ARMA谱估计在导弹仿真系统数学模型验证中的应用

针对反坦克导弹系统动态过程仿真的输出具有短时序、低信噪比的特点 ,研究了应用ARMA谱估计验证导弹系统仿真模型有效性的方法 ,并结合某型号滚转稳定的反坦克导弹系统复杂模型的仿真数据和简化模型的仿真数据给出ARMA谱估计的应用结果。     

小波变换在雷达视频压缩中的应用

针对工程应用中雷达视频数据量大、难于实时传输的问题,分析了雷达视频数据的信息冗余和信号相关等特点,提出了一种基于小波变换的雷达视频数据压缩算法,并用该算法对实际采集的某型雷达视频数据进行压缩、解压缩处理。结果表明:该算法具有较高的压缩比和较好的信号恢复质量,具有一定的实用价值。     

数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。     

用于数据链信息处理的PDA算法设计与实现

数据链系统处理雷达数据信息时,要求一个跟踪算法能够更有效地滤除杂波,消除虚警。在单传感器环境下,若落人相关波门内的回波多于一个,那么这些候选回波中可能都是来自目标,也可能由杂波产生。概率数据互联算法(PDA)能充分利用跟踪门内的回波,具有较小的误跟、丢失目标的概率和计算量较小的优点。通过实现 PDA 算法,证明了它在杂波环境下可以取得好的跟踪效果。     

一种面向频域的通信信号盲干扰检测算法

针对低干信比和复杂动态情况下传统的干扰检测算法效率不高的问题,提出一种基于盲通信信号频域处理的未知干扰自动检测算法。该方法首先借助快速独立成份分析(FICA)从频谱差分数据中分离干扰和通信信号成份分量,然后利用各分量的峰度作为干扰与通信信号的识别特征检测干扰。实验结果表明,此算法能有效地在干信比小于5 dB的情况下从盲通信信号背景中自动提取未知干扰的信息,实现高精度地盲干扰检测。     

信息流中的隐形信息提取和还原技术研究

提出基于变化域的信息隐藏检测算法和基于彩色静止数字图像的信息隐藏提取算法,将小波变换的放大信息与显示隐藏信息及其相反过程的功效挖掘出来,基于信息隐藏对载体特性影响的模型,建立通用的隐藏信息提取的数学模型和面向"信息隐藏对载体特性影响"集合的正变换函数和逆变换函数,对信息进行标识、分析、提取和还原,使之能破除还原隐藏信息,达到较好的信息识别与分析效果,从而实现快速提取隐藏数据电子证据.     

ISDT算法的数据压缩处理及其性能分析

过程数据的实时压缩和趋势提取可以显著提高过程控制系统的整体性能.传统的SDT数据压缩算法不能很好地适应现今过程控制的要求,无法获得满意的压缩结果.针对SDT算法的弊端,提出了一种改进的SDT数据压缩算法,并进行了两种算法的性能对比.对合成数据仿真计算的分析结果表明,基于ISDT算法的过程数据压缩性能有大幅度的提高,更好地满足了现今过程控制中实时数据处理和趋势分析的要求.     

信息化战场环境下态势估计系统及其仿真技术

态势估计是数据融合体系中的一个重要层次.在当前信息化战争的环境下,态势估计技术在战斗中的作用显得尤为重要,目前国内关于态势估计的研究大多数处在概念研究的阶段.分析了态势估计的基本原理,给出了在信息化战场环境中态势估计的处理流程,构建了一个基于专家系统的态势估计系统,并采用HLA技术,利用VR_Force和VC开发了一套空战态势估计仿真系统.     

网络电机远程控制系统内模控制器设计

针对基于网络的远程控制系统中存在的信号传输时间延迟问题,设计了基于内模原理的控制器,对因网络时延导致的系统性能下降进行补偿.并且,对加入内模控制器后的闭环系统性能进行了分析.内模控制器克服了其他控制器必须依赖电机精确模型的特点,保证了系统具有良好的稳定性和鲁棒性.仿真示例验证了内模控制方法的有效性.     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。