基于压缩感知的曲线SAR孔径优化和目标三维特征提取

基于压缩感知理论研究了曲线合成孔径雷达的曲线孔径优化和目标三维特征提取。在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

基于广义非线性变换的特征谱线增强方法

为提高强背景噪声下频谱分析的特征提取能力,突出所关心的特征谱线,在非线性变换方法的基础上,提出了广义非线性变换方法。对比分析结果表明:广义非线性变换方法将固定的放大阈值改为可变值,提高了该方法实际应用的灵活性和适用性,易于获得最佳的特征谱线增强效果。     

空时频方位关联算法

针对跳频组网通信中不同信号间的时频分隔特点,利用时频重心进行目标方位数据关联,提出了空时频方位关联算法。根据提取的时频特征设计空时频测向的核函数,实现了简化的空时频测向算法。根据时频距离设计代价函数,基于匈牙利算法实现了方位关联结果的最优化二维分配。根据时频距离选择窗函数的类型和长度,有效避免了信号旁瓣泄露对测向精度的影响,显著提高了密集目标条件下的关联正确概率。数值仿真验证了上述观点。     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．     

阶比谱分析与汽车起动电机故障的实时诊断

本文主要论述阶比谱分析方法及其在汽车起动电机故障实时诊断中的应用。首先阐述了阶比谱分析的原理以及阶比采样中混迭与泄漏的产生及其抑制方法,然后讨论了如何在起动电机运行过程短、升速快的情况下获取感兴趣的噪声信号,进而采用阶比谱分析方法从信号中提取故障特征信息,最后利用阀值判别法起动电机的故障进行实时诊断。     

一种抗比例变化的影像图与矢量数据匹配方法

由于矢量图匹配中涉及比例变化的匹配算法较少,提出了一种抗小比例变化的影像图与矢量图匹配方法。该方法先对遥感影像进行特征提取,然后与GIS矢量数据进行由局部到整体的动态规划匹配。具体过程为先进行点匹配,寻求坐标变换,再进行线匹配,求得线间Hausdorff距离最小为最优匹配。仿真实例表明该方法能够准确地匹配,并抗比例变化,可行性高。     

小波分析在电子装备供电设备故障检测中的应用

新型电子装备供电设备封装性能好,可及测点少,故障检测和诊断难度大.在分析供电设备声信号产生机理的基础上,提出了一种利用小波分析理论对声信号进行处理,实现非接触、不解体故障检测与诊断的方法.论证了频带能量分析法和极大值分析法提取故障特征信息的可行性,并给出了故障特征参数算法.实验证明,该方法能有效地检测和诊断故障.     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

2(1/2)谱在直升机声信号特征提取中的应用

介绍了四阶累积量对角切片的一种定义,分析了其傅里叶变换(212谱)在提取三次相位耦合特征方面的良好性能及其估计方法;将其应用于具有三次相位耦合的直升机声信号特征提取。仿真结果表明,利用该方法能够分析信号的三次相位耦合信息,且具有计算方法简单、运算速度快及良好的抑制高斯噪声的优点。实际的数据处理结果验证了该方法的有效性。     

基于卷积神经网络的空中目标粗分类研究

空中目标的准确分类与识别是防空作战的关键环节。将卷积神经网络应用到空中目标粗分类任务。实验基于Alex Net卷积神经网络模型,并利用建立的小规模数据集进行微调训练,从而提取目标特征并进行分类识别。再和利用HOG特征的分类方法进行对比实验,发现前者具有较大准确率的提升。得出利用卷积神经网络提取的特征具有更强大的表示目标的能力,为进一步实现跟踪空中目标打下实践基础。