网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

基于MVC/FVI模式的SAR图像融合系统设计

设计模式的使用有助于提高软件开发效率和增强软件的可复用性.在阐述SAR图像融合系统逻辑结构和功能特征的基础上,结合MVC设计模式和FVI设计模式的思想,提出了本SAR图像融合系统的设计模型;最后,针对本系统的图像数据管理和图像数据处理的技术难点给出了解决方案.开发一个具有可扩展性、易维护性和稳定性的SAR图像融合软件平台,对于研究各种融合算法具有重要的现实意义.     

数据融合技术与潜艇指控系统的发展

就潜艇指控系统的现状和发展,综述了数据融合技术在潜艇指控系统中的应用前景。     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。     

复杂环境下多雷达点迹融合

针对系统误差、杂波干扰等对点迹融合处理系统的影响,结合工程实践,提出了一种处理复杂环境下多雷达点迹融合结构框架,给出了存在系统误差情形下的多雷达航迹起始、虚假目标抑制、雷达误差配准等模型和算法。仿真结果表明,提出的框架、模型和算法能够有效处理多雷达点迹融合问题。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。     

雷达测速中的 Robust 技术

精确测定初速仍然是弹道测量最重要的任务之一。现代多卜勒雷达尽管很实用,但对于处理实际数据还存在许多缺陷。本文运用Robust估计的现代统计法,通过改进原某测速雷达中的数据处理部分,达到即使在最不利的条件下也可以计算出其精度能估计的初速度。使用同一方法还可以确定阻力系数。实验结果证实了这些结论。     

基于模糊综合的红外目标融合识别

为了提高在复杂背景和强干扰条件下目标识别的可靠性,提出了一种基于模糊综合的目标融合识别算法,并采用双色红外成像系统所获得的红外图像数据进行了实验仿真。实验结果表明该算法在较大程度上提高了目标识别的可信度。     

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。