系统的性能。

基于链路信息估计的低轨卫星网络传输控制协议

近年来,低轨卫星星座快速发展,其在军事和民用领域也将发挥越来越重要的作用.如何提高低轨卫星网络的带宽利用率成为保障低轨卫星星座发挥价值的重要研究方向.而传统TCP(Transmission Control Protocol)协议及其变种主要针对地面网络设计,难以适应长往返时延、高误码率、高动态变化的低轨卫星网络.因此,为了充分利用低轨卫星网络的带宽资源,承载高速率业务,需要针对卫星网络的特点设计新型传输控制协议.首先,分析了低轨卫星网络的特点以及现有传输控制协议在卫星网络中存在的问题;然后,提出了基于路径信息估计和时延区分的新型拥塞控制DDTCP(delay-differentiated TCP)算法.低轨卫星网络端到端时延可能由多种因素引起,DDTCP在源端会保存过去一段时间内的时延信息,进而通过路径时延区分机制对拥塞窗口演化进行分类处理,可以在网络状况发生突变后,快速设置合理的拥塞窗口,避免链路缓存溢出或吞吐下降.实验结果表明,新的传输控制协议DDTCP可以在低轨卫星网络中实现更高、更稳定的吞吐量,与传统拥塞控制算法相比,吞吐量提升19%以上.

面向识别的人脸三维信息估计

三维人脸识别相较当前流行的二维人脸识别具有识别精度高、防伪强度高的优势,代表了人脸识别的发展方向。因三维人脸的采集成本高昂,目前三维人脸识别无法像二维人脸识别方法那样直接借助海量人脸数据建立、优化识别算法。如何准确、高效地获取三维人脸的增广训练数据是推动三维人脸识别应用发展中最为迫切的问题。当前学术界的大量文献主要聚焦在如何得到更好的三维人脸重建可视化效果,而没有对后续的识别任务多加考虑,以至于用这些重建图像训练的三维人脸识别算法难以达到令人满意的效果。针对这一问题,提出一种面向识别的人脸三维信息估计方法。与一般方法不同,该方法直接在信息估计与后续识别之间建立互动桥梁:在人脸三维信息估计的训练过程中直接借助相应的识别网络来督促提高三维人脸信息的估计效果。为此,先构造一种三维人脸信息表示——深度-表面法向量图(DN图),然后通过真实三维数据集训练一个人脸CycleGAN模型,该模型用以学习一种从二维人脸到DN图的保留身份信息的映射并用U-Net网络的形式对其进行表示。在5个数据集上与其他方法进行了比较实验,其中在ND-2006数据集中的提升尤为显著,提高31.8%。此外,进行了数据增广下性能提升的对比实验,在同样条件下做数据增广,基于人脸CycleGAN的增广方法性能上的提升更加明显,在CASIA 3D数据集上的提高幅度达14.9%。

不完全信息Epsilon纳什均衡的航天器末端追逃博弈策略

针对不完全信息下的航天器末端追逃问题,提出了一种满足Epsilon纳什均衡的微分博弈控制策略。首先,建立了完全信息下的有限时间追逃纳什均衡策略对,并将其作为目标航天器实际采取的控制策略,使目标航天器掌握博弈进程的完全信息,进而获得更好的逃逸性能。在此基础上,考虑拦截航天器不能获取目标控制矩阵信息的态势,设计了基于广义卡尔曼滤波的行为学习信息估计算法,使拦截器能够对目标的不完全信息进行估计,并提出了不完全信息下的末端追逃博弈控制策略。经过理论分析,证明了所设计的不完全信息下微分博弈策略对满足Epsilon纳什均衡。最后,仿真结果表明该算法可以有效估计目标的不完全信息,确保拦截器能够在有限时间内快速拦截目标。

利用信息瓶颈的多模态情感分析

在多模态情感分析领域,之前的研究主要集中在如何针对不同模态的信息进行交互融合。然而基于各种复杂的融合策略会使得生成的多模态表示向量不可避免地携带大量与下游任务无关的噪声信息,这会导致较高的过拟合风险,并且影响高质量预测结果的生成。为解决上述问题,根据信息瓶颈理论,设计了包含两个互信息估计器的互信息估计模块,旨在优化多模态表示向量与真实标签之间的互信息下界,同时最小化多模态表示向量与输入数据之间的互信息,以达到寻找一种简洁的、具有较好预测能力的多模态表示向量。利用MOSI、MOSEI和CH-SIMS数据集进行对比实验,结果表明提出的方法是富有成效的。

语音信号互信息估计的非线性搜索算法及识别应用

基于互信息理论的语音识别方法不仅考虑了语音信号的时变分布特征，并且考虑了语音信号的统计分布特征，能有效地提高同类模式的凝聚度，减少非同类模式间的耦合性，在语音识别实验和实际应用中反映出良好的识别精度和很高的运行效率，与其它方法相比更适合嵌入式系统的语音识别应用。本文提出了一种互信息估计的非线性搜索算法，这一算法能够有效地处理语音信号时变分布特征的非线性波动，进一步提高语音模式互信息匹配的精度。

论信息扩散估计的窗宽

文献 [1]、[2 ]从理论和实践上证明了信息扩散估计是一种很好的估计。但寻找更合适的窗宽 ,是扩散估计的最大难题之一 ,也是影响扩散估计精度的最关键因素之一。在深入讨论信息扩散估计的基本大样本性质的基础上 ,提出了最优窗宽的理论和算法 ,较圆满地解决了窗宽问题。

基于信息损失量估计的匿名图构造方法

首先分析了在进化的社会网络序列中,攻击者利用节点度信息,通过识别目标节点的方法对局部社会网络进行攻击过程,分析了利用k匿名方法对该类攻击进行隐私保护时存在的信息损失问题,针对该问题,提出了一种基于信息损失量估计的k匿名图流构造方法,通过子图节点属性泛化、子图内部结构的泛化控制图重构的信息损失,通过禁止子图内部扰动阻止网络攻击。定义匿名过程中由于图重构造成的节点和结构信息损失的估算方法,建立了基于贪婪聚类算法的网络节点的k匿名聚类算法,根据信息损失估计实现匿名分组,在进化的社会网络中以最小信息损失量构造匿名社会网络,在医疗诊断数据集上的实验表明所提方法能够较理想地控制信息损失量。

基于双PN周期的短码DS-SS信号扩频波形及信息序列盲估计方法

针对短码DS-SS信号盲解扩,研究了DS-SS信号的扩频波形及信息序列盲估计问题,提出一种基于双PN周期分解的扩频波形与信息序列联合盲估计算法,该算法在低信噪比条件下同时完成扩频波形和信息序列的估计,计算量小,且避免传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题,提高了盲估计的正确率。最后仿真验证了算法的有效性。

大坝监测数据分析中信息扩散估计的应用

首先介绍信息扩散估计的理论和方法,然后对受到粗差污染的大坝观测数据,应用信息扩散估计方法进行线性模型的参数估计。应用示例表明,信息扩散估计与传统的最小二乘法相比具有较好的抗差性,应用于大坝观测数据的分析,具有一定的实用性和合理性。

基于直线稀疏光流场的微小型无人机姿态信息估计方法研究

针对无人飞行器视觉导航系统的需求,提出一种基于直线稀疏光流场的微小型无人机姿态信息估计方法。研究了图像直线稀疏光流场的概念,并推导出该种稀疏光流场的计算方法;在直线稀疏光流场的基础上,建立了地平线投影模型,并提出一种基于直线稀疏光流场的飞行器俯仰角速度、滚转角速度和偏航角速度等姿态信息的估计方法;分别使用文中提出的直线稀疏光流场的计算方法和Horn算法对一组测试图像进行数值仿真,仿真结果显示在图像边缘附近,直线稀疏光流场的计算方法与经典的Horn算法具有相近的精度,但时间开销减小到后者的6%;使用无人机航拍图像序列对于基于直线稀疏光流场的飞行器姿态信息算法进行离线仿真,并对比同时搭载的角速度陀螺的测量结果,结果显示,使用文中所述的基于直线稀疏光流场的无人机姿态提取方法可以估计飞行器的俯仰、偏航、滚转三通道角速度信息,其最大绝对估计误差除滚转通道小于±10°/s外,其余两通道均小于±5°/s,并对于误差产生的原因进行了进一步讨论。

多参数信息扩散估计的精度评定

作为一种稳健估计方法,同选权迭代估计一样,信息扩散估计也是通过对粗差观测值降权达到抗差效果,由于不需迭代,信息扩散得到的权就相当于迭代稳定后的权。在此思想基础上,讨论高斯-马尔柯夫模型下多参数信息扩散估计的精度评定方法。

适用于高斯-马尔柯夫模型的信息扩散估计及其性能

基于信息扩散原理的估计方法 ,从一维推广到多维 ,提出了适用于高斯 -马尔柯夫模型 (G- M模型 )的信息扩散估计方法 (Information Spread Estimation- ISE)。并对其性能作了大量模拟试验研究 ,可以认为采用 ISE法消除了实际观测误差分布偏离假定分布的风险 ,抗差性能优越 ,并且不须迭代 ,从而较为成功地实现了信息扩散原理在测量数据处理中的应用。

基于Fast-ICA同、异步系统短码CDMA信号扩频序列与信息序列盲估计

本文通过分析短码CDMA信号特性,将接收信号以间隔2倍扩频周期、重叠1倍扩频周期的时间窗进行分割,建模CDMA系统与线性混合的盲源分离模型一致,使建立的CDMA模型同时适用于同、异步系统.利用盲源分离方法,实现了同步系统、异步系统失步时间未知和已知条件下,各用户等功率或非等功率时,扩频序列与信息序列的盲估计.理论分析和仿真结果验证了本文方法的有效性.

最优信息扩散估计理论及其应用

介绍了最优窗宽和最优扩散函数的理论,提出了最优信息扩散估计(OptimalInformationdiffusionEstimation,OIDE)的概念。由于OIDE在参数估计之前就估计出了具体的观测值的实际分布,所以不论观测值服从什么分布,它都能得到良好的参数估值。可见,OIDE是一种智能型的参数估计方法。最后,本文扼要介绍了最优信息扩散估计在测量数据处理中的诸多应用,并指出进一步的研究方向。

基于空间分布的混凝土坝变形缺失信息估计方法

混凝土坝变形监测数据是典型的时空数据,但是在工程实际中由于种种原因,一些测点的变形序列往往会出现遗漏、缺失等问题,为分析这些测点的变形情况带来了不便。从混凝土坝结构的整体性出发,基于数据缺失测点空间邻近的数据完整测点的变形序列,对其缺失段进行建模和估计,提出了空间邻近点回归插值法和空间反距离加权插值法。工程实例验证表明,提出的缺失信息估计方法操作简单明了,且具有较高的估计精度。

基于奇异值分解的直扩信号伪码序列及信息序列盲估计方法

针对非合作扩频通信中直扩信号伪码序列的盲估计问题,在已知码片速率和伪码周期的前提下,该文提出一种基于奇异值分解的直扩信号伪码序列及信息序列的盲估计方法。该方法对接收信号构成的观测矩阵进行奇异值分解,通过左奇异向量实现伪码序列估计的盲估计。同时,通过右奇异向量可以在信号序列未同步和伪码序列未知的情况下实现信息序列的盲估计。仿真实验结果表明该算法具有精确度高、稳定性高、计算量小和观测时间短等优点。

基于信息扩散估计的平面相似变换

避开传统的利用最小二乘法解算平面相似变换模型参数的方法,利用信息扩散估计来解算平面相似变换模型参数,从而建立起基于信息扩散估计的平面相似变换模型。分析了使用信息扩散估计定权可能性、探讨了模型参数解算方法及建模过程,最后以小东江GPS变形监测网的平面相似变换模型优化设计为实例,分析了基于信息扩散估计的平面相似变换模型的最优化过程并验证该模型的可靠性。