地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

面向无人机识别网络中链路中断概率的优化算法

针对无人机识别网络,提出基于时间和带宽资源分配的链路中断概率优化算法（time and bandwidth allocation-based outage probability optimal algorithm,TBAP）。在TBAP算法中,先推导了中断概率的闭合表达式。再建立基于时间和带宽资源分配的中断概率最小化的目标问题,然后运用快速收敛算法求解目标问题,进而获取最优的时间和带宽分配策略。仿真结果表明,相比于传统的二分分配法,TBAP算法具有更低的中断概率。     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。     

舰艇编队防空能力仿真和可疑目标识别模型

由于舰艇的探测范围有限,为了最大限度地保证指挥舰的安全,需要设计合理的编队队形。对此设计了一种对称环形编队,分析了该编队在有预警机和无预警机两种情景下的抗饱和攻击能力。分析结果显示该队形能最大程度地保护指挥舰安全,抗饱和攻击能力显著增强。特别在有预警机支援的情况下,舰队生存能力可以得到极大提升。最后针对未知目标,使用决策树分类可以更迅速准确地判断出目标真实意图。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行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种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练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。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始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,所提层次主成分分析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%。     

光学侦察卫星对地机动目标侦察性能的评估北大核心

建立了基于改进Johnson判则的光学成像侦察卫星对地面机动目标检测概率模型。模型针对机动目标位置变化、运动速度与方向随机性等特点,提出了一种基于高斯分布的目标转移概率密度函数,用以评估卫星搜寻到目标的概率,将原适用于静态目标检测概率计算的Johnson判则,用于机动目标。通过Matlab/STK联合仿真,验证卫星对机动目标的覆盖情况和发现、识别和确认目标的概率性能。模型以发现、识别和确认目标的概率来描述光学成像侦察卫星对地面机动目标的侦察性能,卫星对地面机动目标的侦察性能可以作为规划机动目标行动方案的依据,有助于机动目标规避侦察。     

雷达辐射源识别技术面临的主要挑战及对策

信息化战场上,复杂电磁环境严重制约雷达辐射源识别过程。通过梳理雷达辐射源识别技术发展阶段及各阶段主要识别方法,深入分析了现阶段雷达辐射源识别技术面临的主要挑战,并提出应对策略,为创新雷达辐射源识别方法提供借鉴。研究表明,针对未来战场雷达识别面临的主要挑战,平时做好预判,熟谋对策,将极大地有利于战时进行雷达辐射源识别,进而促进整个电子对抗行动作战效能的发挥。     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

OFDM雷达信号子载波调制方式识别方法

针对多径信道下传统方法识别OFDM雷达信号子载波调制方式存在识别正确率较低,识别子载波调制方式不完备,判决门限不易确定等问题,提出一种新颖的OFDM雷达信号子载波调制方式识别方法。利用OFDM雷达信号的瞬时幅度绝对值标准偏差,实现子载波多进制正交振幅调制（MQAM）和多进制相位调制（MPSK）的类间识别,利用组合高阶累积量作为识别特征量,对MQAM和MPSK两类调制方式中的子类间进行分类识别,利用递归降价的方法实现子载波调制阶数M>16的MQAM调制方式的识别。仿真实验结果表明,该方法能够有效实现多径信道下OFDM雷达信号多种子载波调制方式的识别,且识别性能更优,可以识别更完备的子载波调制方式类型。