该课题为基于MATLAB的离散余弦DCT数字水印技术。带有人机交互GUI界面，方便操作。流程为：读取载体，水印图像，嵌入，各种不同攻击，然后提取水印，计算峰值信噪比psnr和互相关系数nc来评价鲁棒性，得出DCT算法，在不同攻击条件下的抗干扰能力。其他算法DWT,DFT，lsb等都是可二次改造，本设计带算法原理技术文档。

针对同构多传感器系统在无先验知识、无系统模型条件下对同一未知目标进行在线测量过程中的数据融合问题,提出一种基于改进模糊聚类的同构多传感器在线融合方法.该方法采用引入噪声类的鲁棒模糊聚类方法分析同时刻多源数据,避免了传统模糊聚类融合方法中对聚类数设定的依赖,同时有效去除系统偏移较大的数据源和异常信号对融合结果的不良影响;通过引入隶属度函数影响因子,增加历史融合结果对当前融合的指导.仿真实验进一步验证所提方法在融合精度和计算实时性方面的优势.

出现抛物线时多天线放大转发中继系统的鲁棒中继波束成形

针对雨雪天气条件下的运动目标检测受到天气的影响较大,提出一种融合全变分(TV)正则化和Rank-1约束鲁棒主成分分析(RPCA)模型的视频序列运动目标检测算法。利用RPCA这一工具,在低秩稀疏分解框架下,采用Rank-1约束描述背景层的强低秩性,利用TV正则化结合L1范数对前景目标的稀疏性和空间连续性进行约束,从而弥补现有RPCA模型的不足。针对所提模型,采用交替迭代乘子法的思想结合增广拉格朗日乘子法对目标函数进行优化求解。实验结果表明,所提算法不仅能够准确检测出运动目标,而且具有较短的运行时间,这为视频的实时检测提供参考。与其他同类算法相比,所提算法不仅检测效果更佳,而且在F测度值、召回率和准确率的定量评价中均有优越性。

不确定数据建模的正则化鲁棒广泛学习系统

子空间聚类的鲁棒判别低秩表示

通过将PWM 脉冲宽度调制 控制与滑模变结构控制的优点结合起来设计了一种带二重积分滑膜面的滑模控制器来控制二阶交错并联Boost开关功率变换器．滑模面附加积分项使滑模控制系统的运动方程与原阶数相同改善系统的稳态性能．设计仿真电路对该控制器在Boost变换器连续工作模式下进行PSIM仿真得出该控制器与传统控制器相比具有更好的动态特性b的电压和电流纹波较小输出电压对输入电压和输出负载有较强的鲁棒性输出电压不随开关频率的变化而变化

SAR图像分割的边缘保留鲁棒非局部模糊c均值算法。

图神经网络(GNNs)广泛应用于分析图结构数据。大多数GNN方法对图结构的质量非常敏感，通常需要一个完美的图结构来学习信息嵌入。然而，图中噪声的普遍性需要学习鲁棒表示以解决真实世界问题。为了提高GNN模型的鲁棒性，许多研究围绕图结构学习(Graph Structure Learning, GSL)这一中心概念提出，旨在共同学习优化的图结构及其表示。

基于`P-范数模型拟合的脉冲噪声压缩感知的鲁棒稀疏恢复