使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

基于加权MHD的反舰导弹预定目标选择方法

平均Hausdorff距离(MHD)方法基于编队的整体形状进行匹配来寻找对应点,因此,不像距离选择区法和扩展搜索图选择法那样受导弹自控段的导航误差和目标机动散布的影响。为了进一步提高反舰导弹的目标选择能力,考虑所匹配点集不同区域对Hausdorff距离函数的贡献程度不一样,提出了加权MHD(WMHD)来研究编队预定目标选择问题。首先通过刚体变换方法将火控雷达和末制导雷达探测到的编队点集进行位置匹配,然后利用WMHD方法获取其最优变换位置,最后据此最优变换位置预测预定选择目标在末制导雷达开机的位置。通过仿真实验表明其具有较强对抗冲淡干扰和形状扭曲失真的能力,且性能明显优于MHD方法。     

基于DMFT的空间目标微动特征提取

空间目标的高速轨道运动,会导致微动曲线的展宽和走动,将对后续的微动特征提取产生不利影响。针对这一问题,提出了一种基于离散匹配傅里叶变换(DMFT)的空间目标微动特征提取方法。首先分析了高速空间目标的信号回波模型;其次,根据回波信号的特点提出了一种基于DMFT的补偿参数估计的方法;最后,采用Hough变换提取了目标的微动特征。仿真实验验证了该方法的有效性和鲁棒性,结果表明微动特征的提取精度得到了明显提高。     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

基于Grobner基与合冲模方法的M－带对称正交小波设计

通过引入计算代数中Grobner基以及合冲模的相关算法,提出对多相位矩阵进行正交化,从而得到了同时具有对称性和任意正则阶的M-带正交小波的高效设计方法。与现有方法相比,克服了构造过程复杂以及不能保持线性相位的缺陷。     

基于小波变换的外测设备动态精度评估方法

为了解决传统的变量差分法或最小二乘拟合残差方法评估外测设备动态精度引入模型误差问题,提出了基于小波变换的外测设备动态精度评估方法.对残差序列的小波基函数选择及系统误差和随机误差分离技术进行了理论分析,并应用某设备的残差序列数据实验验证,取得了基于小波变换和变量差分方法的残差信号系统误差与随机误差以及设备精度指标.结果表明:基于小波变换评估外测设备动态精度无模型误差,计算的设备精度指标符合设备测量特性,基于变量差分的评估方法将模型误差引入到设备综合误差上,导致设备误差变大,影响精度评定的准确性.通过对比分析,更加证明了基于小波变换的外测设备动态精度评估方法的科学、准确.     

“准备”与“备准”

人人皆知,不打无准备之仗.但要打好仗、打胜仗,不仅要有准备,而且要备准."准备"与"备准",看似只是两个字变换了先后顺序,但内涵和实质却迥然不同. 备准以准备为依托,准备成效以备准来体现.可以说,准备是前提,备准是落点;备准是方向,准备是过程.当前,我国安全形势日益严峻,传统安全威胁与非传统安全威胁交织,进行多样化任务成为常态,"养兵千日、用兵千日"成为事实.武装力量要适应这一形势变化,有效履行使命任务,如何准备和怎么备准,是必须密切关注、认真思考和抓紧解决的严峻课题.     

一种基于Hadamard变换与SVD的彩色图像双水印算法

针对实际应用中彩色图像的版权保护问题,提出了一种结合Hadamard变换与奇异值分解（SVD）的非盲水印算法。实验证明,该算法对加噪、JPEG压缩、剪切、缩放和旋转攻击均有较强的抵抗力,具有较好的实用价值。     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。