离散型随机BAM神经网络时滞分布依赖全局指数稳定性

研究一类具有随机时滞与随机干扰的离散型BAM神经网络的全局指数稳定性,所建模型同时考虑离散时滞变化区间与分布概率对稳定性的影响．通过构造新的Lyapunov泛函并结合线性矩阵不等式（LMI）方法,得到了均方意义下依赖于时滞分布的全局指数稳定性条件．     

基于小波矩和支持向量机的装甲车辆识别研究

分析了应用小波矩特征进行地面复杂背景下装甲车辆识别的理论依据,实地采集了某型坦克和某型步兵战车的灰度图像,提取其小波矩特征,采用支持向量机进行分类识别,进行了性能测试实验。结果表明：归一化后的图像的小波矩特征具有良好的不变性;小波矩特征对噪声和局部遮挡有较强的适应性,识别率比较稳定;支持向量机方法具有良好的分类识别能力。     

重庆市近11年空气污染指数变化的小波变换分析

运用一维连续Morlet小波变换法分析重庆市近11年逐日空气污染指数的多尺度演变特征、主周期、突变点和变化因素。结果表明:重庆市空气污染指数在不同时间尺度有不同的变化规律,变化主周期为300 d左右;空气污染状况受地形和气象因素影响,呈"冬重夏轻"格局;春分、秋分前后是一年中空气污染轻重状况转换的突变点;2005年后重庆市空气污染逐渐减轻,但冬季有加重趋势。实践证明,小波变换法是研究空气污染指数时间序列变化的有效分析方法。     

基于改进型小波阈值的磁记忆信号去噪研究

磁记忆检测信号易被外界噪声污染,使缺陷信号的可检测性受到极大影响。为消除噪声信号的不利影响,通过优化传统算法进行了磁记忆信号的消噪。硬阈值去噪得到的估计小波系数值连续性差,并会引起重构信号的振荡;而软阈值去噪会与原来的小波系数存在恒定偏差。在软、硬阈值函数的基础上,提出了一种改进型阈值函数,该阈值函数在一定程度上克服了传统方法的不足之处。仿真试验结果表明了改进型阈值函数对去除磁记忆信号噪声的适用性。     

基于FRFT的LFM信号检测与参数估计

目标运动使雷达回波表现为初始频率和调频率参数均为未知的线性调频(LFM)信号,精确且快速地检测和估计出未知参数的LFM信号是雷达信号处理的主要工作。文章利用LFM信号在特定阶数的FRFT域呈现出能量聚集特性,介绍了基于FRFT的二维峰值搜索、模最大值两步搜索和预判法三种LFM信号检测与参数估计算法。通过在高斯白噪声背景下对三种算法的仿真进行分析、比较,结果表明:在低信噪比条件下,基于FRFT模最大值两步搜索算法估计精度高,计算量较小,为工程应用提供可能。     

离散线性系统部分可观测性测试配置

不可观测系统的部分状态可观测性对于大系统故障检测具有十分重要的意义.研究了基于部分可观测性的不可观测离散线性系统测点优化配置问题,证明了采用有限次观测值构造一个矩阵,可以给出部分可观测性成立的充分必要条件,并进一步证明了部分可观测性的度量可以用一个矩阵的秩的特性来刻画.最后,给出了离散线性系统部分可观测性测试优化配置的度量指标.算例表明,提出的部分可观测性度量指标具有简单实用的特点.     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

基于希尔伯特-黄变换的海杂波特性分析

在雷达探测区域内,海杂波是影响雷达探测性能的主要因素.对于高分辨雷达而言,海杂波具有明显的非线性、非平稳性,针对这一特性,小波变换被广泛应用,但不可避免地具有窗函数的局限性.希尔伯特-黄变换作为一种新兴的自适应信号处理方法,应用简便,妥善避免了W.Heisenberg不确定性原理的限制,对于处理非线性,非平稳信号有着清晰的物理意义与应用前景.把上述两种方法应用于海杂波特性分析,比较两者的优缺点.结果表明,希尔伯特-黄变换具有更好的时频聚集性.     

基于小波能量矩的高分辨距离像特征提取

传统的小波能量特征提取方法没有考虑到每个分解频带上能量的时域分布.针对这一缺点,对传统方法进行了改进,提出了一种基于小波能量矩的局部能量提取方法,用于雷达高分辨距离像的特征提取.小波能量矩既反映了每个频带的能量大小,也反映了能量在时域轴的分布情况.目标识别仿真结果表明,基于小波能量矩的特征提取方法在识别率方面的性能优于传统方法.     

基于小波包分解和样本熵的电磁干扰分析方法

为了定量分析不同状态下电磁环境的变化,并有效提取电磁环境变化的干扰特征,提出了基于小波包分解和样本熵的电磁干扰分析方法.首先,时电磁环境的样本信号进行小波包分解,然后分别计算分解后备频带信号的能量谱系数和样本熵,通过能量谱系数和样本熵这两个指标的对比,综合判断电磁环境是否发生变化.仿真分析表明:样本熵可以弥补能量谱系数...