利用88单元变形镜及电荷耦合器件成像器件,以扩展目标为校正对象,建立了带有噪声的无波前探测自适应光学系统模型。在噪声情况下,验证了扩展目标成像时掩模探测器信号和波前相位的平均梯度平方和之间存在线性关系。将基于此线性关系的算法作为无波前探测自适应光学系统的控制算法,通过仿真,检验了模型式无波前探测自适应光学系统在噪声情况下对扩展目标成像的校正能力。结果表明,相同湍流条件、不同信噪比下的校正效果接近。按照湍流条件从小到大的顺序,与信噪比为20 dB的结果相比,信噪比为5 dB时校正后的平均均方根相对误差分别为3.71%,2.94%和2.42%,说明基于该线性关系的模型控制算法具有较强的抗噪能力。

对利用超平面、超(椭)球等几何形状实现数据分类的基于边界的主流分类方法进行了研究, 在此基础上, 提出了一种将空间点作为分类依据的最大间隔模糊分类器(MFC)。该方法首先在模式空间中找到一个模糊分类点c, c点距离两类样本要尽可能近且类间夹角间隔尽可能大。然后, 测试样本通过c与训练样本间的最大化夹角间隔实现分类。最后, 利用MFC的核化对偶式与最小包含球(MEB)的等价性, 将MFC的应用范围从二类推广到单类。与主流分类方法的比较实验表明, MFC具有优良的分类性能和抗噪能力, 其分类最高精度可达98.8%。