色噪声环境下MIMO雷达相干目标角度估计算法

针对色噪声环境下的MIMO雷达相干目标角度估计问题,提出一种基于目标信息矢量重构的角度估计算法.算法对MIMO雷达的接收数据进行了低复杂度改进,通过计算四阶累积量,得到一组矢量并证明该矢量包含所有目标的角度信息,通过重构Toeplitz矩阵,结合MUSIC算法实现了色噪声环境下MIMO雷达相干目标的角度估计.算法保留了MIMO雷达的阵元扩展能力和目标分辨力,具有自动抑制加性高斯白噪声和色噪声的能力,实现了相干目标的有效估计,更利于在实际中应用.最后计算机仿真结果证实了算法的有效性和可行性.     

抑制成像数据噪声的模糊多目标算法

以模糊数学和决策理论为基础,通过建立成像数据模糊指数函数及平方误差 模糊指数函数,提出了一种称为模糊多目标优化的新的算法模型,对成像数据的噪声进行抑 制实现数据优化。实验结果表明,所提出的模糊多目标优化算法模型有较强的抑制噪声能 力,理论和实验有较好的一致性。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%～18.2%,并且具有更好的识别稳定性。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

基于中值排序的自适应加权均值滤波算法

分析了MTM算法的原理、优点和不足,并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数,完成对含噪图像的均值滤波。实验证明,算法能较好地滤除高斯噪声和脉冲噪声,且滤波效果优于传统的中值滤波和MTM滤波,是一种简单、实用的图像滤波算法。     

频谱搬移法的误差和噪声分析

频谱搬移法是一种新型的高分辨率成像技术,文章采用理论推导与数值仿真相结合的方法,对该技术应用于实际时可能遇到的误差和噪声做了讨论。研究发现:在条纹存在移动误差的情况下,还原图像的质量随条纹移动次数增加反而下降,一般条纹移动3次就能达到最好效果,这也是频谱搬移法原理要求的最少次数,因此这种方法的成像效果与成像速度是不矛盾的,而且在移动误差比较大的情况下,图像质量仍能有所改善;另外,其对条纹场噪声要求也不是很高,一般在信噪比15～20dB时就能非常接近无噪声时的理想效果。     

一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

基于前四阶矩的非高斯响应概率密度函数逼近方法研究

基于响应前四阶统计矩研究了在偏态系数和峰度系数取值范围不同时Gram-Charlier渐进展式、Edgeworth渐进展式和Fleishman多项式3种非高斯概率密度函数,指出3种方法的适用条件。结果表明与Gram-Charlier和Edgeworth渐进展式相比,Fleishman多项式对峰度系数的变化不敏感,该方法只有在峰度系数与高斯分布一致时拟合的结果才有可能是合理的;Gram-Charlier和Edgeworth渐进展式在中、高度偏态情况下易出现负的概率,二者在低等偏态情况下拟合的结果是比较合理的。两算例表明在高等偏态、尖峰和对称、扁平分布情况下,Gram-Charlier和Edgeworth渐进展式拟合结果优于Fleishman多项式,但Gram-Charlier渐进展式易于出现负的概率,在应用时应引起注意。