隨機動態(tài)過程的多尺度表示方法研究.pdf

1、多傳感器數(shù)據(jù)融合技術(shù)已在實際中得到了廣泛地應(yīng)用,如自動目標(biāo)識別、交通管理和醫(yī)療診斷等,而數(shù)據(jù)融合的關(guān)鍵問題是模型設(shè)計和融合算法.在自然界和工程實踐中,許多現(xiàn)象或過程都具有多尺度特征或多尺度效應(yīng);同時,人們對現(xiàn)象或過程的觀察往往也是在不同尺度上進行的.因此,為更好地表征這些現(xiàn)象或過程的本質(zhì)特性,建立起現(xiàn)象或過程基于樹狀結(jié)構(gòu)多尺度動態(tài)模型是十分必要的.此模型的的建立不僅是獲取具有多尺度特征的數(shù)據(jù)分析或信號處理問題的一種重要方式,同時,利用它

2、還可以為最優(yōu)估計隨機過程的狀態(tài)變量誘導(dǎo)出高度有效、并行迭代算法.目前,多尺度模型技術(shù)已在地形遙感成像、海洋高度估計、地表重構(gòu)、圖像去噪、紋理辨識、圖像分割、目標(biāo)識別和地下水文學(xué)的多傳感器數(shù)據(jù)融合等實際問題中得到了廣泛的應(yīng)用.該文在已有工作的基礎(chǔ)上,開展了以下幾個方面的研究工作:l、根據(jù)多尺度模型尺度不變性,即利用尺度間的Markov性,給出了一類1-D隨機過程基于一般g階樹的多尺度表示方法,建立了相應(yīng)的多尺度動態(tài)模型,詳細推導(dǎo)了多尺度模

3、型中的狀態(tài)轉(zhuǎn)移陣、擾動陣、初始狀態(tài)和相應(yīng)的協(xié)方差陣,并通過計算機仿真給出了不同階樹的多尺度采樣路徑.2、給出了2-D馬爾可夫隨機場基于3×3階樹有冗余的多尺度表示方法,并結(jié)合多尺度分析的思想,建立了2-D高斯馬爾可夫隨機場降階、近似、無冗余的多尺度表示模型.3、針對不同尺度上具有不同特性的傳感器在相同周期內(nèi)對同一目標(biāo)觀測的動態(tài)系統(tǒng),給出了一類系統(tǒng)基于不規(guī)則樹結(jié)構(gòu)的多尺度表示方法,并建立了基于尺度序列奇偶相間階樹、不同階樹的多尺度動態(tài)模型