基于二维小波变换的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。     

滚动轴承含噪声谐波信号的欠确定盲源分离方法研究

目前使用的大多数盲源分离方法都依赖于观测传感器数量大于或等于信号源数目这样一个基本假设。算法主要针对传感器数量m小于源信号数量n(欠确定)情况下旋转机械含噪声谐波信号的盲源分离问题展开研究。它在输入信号频域稀疏性假设和源信号之间线性混合假设的前提下,提出了一种势函数聚类的源数目估计方法,并对通道衰减和延时进行了计算。实验信号仿真结果证明了该方法的可行性和可靠性。     

IFM系统的双交叠信号分析及改进

RWR/ESM系统多采用传统的瞬时测频(instantaneous frequency measure,IFM)技术实时检测信号频率,但这种测频技术对交叠信号只能估计一个信号的频率,且容易产生测频错误.现代战场中电磁环境异常复杂,脉冲交叠概率越来越高,因此研究交叠信号对IFM系统的影响尤显重要.为此根据IFM原理,分析...     

低空无人机实时探测的GCB-YOLOv5s算法

为应对无人机“黑飞”“滥飞”带来的安全威胁,迫切需要对无人机进行有效的实时探测与识别。然而由于低空无人机的灵活性、微小型化及多干扰因素等原因,传统的雷达探测等方法表现不佳。为此,基于机器视觉探测,提出了一种低空无人机实时探测的GCB-YOLOv5s算法。该算法针对经典YOLOv5算法运算速度难以满足高清实时处理的问题,使用轻量级GhostNet网络取代了YOLOv5骨干网络中的卷积运算,简化网络结构,大幅提高了计算速度;并且通过引入CA注意力机制,以及使用BiFPN双向加权特征金字塔替换颈部的PANet结构,在网络结构简化的基础上提升检测准确性。通过现地拍摄无人机在建筑、云层、树木、阴暗等不同复杂背景下的飞行姿态,结合公开数据集,对算法进行训练和测试实验。实验结果表明,GCB-YOLOv5s在参数量和浮点数计算量上均减少了近40%,且可达96.7%的精确率、96.4%的召回率和97.5%的平均精度。     

基于改进混沌映射和WFRFT的射频隐身信号设计

为了提高雷达射频隐身信号的低截获性能,提出了改进一维混沌映射和加权分数阶傅里叶变换结合的方法,设计一种射频隐身信号。该信号利用改进一维混沌映射脉内调频和脉间调相,对调制后的复合信号加权分数阶傅里叶变换,分析了该信号的相关特性、功率谱以及模糊函数,同时与其他2种混沌信号对比。仿真结果表明,该复合调制信号自相关PSL为-81.27 dB,ISL为-72.08 dB,信号平均功率为-34.41 dB,并且模糊函数近似为“图钉型”,该信号具有较好的低截获和抗识别性能,射频隐身性能良好。     

基于态势信息融合体系的军用计划识别关键技术研究

文章阐述了C2、态势信息融合体系及计划识别之间的联系,并根据计划识别理论的发展应用情况,指出了军用与经典计划识别之间的区别与联系以及亟待解决的关键技术,提出了军用多Agent计划识别构成模型,并探讨了相关动态不确定性集成建模、推理方法在军用计划识别问题上的应用。     

一类基于模型的仿射代数不变量

3D目标的标识别已逐渐成为计算机视觉领域的热点问题.在研究了传统的基于几何不变量和基于3D/2D约束关系两种识别方法的基础上,提出了1类新的空间几何结构模型,并计算出了这类模型3D仿射不变量和其对应的2D仿射不变量之间的约束关系.利用这种关系,可以在目标的姿态和摄像机的参数均未知的情况下,有效利用单幅图像来识别3D目标.     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。     

冲激SAR成像的分辨率估计

后向投影 (BP)算法是一种被广泛应用于冲激SAR的成像算法。当冲激SAR的发射信号是某一类冲激信号时 ,根据冲激SAR成像的特点 ,推导出BP算法的方位分辨率与成像积累角、信号中心频率的关系。仿真结果表明 ,在相当范围内 ,估计公式都是准确的