消除EMD 边界效应的四中点估计方法

为了快速高效地实现信号的本征模态分解,消除分解过程中边界效应,在 Directly-Mean EMD方法的基础上,通过引入左、右待估中点和左、右延拓中点,并根据信号首尾两端各种可能的情况给出了四中点估计公式,建立了可完全消除边界效应的Directly-Mean EMD四中点估计方法。该方法不仅减少了样条插值次数,提高分解速度,而且还可以有效避免因插值节点过于稀疏所产生的大幅波动,使分解结果更加准确。将新方法应用于日长数据序列的本征模态函数分解,得到了满意的分解结果。     

基于节理不确定性的可靠度分析

边坡稳定性一直是边坡安全的重点研究对象,针对边坡评价中常见的不确定性因素,可靠度分析是值得利用的方法。为评价某节理发育的岩质岸坡稳定性,通过有限元计算软件,结合现场勘探测绘数据,建立以边坡节理强度参数c、φ为输入变量,安全系数为输出变量的点估计（PEM）计算概率模型,计算结果表明:节理发育对该边坡变形具有明显控制作用;边坡整体可靠性较好,破坏概率极低。最后,通过蒙托卡罗法对可靠度结果进行验证,结果表明两种方法的计算结果不存在显著性差异。研究结果表明节理对岩质边坡稳定具有良好的敏感性,基于节理不确定性的点估计法分析边坡可靠度是一种有效的方法。     

利用双灭点估计的车道线检测

车道线检测是自动驾驶汽车或高级驾驶辅助系统的重要组成部分,利用安装在车辆前方的单目相机以实时成像的方式获取车辆在当前车道的横向偏移,从而为车辆的车道保持、超车换道等横向控制策略提供参考。本文提出了一种基于双灭点估计的实时、稳健的车道检测方法。首先利用尺度自适应的局部对称算子对车道线点特征进行提取;其次对左右车道线分别估计灭点,以灭点为导向,构建特征点的统计直方图;然后选择穿过大多数特征点的直线且通过特征点和所选线之间的重叠度对灭点进行估计更新,重复上一步骤以获得稳定的灭点;最后基于稳定的灭点验证并选择最佳的车道线。本文在公共数据集对提出的方法进行了测试,试验结果表明,本文方法在满足实时性的前提下,能有效提高算法整体的稳健性。     

两种基于贝叶斯点估计理论的多声源定位方法研究

海洋环境参数失配是制约匹配场定位性能的主要因素之一。为了克服环境失配,本文基于贝叶斯理论,将环境参数与声源的距离和深度一起作为未知量进行反演。然而在进行多声源定位时,反演参数的维数几何增长,极大地增加了反演问题的复杂性和计算量。为此本文将声源强度和噪声方差表示成其极大似然估计值,从而将这些参数进行隐式采样,大大降低了反演的维数和难度。文章比较了两种贝叶斯点估计方法,最大后验概率密度方法和最大边缘后验概率密度方法。最大后验概率密度方法的解是令后验概率密度取得最大值的参数组合,可以利用优化算法快速获得。最大边缘后验概率密度法将其他参数积分,得到目标参数的一维边缘概率分布,分布的最大值为反演结果。该方法得到最优估计值的同时可以获取参数估计的不确定信息。在环境参数和声源参数都未知的情况下,利用蒙特卡洛法在不同信噪比情况下对两种声源定位方法进行分析,实验结果表明：(1)对于敏感参数,如声源距离、水深和海水声速,最大边缘后验概率密度法比最大边缘后验概率密度方法的性能好。(2)对于较不敏感的参数,如海底声速、海底密度和海底声衰减,当信噪比较低时,最大边缘后验概率密度方法能较好地平滑噪声,从而比最大边缘后验概率密度法具有更好的性能。由于声源距离和深度是敏感参数,研究表明最大边缘后验概率密度法提供了一种在不确知环境下更可靠的多声源定位方法。