论文部分内容阅读
针对不均衡噪声下相位解缠稳健性低的缺点,采用加权联合数据矢量作为信号模型,利用构造的噪声协方差矩阵进行自适应去噪处理,进而对相位进行估计,有效地改善了不均衡噪声下多基线相位估计的效果。仿真数据的处理结果表明,该算法提高了不均衡噪声下相位估计的稳健性。
多基线InSAR干涉相位的自适应估计
【摘 要】
：
针对不均衡噪声下相位解缠稳健性低的缺点,采用加权联合数据矢量作为信号模型,利用构造的噪声协方差矩阵进行自适应去噪处理,进而对相位进行估计,有效地改善了不均衡噪声下多基线相位估计的效果。仿真数据的处理结果表明,该算法提高了不均衡噪声下相位估计的稳健性。
【机 构】
：
燕山大学信息科学与工程学院
【出 处】
：
计算机应用研究
【发表日期】
：
2010年05期
其他文献
为了使图像哈希具有更好的鲁棒性和安全性,在脊波域中提出了一种新的基于视觉特性的图像哈希方法。该方法首先将原始图像预处理,然后利用人类视觉特性提取脊波变换域上的系数,最后量化并压缩生成最终哈希值。实验结果表明,该方法能够抵抗JPEG压缩、滤波、加噪声、裁剪和旋转等攻击,且能够区分恶意窜改。生成的哈希值具有很好的鲁棒性和安全性。
针对在无线多输入—多输出(MIMO)通信系统的发射端采用波束成形、接收端采用最大比合并的MI-MO MRC系统,考虑收发端仅能获得存在信道估计误差的非理想信道信息(CSI)且系统受到共信道干扰这一条件,分析系统的多用户分集性能。导出封闭形式的信号干扰噪声比的概率分布函数表达式和以平均容量的形式给出的系统多用户分集性能表达式。数值仿真证实了理论分析的结果。研究表明,信道估计误差和共信道干扰均会降低系
为解决应急物流中的出救点选址问题,建立了相应数学模型,引入蚁群算法解决问题。多数应急物流可以归为点对点的支援问题,出救点的设置应该在保证出救有效的条件下使出救点最少、救援时间最短,属于双层规划问题。双层规划问题是NP难题,可以应用蚁群算法解决。出救点选址问题在蚁群算法中可以视为蚁群的聚类,通过对信息素衰减及相邻蚂蚁的吸引作为启发因子,可以得到蚁群的聚类效果。实验结果表明,基于蚁群算法的选址问题解决
提出一种基于页面空间特征、视觉特征和内容特征的主题相关性判别方法,通过主题相关度大小量化描述不同内容的重要性,并采用混合加权方法从主题相关节点中提取网页的主题特征。分类实验结果表明,相比传统的FullDoc全文分类,基于此方法提取的主题特征具有更好的分类效果。
在Linux上,内存交换有着特殊的作用,块设备在当前的Linux内核上充当交换区时,工作得很好;Nandflash在写入数据之前需要先擦除,因此当Nandflash充当交换区时,当前的内存交换模型就需要改进,否则内存交换就不能正常工作。根据虚拟内存页面映射的原理,设计了一种适用于Nandflash的内存交换模型。分析内存交换特点,提出了NVEA(new valid erase algorithm)
针对基于内容的视觉媒体检索存在的问题,依据多维空间仿生信息学(multi-dimensional space biomimetic informatics,MDSBI)理论的同源连续性规律(principle of homology continuity,PHC),在高维空间中通过几何方法分析视频及镜头和图像,通过子空间方法解决不同视觉媒体的异构性问题,得出视觉媒体检索的实质性工作是在高维空间研究
为克服目前入侵检测技术检测反应速度慢、误检率和漏检率较高等问题,研究了加权移动窗口这种数据挖掘方法。首先对现有的移动窗口算法MFI-TransSW和Moment进行了认知与分解,指出现有算法的缺陷,提出了加权移动窗口的详细算法,自动调整训练窗口,并对检测模式进行及时的更新;在此基础上建立了基于加权移动窗口的入侵检测系统模型。最后实例检测和结果分析表明,在不同窗口大小、不同最小支持度、数据集增大时该
为了充分利用游戏网格的计算资源,使用其强大的并行计算能力,部署在游戏网格的网络游戏必须要划分成可以并行的多个服务。提出了一种基于动态二叉树的游戏网格服务划分算法;讨论了如何采用二叉树的数据结构来组织服务节点并根据服务节点的负载动态调整其服务划分;最后实现一个模拟游戏网格环境,通过实验结果证明该算法可以取得良好的性能。
由Shor等人构造的量子算法可以在多项式时间内解决传统三大难解问题而利用辫群构造的很多数学困难问题,在量子计算机条件下均无有效的解法,辫群是一种适合构造抵抗量子密码分析的计算平台。利用左右子群元素的可交换性,基于CSP问题、SCSP问题和p次方根问题的难解性,提出了一个新的代理盲签名方案,并通过方案分析验证了该方案的有效性和可行性。
针对K-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进K-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实验结果表明,相对于传统的K-medoids算法,新算法可以提高聚类质量,有效缩短计算时间。