基于条件期望最大化的断裂航迹粘连

目标机动容易导致雷达MTI航迹断裂、航迹连续性差,目标密集情况下,甚至可能导致目标数目的误判,这对态势评估及战术决策非常不利。提出一种新颖的ESM辅助下的MTI转弯机动目标航迹粘连算法,综合使用ESM属性信息和MTI位置信息,基于条件期望最大化(ECM)框架实现状态估计、机动起始终结时刻辨识和转弯角速率的联合优化。仿真结果表明,引入ESM信息可以减少断裂航迹数量、提升航迹连续性15%以上。

基于混合最小二乘支持向量机网络模型的非线性系统辨识

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.

非线性异方差分层模型及其参数估计

提出了一类非线性异方差分层模型,研究了其固定效应和方差分量的极大似然估计问题.主要采用了期望条件最大化算法(Expectation Conditional Maximization Algorithm)和蒙特卡罗积分法(Monte-Carlo integration method).对于随机效应和模型误差的方差-协方差矩阵,本文既考虑了一般的非结构化形式,也考虑了诸如自回归(AR(1))和复合对称等的结构化形式.仿真模拟的结果显示本文提出的模型及参数估计方法表现良好.此外,本文还将该类模型和估计方法应用到中国官方经济数据上,得到了一些有意义的结论.

基于图像的火焰检测算法

在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命(RUL)预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化(ECM)算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。