双正交重叠变换系数基于上下文的算术编码算法

提出了一种双正交重叠变换(LBT)系数基于上下文的算术编码算法.针对二进整数LBT在DSP实现过程中出现的精度和计算复杂度问题,提出了一种适于DSP并行处理的LBT定点实现方法.编码算法包含60种上下文概率模型,熵编码采用MQ编码,并根据并行处理的需要,将MQ编码从位平面扫描过程中分离,根据分离后的结构特点,设计了改进的MQ编码器.并对算法的DSP实现进行了研究.实验结果表明,本压缩算法压缩性能和SPIHT相当,稍逊于JPEG2000,算法容易并行,硬件计算复杂度很低.     

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering) EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性.     

多尺度聚类Hough变换航迹起始方法

针对基于Hough变换航迹起始方法存在的航迹簇拥现象,提出了一种基于多尺度聚类的Hough变换 (MSC-HT)航迹起始方法.该方法首先对量测进行Hough变换,利用较低的阈值得到备选航迹;然后对备选航迹进行多尺度聚类,通过变化尺度参数寻优,自适应确定起始航迹数目和航迹参数,仿真结果表明了算法的有效性.     

非高斯码元检测的马尔可夫链蒙特卡洛算法

针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于改进Radon-wigner变换的微弱目标加速度估计算法

针对已有Radon-Wigner变换（RWT）对线性调频连续波（linear frequency modulated continuous wave,LFMCW）雷达目标加速度估计计算复杂高、精度低的问题,提出了一种改进的RWT算法。该算法通过熵值法得到加速度的粗估计,对RWT结果求二阶原点矩减小搜索计算量,并且提出了RWT插值方法,将其应用到迭代RWT中用于提高加速度估计精度。实验结果表明,该算法在低信噪比的情况下可以准确检测出匀加速微弱目标,计算量较小且精度较高。     

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。     

舵机大动作测试数据关联判读方法

针对电动舵机大动作测试数据人工关联判读工作量大、效率低、故障诊断难的问题,提出一种基于离散小波变换和多约束特征点提取的关联判读方法。根据测试数据量大、类型多的特点,分别采用离散小波变换以及多约束特征提取算法对不同类型的测试数据进行特征提取,剔除异常值,准确定位各个数据的大动作时刻,提取出特征值;使用时间关联判读方法对提取的特征点进行判读,给出了判读异常情况下的故障诊断结果并自动生成判读报表。为验证关联判读方法的有效性,进行了自动判读算法的实验测试验证。结果表明：该方法可在45 s内完成舵机测试数据的关联自动判读和故障诊断,而依赖专业技术人员的人工判读方法至少需要335 s,每个大动作点的数据判读效率提高了6倍以上。     

基于FRFT的低信噪比LFM信号参数快速估计算法

基于分数阶傅里叶变换(Fractional Fourier Transform, FRFT)对线性调频(Linear Frequency Modulated, LFM)信号参数进行估计,问题关键是确定FRFT最佳阶数,根据误差迭代思想提出新的参数估计算法,该算法利用归一化带宽和旋转角的转化关系,由估计误差推算角度差值,有效降低了运算量,不需要调频斜率正负的先验信息,改进的对数搜索算法可以进一步提高参数估计结果的稳定性和可靠性。仿真结果表明,信噪比在-8 dB以上时该方法在高效率的前提下仍具有良好的参数估计性能,平均估计误差在1%以内,估计结果接近Cramer-Rao下限,满足工程实时处理需求。     

一种无人机辐射源调制样式识别算法

针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了 一种基于卷积神经网络的信号识别算法.首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别.仿真结果表明,该算法在信噪比为-6 ...