遥感影像中采用多维特征的目标定位检测

给出一种在复杂场景的遥感影像中定位人造目标的方法,通过提取多种有利于检测人造目标的特征,并将其组合成特征矢量,采用非参数的均值漂移聚类方法进行分割,从而把目标从复杂场景中分离出来,通过检测影像中的房屋建筑物,结果表明该方法具有很好的稳健性和自动性。     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ　模糊规则给出了一种系统预测模型，分别用模糊Ｃ－均值聚类算法和线性回归方法导出模型参数．利用该模型对舰船维修经费进行了预测，并进行了精度分析．     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于粒子滤波的红外小目标跟踪方法

提出了一种基于粒子滤波的红外小目标自适应跟踪方法.首先根据红外小目标的特点,建立灰度统计直方图分布模型对目标进行描述,采用基于Bhattacharyya系数定义的距离进行相似性度量,建立目标观测模型,然后通过这个模型将粒子滤波和均值位移方法结合起来,实现对红外小目标的跟踪.实验证明,该方法能够较好地处理图像序列中由于局部遮挡所带来的影响,准确地对红外小目标进行跟踪.     

FCM和粗集在雷达信号识别中的应用研究

连续属性离散化是粗集理论应用中面临的主要问题之一.对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗集理论将其属性进行约简提取有用规则.将此方法应用于雷达信号类型识别,可以直接从原始数据中得到识别信息,仿真实验结果证明利用此离散化方法得到的识别规则对雷达信号识别是有效和可靠的.     

基于脉内特征的雷达信号分选新方法

提出了一种基于脉内特征和基于核方法的模糊C-均值算法(KFCM)相结合的雷达信号分选方法.首先利用小波变换法提取雷达信号的脉内特征,然后基于KFCM对信号进行分选.计算机仿真表明,在满足一定信噪比的条件下,该方法可以准确地实现雷达信号的分选.     

光纤陀螺随机漂移的ARMA模型

分析了传统时间序列分析法建立ARMA模型的不足,提出了一种利用模型阶数判断准则和长自回归法建模的新方法。对数据进行了预处理和模型识别,比较了不同模型阶数判断准则的特点,研究了用长自回归法估计模型参数的步骤和方法。最后对光纤陀螺随机漂移进行了建模实验,通过对模型残差的白噪声检验,证实了使用新方法建立的ARMA模型具有很好的适用性。     

一种陀螺随机漂移的高精度组合建模方法

随机漂移是制约陀螺精度的一个重要因素,提出了一种对陀螺随机漂移精确建模的方法.利用小波降噪技术消除信号中的高频噪声,再将降噪后的数据序列平稳化,对平稳化后的数据序列进行AR建模、卡尔曼滤波,得到陀螺随机漂移的估计量.用Allan方差等方法对仿真结果进行了检验,表明了该方法的有效性.该模型可用于补偿惯导系统中陀螺漂移产生的随机误差,以提高制导精度.     

基于Matlab的船载平台式惯导系统误差分析

给出平台式水平阻尼惯性导航系统误差的数学模型,然后介绍了系统Simulink的误差建模方法,对系统误差进行了仿真,从仿真结果中能够清楚地看出系统误差的大小及变化趋势。在分析惯导各种误差变化的基础上,结合2套船载惯导设备的输出信息比较,对惯导误差进行补偿和修正从而提高船栽惯导系统的使用精度。