采用LSRSERM方法进行多雷达数据配准

基于雷达网系统误差分析,提出了一种最小二乘相对系统误差配准法,并给出了一种多雷达数据配准方案。仿真和实际数据证明,该方法可以使同一目标观测航迹的分裂程度减小一个数量级。     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

双/多基地雷达时间同步的一种新方法

时间同步是实现双/多基地雷达的关键技术之一,提出了一种新的双/多基地雷达时间校准方法.方法利用雷达不同通道对同一目标分别进行双基测量和单基测量,再对测量值进行最小二乘处理,求解出双/多基地雷达的时间同步系统误差,最后达到时间高精度同步的目的.仿真结果验证了该方法的可行性.     

机载平台野外立体场景弱小变化目标检测

提出了一种针对机载序列图像的野外立体场景弱小变化目标检测新方法。为了补偿平台运动,提出了一种级联图像配准模式,即首先通过生物视觉方法对待检图像进行快速粗配准,然后通过不变系数最小二乘匹配进行精配准;为了补偿图像间的灰度变化,提出了直方图一致性变换方法,该方法不仅可以处理线性灰度变化而且可以处理非线性灰度变化;为了弱化场景立体效应影响,提出分子区的方法,即通过将图像划分为若干子区,各对应子区独立求解仿射参数,使得待检图像不同位置子区可以对应不同几何变换参数。光电吊舱真实图像变化检测实验,证明了文章方法的正确性和有效性。     

跑道失效率的一种快速解析近似计算方法

针对现有的跑道失效率计算方法对数据的处理要求很复杂,并且计算效率较低,难以满足实时性要求的不足,提出一种快速的解析近似计算方法,通过有利弹着区的选取以及瞄准点的优化选择,将问题从搜索最小升降窗口转化为求解母弹对有利弹着区的命中概率,免去了搜索升降窗口的计算时间,从而大幅提高了计算效率。仿真结果表明,快速解析近似计算方法计算速度快且满足了精度要求。     

基于LSSVM和信息熵的航材备件组合预测方法

为了实现航空装备的精确化保障,需要对航材备件数量进行预测,现有方法难以在小样本的条件下,准确地预测航材备件数量,为此提出了一种基于最小二乘支持向量机和信息熵的组合预测方法.首先,将基于最小二乘支持向量机的一元预测方法和多元预测方法相互结合,提出了一种组合预测模型;然后,使用信息熵理论对组合预测模型的权重系数进行优化;最后,给出了所提预测方法的计算步骤.实验结果表明,所提方法在预测航材备件数量时,具有较高的准确性.     

用DEA优化主成分回归的寿命周期费用建模

回归统计建模方法是寿命周期费用建模中常用的方法,回归统计建模方法本质上是对数据平均趋势的估算,无法回避"依据错误的数据得到错误的模型"的根本问题.为此.提出用DEA方法时数据进行评价,剔除无效数据,将有效的数据用于主成分回归的建模方法.该方法能有效克服干扰数据对提取成分的影响,弥补主成分分析的不足.通过实例计算并与PC...     

旋转运动模糊的盲复原

摘 要:旋转运动模糊图像的盲复原是一个挑战性的课题.提出了一种新颖的模糊参数的估计方法:首先将旋转运动模糊图像分割成子图块,并将各子图块的运动模糊近似为直线模糊,运用基于Hough变换方法和微分自相关方法估算出各子图块的模糊尺度和方向,构成整图的离散旋转运动场.然后利用所得到离散运动场,用最小二乘技术估算出整图的旋转...     

基于偏最小二乘回归的军用飞机采购价格预测

考虑到军用飞机采购价格样本数据少、难于预测的特点和偏最小二乘回归方法在处理小样本多元数据方面的优势,提出一种基于偏最小二乘回归的军用飞机价格预测方法.偏最小二乘回归首先提取第一、第二主成分对采购价格样本的特异点进行剔除;然后进行变量投影重要度分析来筛选变量;最后,偏最小二乘回归对筛选的变量进行回归建立军用飞机价格预测模型,并对军用飞机价格进行预测.结果表明,在军用飞机价格预测方面,与未筛选变量的回归模型和逐步多元回归相比,经过变量筛选的偏最小二乘回归模型预测的精度更高,更能体现采购价格与飞机性能参数之间的关系.     

纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法：高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型：高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。