基于散射机理分类与方位对称性判决的极化SAR人造目标提取

由于极化SAR人造目标电磁散射的复杂性,已有极化SAR人造目标提取方法难以完整地提取出感兴趣区域内不同类型的目标.针对这一不足,提出一种基于散射机理分类与方位对称性判决的提取新方法,充分利用目标与杂波在散射机理类型及方位对称性上的差异进行提取.与已有方法相比,该方法对极化SAR图像中不同极化特征的人造目标都有较好的提取性能,提取结果更为完整和准确.利用全极化SAR实测数据验证了本方法的有效性和优良性能.     

全局仿射变换条件下图像不变量提取新方法

从仿射几何理论出发,提出了一种全局仿射变换条件下图像特征不变量构造的新方法.利用仿射区域划分获取一组扩展质心集合作为图像特征点集;求解特征点集的凸包,根据扩展质心的性质将凸包顶点均匀组合成若干特征区域;利用仿射几何性质构造了有效的仿射不变量.实验对该方法进行了全面的比较分析,以验证所构造的不变量更具稳定性和高时效性.     

杂波环境下红外传感器滤波算法

基于定向概率数据关联滤波(DPDAF)算法,根据红外传感器对目标方位角与俯仰角分辨率不同的特性修正了似然函数,并利用等效观测噪声协方差阵修正滤波增益的思想,构造了一种旨在提高红外传感器跟踪性能的修正定向概率数据关联滤波算法.蒙特卡洛仿真结果表明,新算法对红外目标的跟踪具有比DPDAF更好的跟踪性能.     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

基于DSP的复杂背景下瞄准分划探测与识别

为解决嵌入式模拟射击训练系统中瞄准分划自动探测与识别的问题,以ADSP-BF533数字视频处理系统为平台,利用瞄准分划的灰度和形状特征,综合运用边缘检测、数学形态学和模板匹配等算子,提出了一种复杂背景下瞄准分划探测与识别算法,成功实现了对瞄准分划的自动探测和识别。     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

基于投票分布积累的Hough变换航迹起始法?

针对密集杂波下匀加速运动的低可观测目标的航迹起始问题,提出了一种基于投票分布积累的Hough变换航迹起始法。该方法利用单元投票数以及该单元附近投票数的密集程度定义了投票密度和投票均值,构造了两级门限来滤除部分杂波,快速给出目标航迹参数在参数空间的大概位置,最后由直观法给出起始航迹的数目以及参数。仿真结果表明,该方法不仅能提高正确航迹起始概率、降低错误起始概率,而且所用时间短,尤其适用于复杂环境中的目标检测。     

“发射后不管”的舰空导弹目标分配模型

针对空袭手段的不断发展变化,基于对“发射后不管”的舰空导弹武器系统的制导原理分析,采用定性与定量相结合的方法探索目标分配问题。在分析传统的舰空导弹目标分配模型的基础上,分别建立了火力单元不饱和条件下目标分配模型和火力单元饱和条件下目标分配模型,算例分析表明,采用此种建模方法能够充分发挥“发射后不管”的舰空导弹武器系统具备连续抗击多目标能力的优点,为舰艇指挥员在防空反导作战中进行指挥决策提供一定的依据。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。