Detection method of forward-scatter signal based on Rényi entropy

The application scope of the forward scatter radar(FSR)based on the Global Navigation Satellite System(GNSS)can be expanded by improving the detection capability.Firstly,the forward-scatter signal model when the target crosses the baseline is constructed.Then,the detection method of the for-ward-scatter signal based on the Rényi entropy of time-fre-quency distribution is proposed and the detection performance with different time-frequency distributions is compared.Simula-tion results show that the method based on the smooth pseudo Wigner-Ville distribution(SPWVD)can achieve the best perfor-mance.Next,combined with the geometry of FSR,the influence on detection performance of the relative distance between the target and the baseline is analyzed.Finally,the proposed method is validated by the anechoic chamber measurements and the results show that the detection ability has a 10 dB improvement compared with the common constant false alarm rate(CFAR)detection.

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.

采用Rényi多样性曲线法评价昆嵛山林下灌草层多样性排序效果

采用Rényi多样性曲线对昆嵛山不同林分类型和不同立地特征所代表的林下灌草层多样性进行排序,评价其应用效果。结果表明,物种累计曲线分析显示实际采到的物种占全部物种数(估计值(ACE)=131.26)的92.9%,表明抽样充分。方差分析表明,除了不同林分类型的Shannon指数(F=4.665,p=0.002)和Simpson指数(F=2.465,p=0.044)有显著差异外,不同海拔、坡位、坡度以及土壤厚度的灌草多样性各个指标,如物种丰富度、Shannon多样性指数、Simpson多样性指数等均无显著差异。Rényi多样性曲线排序明确显示针叶树-杂木林和阔叶林林下灌草层多样性较其他5种林分类型(黑松林、赤松林、赤松-黑松混交林、日本落叶松/刺杉、针叶树-麻栎林)的高,而这5种林分的灌草层多样性曲线相互交错。从立地条件来看,低海拔(<200 m)、下坡位、缓坡(坡度0°～10°)的灌草多样性明显偏低;土壤厚度>5 cm和土壤厚度在1～3 cm的灌草多样性曲线处于其他3个土壤厚度梯度的下方。因此,Rényi多样性曲线在反映群落多样性指标方面更加直观。

应用Rényi熵的显著图生成与目标探测

为了在复杂的地面场景中实现准确的自动目标检测,分析了地面场景图像经二维加窗的伪Wigner-Ville分布(PWVD)后,归一化的Rényi熵与其出现概率间存在的基于e指数的统计特性,以及人造目标的出现引起的地面场景中Rényi熵的统计特性变化,提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行了均值滤波,然后滤波前后的图像相减得到熵残余图像,并经过高斯滤波获得显著图,最终通过简便的阈值分割,完成目标探测。实验结果表明,该方法对8幅不同场景图像中共计14个目标的探测概率为100%,虚警概率不大于7.1%。与传统方法相比,本文提出的方法能够更为有效地检测复杂地面背景中的军事目标。

密度泛函活性理论中的Rényi熵,Tsallis熵和Onicescu信息能（英文）

根据密度泛函理论,分子的电子密度确定了该体系基态下的所有性质,其中包括结构和反应活性.如何运用电子密度泛函有效地预测分子反应活性仍然是一个有待解决的难题.密度泛函活性理论(DFRT)倾力打造这样一个理论和概念架构,使得运用电子密度以及相关变量准确地预测分子的反应特性成为可能.信息理论方法的香农熵和费舍尔信息就是这样的密度泛函,研究表明,它们均可作为反应活性的有效描述符.本文将在DFRT框架中介绍和引进三个密切相关的描述符,Rényi熵、Tsallis熵和Onicescu信息能.我们准确地计算了它们在一些中性原子和分子中的数值并讨论了它们随电子数量和电子总能量的变化规律.此外,以第二阶Onicescu信息能为例,在分子和分子中的原子两个层面上,系统地考察了其随乙烷二面角旋转的变化模式.这些新慨念的引入将为我们深入洞察和预测分子的结构和反应活性提供额外的描述工具.

基于时频分布Rényi熵特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于时频分布Rényi熵的雷达信号特征提取和识别方法。该方法首先对雷达辐射源信号进行时频变换,然后提取信号时频分布的3阶、7阶和11阶Rényi熵作为特征向量,得到具有维数低、类间差异较大的识别特征。最后采用支持向量机分类器实现信号的分类识别。文中对8种常见雷达信号进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的正确识别率,当信噪比为-3dB时,采用时频分布Rényi熵特征的平均识别率仍能达到90.75%,验证了提出方法的有效性。

基于区域联合Rényi熵的多模医学图像配准

针对医学图像配准对准确性高、鲁棒性强和速度快的要求,本文提出一种新的基于区域联合Rényi熵的多模配准算法.该算法将区域信息融入到联合Rényi熵中,并使用最小生成树来估计区域联合Rényi熵.这样,不仅改善了传统配准方法由于忽略像素空间信息造成的配准鲁棒性的降低,而且避免了使用直方图估计高维熵遇到的"维数灾难"问题.实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有鲁棒性强、速度快的优点.作为一种一般性的配准算法,基于区域联合Rényi熵的配准方法还可以应用到图像配准以外的更广阔的领域,如图像检索、对象识别等.

基于Rényi熵的q-指数分布及其可靠性分析应用

基于最大Rényi熵原理,在归一化和均值约束下,提出了一种具有封闭表达式的双参数广义指数分布,记为q-指数分布。该文研究了该分布的统计性质,指出可以分别利用极大似然法和信息似然法估计q-指数分布参数,并将该分布用于可靠性分析。利用两个已知的数据集进行了验证,实验结果表明,所提出的q-指数分布比其他常用分布,如韦伯分布和线性失效率分布,能够更好地拟合数据集。此外,锂电池剩余寿命估计实验表明,采用q-指数分布比采用传统指数分布,估计精度至少提高17.857%。

基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

基于梯度相似性与Rényi熵图的图像配准算法

图像配准技术是图像处理与分析中的基本任务。针对图像配准对鲁棒性强、准确性高和速度快的要求,文中提出一种基于梯度相似性与Rényi熵图的图像配准算法。该算法首先提取图像特征点集,以Rényi互信息作为目标函数,然后使用特征点集的广义近邻图来估计Rényi熵与互信息,最后将特征点梯度信息融入到配准框架中。新算法结合了特征点梯度信息的鲁棒性和Rényi熵图理论的高效性。在真实遥感图像上进行的配准的实验表明,与传统方法相比,新算法在鲁棒性、速度和准确度上都达到很好的结果,是一种有效的图像配准方法。

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。

基于Rényi熵的铣削过程稳定性预测研究

颤振现象会严重制约铣削加工的质量与效率。为实现无颤振高效铣削,提出了一种基于Rényi熵的铣削过程稳定性时域预测方法。即先用变步长龙格-库塔法求解铣削动力学微分方程,获得振动位移、切削力等时域信号;再计算仿真时域信号的Rényi熵并依据设定的颤振阈值确定给定切削条件的铣削稳定性。将仿真得到的稳定性叶瓣图与颤振验证试验结果进行对比,验证了所提出预测方法的正确性。

Rényi信息在医学超声中的应用

医学超声中的脉冲回波信号是多频率成分的宽带信号,采用时频分析方法可以同时从时域和频域定征信号的发散特性和失真.Choi-William分布的R啨nyi信息可以有效表征超声信号的定量信息,将信号复杂度与组织散射结构联系起来.本文研究了超声射频信号的R啨nyi信息在医学超声领域的应用.结果表明,R啨nyi信息可以反映组织结构的散射特性,R啨nyi差分信息则可以反映组织结构或成分的变化程度,而基于R啨nyi信息的DRI方法则可以获取组织结构非均匀性的先验信息.超声射频信号的R啨nyi信息在超声组织定征和超声弹性成像方面具有良好的应用前景.

基于Rényi熵和提取器的无条件安全秘密钥提取

本文研究通信双方基于Rényi熵和提取器在不安全且非认证的公共信道上实现防主动攻击的无条件安全秘密钥的提取。首先基于Rényi熵讨论了在不安全且非认证的公共信道上根据部分保密的密钥实现认证的方法,然后根据以上方法以抗击敌手在通信双方进行无条件安全秘密钥提取时的主动攻击,得出了通信双方以一定概率所协商的秘密钥的Rényi熵。

基于三阶Rényi熵的核参数优化

在Cohen类时频分布中,为使减小交叉项与保持高的时频聚集性二者之间达到最佳折中,提出了一种基于三阶Rényi熵的核参数优化算法.根据三阶Rényi熵对交叉项的近似不变性,通过搜索三阶Rényi熵随核参数变化曲线下降由快变慢的转折点,可以获得最优核参数.理论分析和仿真结果表明:根据三阶Rényi熵对核参数进行优化,可以使核函数与信号达到最佳匹配,从而得到高性能的时频分布.

基于Rényi信息增量和改进QPSO算法的多传感器协同分配

对防空作战目标识别阶段中的传感器管理问题进行了研究,提出基于Rényi信息增量的多传感器管理调度方案。首先利用D-S证据理论进行融合推理,得出不同目标与不同传感器配对时的Rényi信息增量;然后,建立了基于系统总Rényi信息增量最大化的传感器分配模型,此外,对量子粒子群智能优化(QPSO)算法进行自适应改进,能够对分配模型进行快速求解;最后,通过仿真实验验证了算法的合理性和有效性。

中国R&D资本化核算研究综述

现有研究将研究与开发(R&D)列入固定资产。R&D活动的识别,关键在于区分R&D活动的资本性与消耗性,以确定R&D是中间消耗还是固定资产;R&D资本存量测算方法主要是永续盘存法,分歧在于耐用品与资本服务视角的不同而形成两种不同的核算方法,两种方法体现为R&D资本折旧率、R&D资产价格指数、R&D初始资本存量和R&D支出增长率的不同选择。R&D资本化产出测算与R&D活动的识别相关联,利用R&D支出数据进行R&D产出测算时需作出调整,这种调整对GDP指标产生影响。R&D资本核算下一步的研究方向可能集中于R&D活动的识别、支出分类等方面的规范化、R&D核算方法的细化和R&D统计制度的完善及R&D活动退役效率的剖面细化上。

Rényi多样性指数曲线在评价和监测转基因作物对生物多样性影响中的应用(英文)

【背景】多样性比较是评价转基因作物对生物群落影响的标准参数之一。以往用于描述多样性的指数很多,但这些指数各有优缺点,生物学解释不全面。运用现代生物多样性表示方法,能够描述更复杂情况下的多样性关系。本文主要介绍了Rényi多样性指数曲线在生物安全研究中的应用。【方法】Rényi多样性指数曲线与以往常用的一维多样性指数不同,当其等级参数为某些特定值时代表了几个著名的多样性指数,该方法可较为确切地评价复杂的生物群落的多样性。本文在介绍其计算公式后,通过比较河北省2种转Bt基因棉田(孟山都33B和中棉30,均未施农药)以及常规管理(施用农药)和综合治理(IPM,施用农药和释放赤眼蜂相结合)条件下非转基因棉田的蜘蛛群落,证明了该方法的适用性。【结果】Rényi多样性指数曲线分析表明了所有可能的互作类型:1个明确的多样性排序以及2类棉田蜘蛛群落间不同的潜在关系。Rényi指数分析表明,在供试棉田中,中棉30棉田的蜘蛛多样性指数最高,其他3种棉田蜘蛛的多样性高低则难以一概而论。蜘蛛稀有种的多样性以孟山都33B棉田最高,IPM和常规棉田次之;蜘蛛常见种的多样性以IPM棉田最高,常规棉田和孟山都33B棉田次之。【结论与意义】Rényi多样性指数可用于生物群落多样性的综合评价,并可用于评价不同管理措施对生物多样性的影响。该方法弥补了仅用单一数量参数评价多样性的传统方法的缺陷,将不同参数整合成一个具有内在关联的概念框架。

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。