資源描述：
《隨機(jī)動(dòng)態(tài)過(guò)程的多尺度表示方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、河南大學(xué)碩士學(xué)位論文隨機(jī)動(dòng)態(tài)過(guò)程的多尺度表示方法研究姓名：張延鋒申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：基礎(chǔ)數(shù)學(xué)指導(dǎo)教師：文成林;侯玉華20040501摘要Y592844多傳感器數(shù)據(jù)融合技術(shù)已在實(shí)際中得到了廣泛地應(yīng)用，如自動(dòng)目標(biāo)識(shí)別、交通管理和醫(yī)療診斷等，而數(shù)據(jù)融合的關(guān)鍵問(wèn)題是模型設(shè)計(jì)和融合算法。在自然界和工程實(shí)踐中，許多現(xiàn)象或過(guò)程都具有多尺度特征或多尺度效應(yīng)：同時(shí)，人們對(duì)現(xiàn)象或過(guò)程的觀察往往也是在不同尺度上進(jìn)行的。因此，為更好地表征這些現(xiàn)象或過(guò)程的本質(zhì)特性，建立起現(xiàn)象或過(guò)程基于樹(shù)狀結(jié)構(gòu)多尺度動(dòng)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
2、尺度特征的數(shù)據(jù)分析或信號(hào)處理問(wèn)題的一種重要方式，同時(shí)，利用它還可以為最優(yōu)估計(jì)隨機(jī)過(guò)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(jì)、地表重構(gòu)、圖像去噪、紋理辨識(shí)、圖像分割、目標(biāo)識(shí)別和地下水文學(xué)的多傳感器數(shù)據(jù)融合等實(shí)際問(wèn)題中得到了廣泛的應(yīng)用。本文在已有工作的基礎(chǔ)上，開(kāi)展了以下幾個(gè)方面的研究工作：1、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(jī)過(guò)程基于一般g階樹(shù)的多尺度表示方法，建立了相應(yīng)的多尺度動(dòng)態(tài)模型，詳細(xì)推導(dǎo)了多尺度模型中的狀態(tài)轉(zhuǎn)移陣、擾動(dòng)陣、初始狀態(tài)
3、和相應(yīng)的協(xié)方差陣，并通過(guò)計(jì)算機(jī)仿真給出了不同階樹(shù)的多尺度采樣路徑。2、給出了2-D馬爾可夫隨機(jī)場(chǎng)基于3×3階樹(shù)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(jī)場(chǎng)降階、近似、無(wú)冗余的多尺度表示模型。3、針對(duì)不同尺度上具有不同特性的傳感器在相同周期內(nèi)對(duì)同一目標(biāo)觀測(cè)的動(dòng)態(tài)系統(tǒng)，給出了一類系統(tǒng)基于不規(guī)則樹(shù)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(shù)、不同階樹(shù)的多尺度動(dòng)態(tài)模型。這為多傳感多尺度數(shù)據(jù)融合技術(shù)奠定了理論基礎(chǔ)。關(guān)鍵詞：隨機(jī)過(guò)程；Markov過(guò)程；Kalman濾波；小波分析；多尺度表示Abst
4、ra戇囊MuRisensordatafusiontechnologyhasbeenappliedbroadlyinpractice,Such理sautomatedtargetrecognifion，controlofatRonomo,dsvehiclesandmedicaldiagnosisete+However，the氯呵ofthedamfusionisthedesignformodelingandtheatgori巍mforf越sing．Alargemanberofphenomena謝processesp098es驀feat
5、uresandphysicallyslgnifieanteffectsatmuttiplesc￡des。Atthe愛(ài)g￡撼tlrae,the鍘Ij!ailabledataare撕{e蕊蓮菇scver箍ldifferentresolutions．Thus,it瓤verynecessarytobuiltmultiscaledynamicmodelbasedOilpyramidallyorgsJliZ越treesforstochasticprocesses．Themultlscalemodelisnotonlye鴛黯癆嘴{孰sever
6、醴importantwaysinwhich鑫dataa鍘Iysls錯(cuò)sigma癸裁e瓣鞋gproblem黼臻havemultiscalecharacteristic,butalsol譬耩氐gto蕊efficientandhighlyparallelizablealgorithraforoptimalestiraafionofstoclmstie刪溉豫mulfiscatemodeling粥describeinthisdissertationhasbeen轂察姆褥inawidevarietyofapplications,includ
7、ing：geophysi捌remoteS煳tSeima#g,oceanheightesthIiation,鬟撼端reexmstruction}imagedenoising,tcxtm潞diserimimtion,imagesegmentation,objectrecognitionandmulfisensorfusion強(qiáng)rgroundwaterhydrology．、Inthisdissertation,黼developthe懿塔氍《婊workofthefollowing曛躺easpectsbased讎existedwork。F
8、irst，usingthesere*invarlantpropertyofmultlscalemodeli．e+Markovlanamor蜷scales,基methodofqSLo蝤ertrec-lmsedformultiscalerepresentationo
