应用极化聚类中心设计快速自适应极化滤波器

针对传统自适应极化滤波算法存在收敛速度慢、迭代步长因子选取困难等问题,采用极化聚类中心估计理论设计了一种快速自适应极化滤波器,实现了对极化雷达回波中的干扰信号逐脉冲地自适应精确对消。滤波器通过距离单元选通获取干扰信号样本,对样本极化聚类中心的直接计算能够快速估计干扰信号在当前脉冲内极化状态,依据干扰输出功率最小原则最终实现快速滤波过程,相比于传统极化滤波算法有更快的收敛速度和更稳定的干扰抑制性能。仿真对比实验结果验证了该方法的快速有效性。     

基于相邻脉冲相似性的快速聚类分选方法

针对复杂环境下的聚类问题,提出了一种新的聚类分选算法。其利用同一雷达辐射源的相邻脉冲间的相似性对信号进行聚类。该算法按到达时间顺序将信号依次归类,并将新分类的数据作为所在类的聚类中心,其无需事先指定聚类的数目,也无需进行反复的迭代计算。仿真表明,该算法不仅分类准确,而且大大缩减了计算量。     

隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。     

基于灰色聚类的野战饮食装备技术保障能力评价

采用一种定性和定量相结合的层次分析法和灰色聚类评价模型,通过案例评价分析,得出现阶段某部队野战饮食装备技术保障能力各指标及综合指标所属等级,针对性提出“培养高素质保障人才”,“提高装备品质,完善器材设施”,“加快信息化建设”,“加强费用一效能管理”等措施,获得了比较满意的效果,证明了灰色聚类评价模型在野战饮食装备技术保障能力应用中的有效性。     

一种多特征多分辨率快速SAR图像匹配算法

提出一种新的基于多特征多分辨率的快速SAR图像匹配算法.算法主要包含图像预处理、匹配特征选择、匹配准则定义、搜索策略设计、匹配结果融合5部分.算法采取在不同图像尺度上分别基于具有信息互补关系的不同特征进行匹配的策略,兼顾了匹配精度与时间效率.实验结果验证了算法的有效性.     

并轨双基合成孔径雷达ECS成像算法

为解决大斜视角情况下并轨模式的CS成像误差较大的问题,基于单基地非线性CS算法采用扩展CS算法对斜视目标成像实现了改进,克服了双基地回波数据二维频域变换的困难,对高阶的耦合性进行了补偿.通过仿真验证了在斜视条件下,ECS(extend CS)算法对双基地合成孔径雷达(BiSAR)数据成像的有效性.     

基于颜色特征的喷气燃料银片腐蚀试验结果评价

传统的喷气燃料银片腐蚀评级方法(军用)存在评级准确度较低、重复性差的问题。针对该问题,提出一种基于颜色特征的银片腐蚀评级方法,开发出银片腐蚀评级软件,并搭建相应的图片获取系统。将该方法用于CIELAB颜色空间,以K均值聚类方式提取腐蚀标准色板及腐蚀银片的特征颜色,再根据距离判断银片腐蚀级别。试验结果表明,该方法与标准目测方法有较好的一致性,能够解决喷气燃料银片腐蚀评级困难的问题并实现腐蚀评级的自动化。     

空战截击引导航线自动生成算法研究

以等角航线作为截击引导航线计算的基础,研究了满足战术要求的截击引导航线自动生成方法,提出了基于前置点滑动搜索的截击引导航线优化生成算法（LPMSOA,lead-point moving search optimal algorithm)。LPMSOA算法采用二分搜索思想,以到达时间差为优化准则,通过对预定敌机前置点的滑动搜索来寻找最优前置点,通过飞行航迹长度最小化获得最短截击时间,在此基础上对最优截击引导航线进行解算。仿真实验表明,LPMSOA能有效解决空战截击引导航线自动生成问题,算法实时性强,计算精度高。     

基于动态时间规整下密度聚类的轨迹识别研究

为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算法的参数对分类效果的影响,发现数据规模越大,DBSCAN预分类的DBSCAN改进DTW聚类算法的优势越明显.通过仿真得到了使DBSCAN预分类的DBSCAN改进DTW聚类算法发挥最高效率的参数.     

一种基于BP神经网络的极化干涉SAR植被高度反演方法

地面干涉相位估计偏差和植被散射模型偏差都将引起三阶段植被高度反演偏差,针对该问题,提出了基于BP神经网络的植被高度反演方法,该方法直接利用BP神经网络模拟极化复相关系数与植被高度之间的非线性映射关系,不仅可以避免地面干涉相位估计偏差导致的植被高度反演偏差,还能降低三阶段植被高度反演方法面临的散射模型偏差导致的植被高度反演偏差,具有比三阶段植被高度反演方法更高的反演精度。实验结果验证了新方法的优越性。