摘要：为了解决空时自适应处理(Space-Time Adaptive Processing,STAP)对足量平稳训练快拍的要求,给出了一种设计STAP张量波束成形器的新算法--空时自适应处理张量子波束合成(TSS-STAP)法。分析表明:STAP中所需要的张量波束成形器,可首先在张量的各个子维度上分别进行子波束成形器的设计,然后再由张量的外积运算合成各子波束成形器而得到。进一步分析表明:由于本文算法可在较低自由度(DoF)的子维度上对张量波束成形器进行设计,因此降低了设计所需要的训练快拍数和计算复杂度,同时也实现了有效的去相关处理,使得其在非均匀杂波环境下有更好的目标检测性能。在仿真实验中,所提算法有效提升了目标检测结果,同时降低了目标检测所消耗的时间。

摘要：为了准确检测交通灯的故障,针对在电磁传感器测量功率序列过程中噪声干扰和状态无法观测的问题,设计了一种无监督的恒虚警率异常检测方法。利用高斯混合模型建模滑动窗口的数据分布,估计高斯混合模型参数的分布从而实现恒虚警率的偏差异常检测。利用聚类算法将功率观测序列转换为状态序列,通过度量滑窗状态序列和序列字典的相似度来检测模式异常,通过经验分布函数拟合相似度的分布实现恒虚警特性。实验验证了本文方法在多种故障情况下的可行性和恒虚警特性。

摘要：针对在实际中采样所需人力或设备数量受限的情况,为图信号优化设计了一种多阶段的采样集,使得在采样数量约束下尽可能减少信号估计误差。将采样集设计建模为组合优化问题,并通过松弛量化的方法求得原始优化问题的次优解,同时也给出了该松弛量化方法的适用条件和渐进最优性。不同于已有的图信号采样集设计方法,所提方法不仅得到了最优采样集还分析了影响节点采样重要性的因素,给出了节点采样重要性的评价指标和其物理意义。最后,提出了一种低复杂度的近似算法以解决大规模图信号的采样集设计问题,并能逼近原始优化方法的结果。

摘要：现有的运动目标显著性提取算法对具有树枝摇晃、水波荡漾等复杂扰动背景的视频处理效果较差,无法排除背景对显著目标提取的干扰.针对此类视频,提出一种基于时空显著性信息动态融合的目标提取算法.在空间上,利用简单线性迭代聚类(SLIC)超像素分割算法计算重建误差,得到每帧图像上完整的显著目标;在时间上,考虑到显著目标内部各像素具有运动一致性的特点,利用连续多帧图像的运动估计引入运动熵来表征,同时利用中心周边差的机制来区分目标和背景的运动;最后由于人的视觉系统对运动信息更敏感,根据时间显著性的大小设置动态权重进行时空显著性融合,得到最终能兼顾动静两种情况的视频显著图.在4个视频数据库上的实验结果表明,该方法能够较好地抑制复杂扰动背景对于运动显著目标提取的干扰,优于对比方法.

摘要：区块链是随着比特币等数字加密货币逐渐兴起而盛行的一种新型去中心化分布式系统,具有去中心化、时序数据、集体维护、可编程和安全可信等特点.目前,区块链已引起政府部门、金融机构、科技企业和资本市场的高度重视与广泛关注.如何在一个去中心化的分布式系统中高效地达成共识是区块链技术研究的重要问题.本文从工作量证明(Proof of work,PoW)共识算法的挖矿困境入手,分析PoW共识过程中矿工策略选择的纳什均衡存在条件.利用零行列式(Zero determinant,ZD)策略对矿工策略选择进行优化,并通过数值仿真来验证优化算法的有效性.概括来说,本文从博弈论角度来理解和剖析PoW共识算法,为进一步设计基于博弈论的共识算法提供新的思路和方法.

摘要：为提升音乐情感识别的准确率,提出基于中高层特征的音乐情感识别模型,摒弃频谱特性、色度、谐波系数等低层特征,以更接近于人认知的中高层特征包括和弦、节拍、速度、调式、乐器种类、织体、旋律走势等作为情感识别模型的输入。建立一个包含385个音乐片断的数据集,将音乐情感识别抽象为一个回归问题,采用机器学习算法进行学习,预测音乐片段的8维情感向量。实验结果表明,相比低层特征,采用中高层特征作为输入时的准确率R2能够从59.6%提高至69.8%。

摘要：设计了利用MPU9250九轴姿态传感器和STM32F103获取、处理姿态数据的智能吸尘器系统.考虑到在实际应用中嵌入式系统对实时性以及姿态检测准确性的要求,提出了一种算法——利用加速度、陀螺仪数据分别更新四元数并通过互补滤波算法进行融合,然后利用阈值中值滤波后的磁力计数据修正航向角,实现了系统对传感器数据的融合以及对载体姿态的估计.将算法应用于智能吸尘器平台,利用上述算法处理的数据进行姿态控制,通过仿真和实验证明了算法的可行性和有效性,实现了智能吸尘器姿态的准确控制.在姿态控制的基础上进行路径规划,可以提高智能吸尘器在室内清洁区域的覆盖率.

摘要：在基于位置服务(LBS)系统中,用户通过主动上报个人位置信息即可获取所需服务.LBS在带给用户便利的同时,也会泄露个人隐私.相反,服务提供方则希望通过获取位置信息等隐私来最大化自身收益.在实际的LBS系统中,不同用户对于服务水平和位置隐私间的偏好存在差异.服务提供方只能了解用户偏好的分布情况,无法准确获知每个用户的真实偏好.因此,在位置信息挖掘过程中,针对这一信息的不对称性,本文设计了基于合同理论的差异化服务机制.该机制构建了逆向选择模型,针对不同偏好类型的用户设计了不同的最优合同组合以实现差异化服务.性能仿真验证了算法机制的可行性和有效性.结果也表明,本算法机制可以激励用户上报更真实的位置信息,使得服务提供方在位置信息挖掘中获取更大的收益.