基于近海雷达与AIS探测目标融合算法研究

利用岸基雷达站的雷达传感器以及船舶自动识别系统(Automatic Identification System,AIS)所获取的目标信息,针对近岸海域目标密集的特点,提出了一种提高雷达与AIS信息融合精度的算法。该算法在将雷达基于站心球坐标系的位置信息转换成AIS基于WGS 84坐标系的位置信息实现空间配准、以及将AIS航迹的时间通过外推法与雷达航迹时间统一起来的基础上,首先采用目标位置及航速的欧氏距离判别法,剔除一部分不符合条件的目标数据,减少参与融合的数据量,然后进一步采用模糊数学中的柯西型隶属度函数及统计加权法对航迹相似度判断。研究结果表明,本文所提出的融合算法适用于目标较密集的近海海域。     

求解变分不等式的Newton迭代的半局部收敛性分析

分析了求解变分不等式Newton方法的半局部收敛性，建立了类似于Kantorovich定理的收敛性结果。该结果不仅为判断Newton方法的收敛性提供了可计算的充分条件，也给出了Newton方法的收敛域以及问题解的存在区域。同时，文章也得到了Newton方法的若干收敛性质，包含收敛阶以及可计算的误差估计式等。     

附不等式约束平差模型的一种快速搜索算法

大地测量中常存在一些先验不等式约束信息,充分利用它们可以保证参数解的唯一性和稳定性。然而,现有的不等式约束平差算法主要是基于优化理论,算法通常比较复杂,需要选取有效约束或建立罚函数。在最小二乘平差准则基础上,把不等式约束看成是一个可行域,借助Fisher函数在可行域中快速搜索使误差平方和达到最小的最优解,推导出了可行解为最优解的充分必要条件。建立了基于Wolfe-Powell算法的非精确快速搜索算法,从而减小了搜索算法的计算量,得到了一种新的不等式约束平差计算方法。该算法的平差准则与最小二乘平差准则一致,不需要矩阵求逆运算,可适用于维数较大的平差问题解算。     

具有遗忘时滞的静态神经网络的H∞状态估计

本文研究了具有遗忘时滞的静态神经网络的H_∞状态估计问题.首先降低了时变时滞可微的条件,然后通过构造合适的Lyapunov-Krasovskii泛函,设计保H_∞性能的状态估计器,使得误差系统实现全局渐近稳定.最后,借助Matlab中线性矩阵不等式工具箱进行数值仿真,验证了结论的有效性.     

带不等式约束的最小二乘方法比较

解决带不等式约束的平差问题已有较多方法,但不同方法之间的对比分析不足。本文讨论三种带不等式约束的最小二乘算法:简单迭代算法、虚拟误差方程法、迭代乘子法,三种算法都是基于有效约束理论将不等式约束转换为等式约束,通过迭代求解。采用同一组数据和蒙特卡罗仿真实验方法对三种算法计算结果进行对比分析,实验结果分析表明:迭代乘子法算法效率最高,推荐使用该算法。     

不等式约束Partial EIV模型的WHP拟牛顿修正解法及其精度评定的SUT法

提出一种确定不等式约束Partial EIV模型解及精度评定的新方法,在总体最小二乘准则下,将附有不等式约束的Partial EIV模型转换为标准最优化问题。采取WHP拟牛顿修正的SQP方法求解,并利用SUT法对参数估值进行精度评定,可以减小迭代次数、提高收敛速度,且精度评定方法简单有效。     

经典平差模型的扩展

将经典测量平差的概括模型(附有等式限制条件的条件平差模型)扩展为附不等式约束的平差模型,同时将其定义为测量平差统一模型,并在一定的条件下实现这种平差模型与概括平差模型间的相互转换.在最小二乘平差原则下,作者结合虚拟观测方程处理不等式约束的思路,给出附不等式约束平差的最小二乘显式解,分析其统计性质,并修正传统测量平差结果的统一表达式.按本文所提方法,附不等式约束的平差问题,完全可以利用传统的平差方法和平差程序求解,方法简单可行.     

凸函数与不等式

本文由凸函数的定义及图象导出某些重要不等式并利用微分知识给予证明，最后用导出的不等式证明另一些重要不等式。