基于熵最优分组的雷达信号参数特征提取算法

雷达信号参数特征提取是电子情报侦察系统中的一个关键步骤,常采用直方图法.但直方图法中有一个关键且较难解决的问题:最优分组问题,且该问题对直方图法的有效性有着决定性的作用.根据信息熵的物理意义及其基本性质,提出一种基于熵最优分组判定准则的直方图算法,对雷达信号参数特征进行提取.并由仿真实验验证了该方法提取雷达信号参数特征的有效性.     

基于混合高斯概率密度的加权打分方法

针对当前评比打分方法不能有效反映选手真实情况的问题,提出了一种基于混合高斯概率密度的加权打分方法。该方法的重点在于引入混合高斯分布来确定专家评分的权重。首先利用EM算法确定混合高斯分布模型参数,然后通过区间划分得到每个区间上的概率,再将专家打分映射到混合高斯概率密度函数区间上得到对应的权重,最后经加权求和得到选手的最终成绩。通过实例证明了该方法的合理性和公正性。     

一种新的非线性/非高斯滤波方法

自主滤波方法是一种递归式贝叶斯估计方法 ,该方法采用一组抽样值来近似目标状态的概率密度函数 ,可用于非线性系统模型和观测模型、非高斯观测噪声条件下的滤波。将该算法与扩展卡尔曼滤波方法进行了比较 ,仿真结果表明 ,该算法性能优于扩展卡尔曼滤波方法     

基于空间差分平滑的非相关与相干信源数估计

针对非相关信源与相干信源共存时信源数估计问题,提出了一种新的基于空间差分平滑的信源数估计算法。该算法首先利用SORTE法估计相互独立信源个数,结合非相关信源阵列导向矢量与噪声子空间正交关系特性,实现非相关信源数估计;其次基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法得到相干信源数估计。仿真实验结果验证了该算法的有效性。     

初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上,引入了联合检测与估计的序贯算法,给出了算法的实现框图,并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中.仿真实验表明,新算法较传统算法有一定的性能改善.     

基于熵的直方图最优分组方法研究

最优分组是直方图法中的一个关键问题,对直方图法的有效性起着决定性的作用.在研究直方图法提取离散型雷达信号参数特征的基础上,根据信息熵的物理意义及其基本性质,提出一种基于熵的最优分组判定准则,并用仿真实验验证了该判定准则的有效性.     

基于非参估计的局部滑窗双参CFAR目标检测

针对特定杂波概率模型不能有效的描述SAR图像背景杂波这一问题,提出了一种基于非参估计的局部滑窗双参CFAR目标检测算法。该方法首先用非参估计方法逼近SAR图像局部背景,完成对局部背景的精确建模;在此基础上,理论推导了局部双参CFAR检测算法的阈值,设计了阈值求解的数值算法。对典型目标图像进行实验,结果表明,该方法检测速度较快、精度较高。     

基于高阶累积量的滑动加窗参数型多径时延估计

针对传统方法不适合估计多径时延和难以抑制相关高斯噪声,构造了基于高级累积量的滑动加窗参数估计模型。该模型利用高阶累积量抑制高斯噪声,应用滑动窗充分利用采集数据。通过理论分析和仿真实验表明,该方法能够准确地估计时延,有效地抑制干扰和相关噪声的影响,且在性能估计方面,优于传统基于相关的方法。     

跟踪机动目标的一般输入估计方法

本文提出一种新的目标跟踪输入估计方法。传统输入估计方法的主要缺陷是假设目标机动强度在检测窗内是常量。本文的新方法把目标的机动视为一些基本时间函数的线性组合,从而克服了上述缺陷。由此得出的算法具有包括此前输入估计研究成果的一般形式。根据选取的机动模型和其他设计参数如检测窗宽度、量测噪声水平和采样周期等,研究检测灵敏度,并据此分析了本文算法的检测性能。计算机仿真研究表明本文新算法的性能比得上Bogler输入估计方法,且计算时间大大减少。     

基于MCMC方法的Lorenz混沌系统的参数估计

基于贝叶斯理论,提出用马尔科夫链蒙特卡罗(MCMC)方法来估计Lorenz混沌系统的未知参数。首先导出了未知参数分布规律的后验概率密度函数;接着采用自适应Metropolis算法构造Markov链;然后截取收敛的链序列,计算混沌系统参数的估计值。数值试验表明:该方法具有很高的估计精度,同时具有较好的抗噪声性能。     

一种新的非参数谱估计方法

提出了一种新的非参数谱密度估计方法,它是传统加窗周期谱估计方法的一种修正,并证明了此估计具有渐近无偏性、相合性、渐近正态性.     

基于方位和线谱频移的TMA新算法

提出了一种基于方位和线谱频移序列的目标运动分析新算法,解决了方位序列估计器工作点漂移方法中初始方位漂移角度较难确定的问题;提出了一种新的多普勒频移匹配估计器,不需要预先提取目标线谱即可估计目标运动参数,并且有效地加快了目标运动参数解算的收敛速度.海上实验数据处理结果表明该算法较以往同类算法在收敛速度和解算精度等性能上有明显改进.     

舰载机回收任务的优化调度算法及仿真

针对舰载机回收过程中,飞行甲板跑道容量的瓶颈问题,比较了几种常见的排序算法,并运用Mat-lab和Lingo软件分别对先来先服务、基于最早到达时刻、滑动窗3种算法进行了计算机仿真。仿真结果表明,滑动窗排序法排序结果最好。最后,指出了滑动窗初始窗口飞机数目和移动步长对算法复杂度和排序结果的影响。     

一种改进的Mean-shift目标跟踪算法

提出了一种利用多帧图像中目标区域颜色直方图特征信息的Mean-shift目标跟踪算法,该算法以Mean-shift为核心,在对目标模板建立特征模型时,不仅考虑了前一帧的目标区域的颜色直方图,而且将前数帧中目标区域的颜色直方图通过加权一起考虑,从而提高了跟踪的稳定性。     

基于优化滤波的水平非均匀蒸发波导反演算法

针对水平非均匀蒸发波导反演中大气折射率剖面水平分布规律不确知和大范围海域气象参数观测难的问题,提出一种基于优化滤波的水平非均匀蒸发波导折射率剖面参数反演算法,该算法采用粒子群优化估计折射率剖面参数初始状态和描述剖面参数水平分布规律的状态转移函数,结合GPS海面散射信号波导传播的DMFT步进计算正演模型和实测GPS散射信号功率建立系统方程和观测方程,并采用粒子滤波迭代估计水平步进上的非均匀折射率剖面参数。该算法的精估计环节有效修正了粒子群估计误差在后续反演过程中导致的误差积累,保证了反演精度,并使得算法具备距离分段条件下逐段反演的能力,为远距离海域蒸发波导折射率剖面参数的反演提供了可行的方法。     

基于改进直方图算法的雷达信号参数特征提取研究

雷达信号特征提取是雷达信号识别中的重要组成部分,直接影响到识别效果的好坏。在研究直方图算法分析雷达信号特征的基础上,提出2种改进的直方图算法:截断直方图算法和窄带直方图算法,并用仿真实验分析影响算法性能的4个因素,验证了直方图算法提取雷达信号参数特征的有效性。     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

基于虚拟阵列的信号源数估计算法

信号源数估计是智能天线技术的一个基本问题,经典的信号源数估计算法有:基于信息论"AIC"算法"MDL"算法、假设检验、平滑秩序列法以及盖氏圆算法等,这些算法在低信噪比、小采样、色噪声以及实际信源数近阵列阵元数时,会产生较大的误差。在Kullback准则基础上提出了一种基于虚拟阵列的改进算法,该算法通过对阵列接收的数据进行预处理,虚拟地增加阵元数,按照修正的规则,求取信源数。经仿真验证,该算法克服了经典算法在低信噪比、小采样、色噪声以及实际信源数接近阵列阵元数时,准确估计信源数的难题。     

基于ML-Ⅱ的指数分布可靠性多层Bayes估计

Bayes估计法是可靠性评估中应用最为广泛的方法之一,指数分布的Bayes验前概率密度函数中的重要参数主要依靠Reformulation法和Box-Tiao法确定,具有较强的主观经验性。基于Beyes估计的基本思想,以试验数据为依据,利用第二类极大似然估计法(ML-Ⅱ估计法)确定Bayes方法中的相关参数,避免了参数确定的主观性。实例表明结果合理,方法客观、可行。     

基于多维直方图的mean shift运动目标跟踪算法

讨论了一种红外图像序列的运动目标跟踪算法.以mean shift为核心,即在连续图像序列中对比运动目标的直方图.在可见光的视频中,利用目标的颜色直方图进行跟踪.在前视红外图像序列中,直方图由像素值和高通滤波后的值共同构成.为较好地处理非线性非平稳信号,引用LMS自适应滤波可以对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.