RVM的工具箱,包含拟合，退化预测，分类的源程序和例子

采用频域多帧循环迭代解卷积算法(CIBD)，针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧，逐次增加迭代帧，确保更多的观测帧参与循环迭代解卷积以增加复原的准确性；通过图像间的相关矩阵估计初始点扩展函数(PSF)，采用尺度梯度投影法，自适应迭代步长，增加迭代终止条件等措施提高算法的收敛速度。实验结果表明，采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像，性能优于传统多帧盲反卷积(MBD)迭代算法。

水下退化图像整理

SiC_MOSFET短路失效与退化机理研究综述及展望_康建龙.pdf

非线性和随机性是导致复杂系统退化过程的两个重要因素，因此在基于随机退化模型的预测中必须予以考虑。 然而，当前的研究几乎总是集中在与年龄有关的随机降解模型上，其中大多数是线性的，或者可以转化为线性模型。 在本文中，我们提出了一个与年龄和状态有关的通用非线性退化模型，以进行预测。 在提出的模型中，利用具有年龄和状态相关的非线性漂移和挥发性系数的扩散过程来表征降解过程的动力学和非线性。 为了获得估计的剩余使用寿命分布，首先通过兰佩蒂变换将考虑的扩散过程转换为具有随年龄或状态而定的非线性漂移但具有恒定波动性的扩散过程。 然后，基于众所周知的时空变换，我们在首次通过时间的概念中获得了解析的近似剩余可用寿命分布。 进而，提出了一种基于厄米展开法的近似形式的退化状态转变密度函数，在此模型中针对未知参数的最大似然估计方法。 提供了一个说明性示例，以说明如何将获得的结果应用于特定的与年龄和状态相关的非线性退化模型。 最后，提出的模型适合轴承退化数据。 比较结果表明，在预测学中必须使用年龄和状态相关的非线性退化模型。

提出并验证面阵探测器扫描图像退化模型的点扩展函数,并运用该点扩展函数对扫描模糊图像进行复原。

MOSFET的异常检测和退化预测

湍流退化红外图像降晰函数辨识

可靠性论文

针对扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)等高动态信号载波跟踪算法存在跟踪精度不高的问题,采用无迹粒子滤波(UPF)算法对高动态北斗卫星信号载波进行跟踪。UPF算法结合粒子滤波(PF)和无迹卡尔曼滤波,采用PF对载波状态变量进行估计,同时使用UKF滤波器对粒子进行权值的重新分配,解决了粒子退化问题。通过Matlab仿真对比,基于EKF、UKF、UPF的跟踪算法的载波频率误差分别为-15~15、-10~10、-4~4 Hz,验证了UPF算法的优越性。