基于NDSST的非平稳信号时频分析算法

应用时频分析方法研究含噪非平稳信号的时间-频率联合分布特性,De-shape SST（De-shape synchrosqueezing transform）算法具有良好的时频表现,但其抗噪性能及算法的鲁棒性还有待提高。提出基于非线性匹配追踪（nonlinear matching pursuit,NMP）分解的De-shape SST算法（nonlinear matching pursuit De-shape synchrosqueezing transform,NDSST）,利用NMP良好的重构特性对非平稳信号进行稀疏重构,再进行De-shape SST时频分析,提高算法的抑制噪声能力和鲁棒性的同时,保留了良好的时频分布聚集度。数值仿真实验结果表明,对于单频、变频、线性调频和组合变频信号,NDSST算法可以得到高锐化度的时频分布表示,并且在低信噪比（sinal noise ratio,SNR）条件下依然具有优越的抗噪声性能。在金属破裂样本信号分析应用中,NDSST算法能够清晰地得出金属发生破裂的时间-频率范围,为工程实践中设置监测传感器的阈值提供判断依据。     

SAR图像船行尾迹检测的Radon变换和形态学图像处理技术

该文提出了一种由Radon变换与形态学图像处理技术检测船行尾迹的算法SWDRM（Ship Wake Detection Algorithm based on Radon transformation and Morphologic image processing technology)，算法特点是：在Radon空间进行处理后，得到逆变图像，通过图像后处理，可得到二值图像，以用于尾迹自动检测，对海洋卫星合成孔径雷达（SEASAT SAR）图像及模拟乘性斑点噪声中舰船尾迹进行了检测，结果表明，SWDRM具有很好的鲁棒性，能够适应不同水平的噪声环境，同时对阈值系数和工作窗口宽度的选择范围都比较大，在一定的噪声水平范围，给定阈值系数后，得到近似于恒虚敬率的检测结果，结合图像后处理，可得到二值图像用于自动尾迹检测。     

滑动屋盖摩擦控制系统的振动台实验研究

五层钢框架模型的振动台实验表明 ,滑动屋盖摩擦控制系统减震作用显著 ,减震幅度可达 5 0 %以上 ,地震动越强减震效果越好 ;控制系统具有一定的鲁棒性 ,刚度容许大约± 15 %的误差 ,而摩擦系数容许的误差范围更大 ,同时也容许地震强度在一定范围内变化。     

适于城市交通时序空间数据预测的层叠泛化模型

受地理过程的动态随机性影响,时序空间数据建模普遍存在先验知识缺乏与模型参数设置问题,导致单一模型难以有效地反映地理系统的整体运行状态。本文提出了一个普适性的集成学习框架,设计了基于异态集成学习的层叠泛化模型,按照组合模型最大化减小原始预测误差原则改进了层叠泛化模型平均输出的混合策略,并基于error-ambiguity decomposition对提出的层叠泛化模型的有效性进行了数学证明。基于北京市交通路网通行状态数据的实验结果表明,层叠泛化模型的均方根误差与平均绝对误差均小于单一模型;平均绝对误差方差均小于基于数理统计的混合模型,验证了层叠泛化模型在时序空间数据预测方面的优越性。     

运用DFT的矢量地理数据零水印算法

针对目前矢量地理数据零水印算法鲁棒性差的问题,提出了一种基于DFT的矢量地理数据零水印算法。首先,利用Douglas-Peucker压缩算法提取矢量地理数据特征点;其次,对特征点进行DFT变换,得到矢量特征点的相位序列;接着,计算相位序列符号值,若该相位符号值大于等于0,其符号值为1,否则为0;然后,对N×N大小的水印图像进行Arnold置乱,得到置乱后水印图像;最后,从第2个相位符号值开始,选取前N×N个相位符号值构成特征矩阵并与置乱后的水印图像进行异或运算来构造零水印图像。实验结果表明该算法对平移、旋转等几何攻击具有鲁棒性,并对增点、删点攻击和坐标系转换攻击鲁棒性较好,具有一定的实用性。     

基于快速鲁棒性主成分分析的日冕喷流自动检测方法

使用快速鲁棒性主成分分析(Fast Robust Principal Component Analysis,Fast RPCA)方法对日冕序列图像中的日冕喷流活动进行检测。检测的基本思路是利用快速鲁棒性主成分分析方法中低秩和稀疏分解的思想与日冕序列图像中有着变化尺度稍小且占比较大的随机变化背景成分、变化尺度较大且占比较小的日冕喷流的特点相结合,实现随机复杂多变的动态背景和稀疏运动目标之间的分离,从而检出作为前景变化的日冕喷流。采用太阳动力学天文台(Solar Dynamics Observatory,SDO)卫星的大气成像仪(Atmospheric Imaging Assembly,AIA)两组不同时间段、不同波段、不同观测位置的日冕序列图像作为研究对象。研究内容主要包括日冕序列图像的预处理、日冕喷流检测、快速鲁棒性主成分分析方法与帧间差分法的检测结果对比分析。实验结果表明,与帧间差分法相比,快速鲁棒性主成分分析方法能够检出强度较弱的日冕喷流,且提高了日冕喷流检测的准确度。     

基于二次开发平台的插件式可视水印

可视水印是矢量地图数据版权保护的一项有效手段。本文分析了矢量地图数据和栅格数据可视水印实现机制的异同,并根据矢量地图数据特点,设计了插件式可视水印模型,并基于ArcGIS平台,实现了可视水印插件原型系统。实验效果证明该方案具有可行性,能够有效保护矢量地图数据版权。     

城市道路网的度相关性及其与网络鲁棒性的关系研究

以世界范围内50个城市道路网作为数据样本,运用Newman同配性系数和Litvak-Hofstad同配性系数对以Stroke对偶形式表达的道路网的度相关性进行了度量;同时,由于"可塑性线性单元问题",分析了同一路网不同Stroke集对度量结果的影响;最后,分析了度相关性与鲁棒性的关系。研究发现:(1)以Stroke对偶形式表示的城市道路网的度相关性绝大多数呈现异配和不相关,且Newman同配性系数和Litvak-Hofstad同配性系数会出现度量不一致的情况;(2)同一路网的不同Stroke集对Newman同配性系数的度量产生了一定影响,但对Litvak-Hofstad同配性系数没有影响,总体而言对度相关性的度量影响较小;(3)运用Litvak-Hofstad同配性系数度量时,路网的度相关性与鲁棒性呈现正相关。     

多源遥感影像深度识别模型对抗攻击鲁棒性评估

基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而，由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响，使得现有识别系统在对抗攻击鲁棒性方面评估不足，存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险，并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次，针对光学遥感影像和SAR遥感影像两类典型数据形式，从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估，覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法，验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题，分析了对抗样本与正常样本的多隐层特征激活差异，为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。     

基于偏最小二乘线性求解的结构损伤识别

基于模态参数化线性求解结构损伤的识别方法在工程中具有较为广泛的应用。然而，在噪声的干扰下，当结构可测量的模态阶数较少时，利用该方法求解的结果会出现大量的虚假损伤，严重扰乱真实的损伤信息。针对此问题，引入了一种基于偏最小二乘多线性回归建模的方法来对损伤识别结果进行降噪处理。通过对损伤结构的频率和振型信息添加一定水平的噪声干扰，分析确定结构单元的损伤参数，并利用偏最小二乘法重构线性方程组。同时，选择识别结果较为稀疏的解作为标准样本点，利用奇异值分解法回代求解结构的损伤参数。以桁架模型为例的数值模拟结果表明，在噪声干扰下，该方法与传统最小二乘法和奇异值分解法相比，不仅损伤识别结果准确，而且能够最大程度抑制虚假损伤的产生。