卡方分布参数检验的多门限空海目标分类方法

目标高度是空海目标分类的重要特征.机载雷达测高精度不高,特别是对远距离目标的测高精度更差,因而利用机载雷达提供的高度信息进行空海目标分类存在很大的不确定性.为了能有效地利用机载雷达提供的高度信息进行空海目标分类,提出了一种基于卡方分布参数检验的多门限空海目标分类方法.首先,基于假设检验的思想,给出了空海目标分类判别函数,并采用了多门限决策方式;然后,结合统计理论给出了各门限的设置,并对算法进行了仿真;最后,讨论了该方法在实际中的应用.     

基于块分类的快速分形图像压缩

针对分形图像压缩编码时间长的问题 ,提出基于块分类的分形图像压缩算法 ,实验结果表明 ,该方法相对于经典的Jacquin分形图像压缩算法 ,压缩比得到提高 ,压缩时间提高近 10 0倍。     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题，提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况，提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响，并利用支持向量机分类方法验证点云纹理特征，可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征，点云纹理特征约束的地物分类具有更高的分类精度，并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

共址调频和调幅系统干扰机理及干扰抑制需求分析

以调幅和调频电台为研究对象,对共平台接收电台前端低噪声放大器的非线性进行精确建模,分别对调幅电台和调频电台的干扰抑制需求进行解析,并通过数值仿真对解析模型进行验证。结果表明:所提解析模型较现有模型更为准确;当有用信号功率、噪声功率和干扰功率相同时,调幅通信系统的干扰抑制需求高于调频通信系统。     

基于伽利略卫星导航系统的多径误差仿真

着重讨论伽利略卫星导航系统中采用的线性偏移载波调制技术,对GALILEO中可能用到的几种信号的基本特性作具体分析,提出对于BOC信号,应采用余弦副载波调制方式,并在此基础上对GALILEO各种信号的多径误差、平均多径误差进行仿真验证.仿真结果表明,在参数相同的条件下,余弦副载波类型BOC信号的平均多径误差均优于同参数下的正弦副载波类型BOC信号的平均多径误差.