机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

高保真超宽带TEM喇叭的分析与设计

本文讨论了波形保真的ＴＥＭ嗽叭分析和设计问题．本文提出了两个新论点：１）嗽叭的开口端阻抗不能看作真空波阻抗,它与嗽叭尺寸、张角有关;２）冲激脉冲有时序性能,反射只与局部结构有关,因此,波形保真嗽叭不同于普通的宽带嗽叭．本文按此思想设计了一个宽张角圆锥ＴＥＮ嗽叭,实验表明波形保真良好．     

基于高分辨距离象的雷达目标识别特征分析

高分辨距离象是高频区雷达目标识别的最基本的依据。文中对高分辨距离象用于目标识别的两个方面的特征进行了分析 ,提出了相关角度的概念。该概念反映了距离象与目标整体之间的相似性 ,是基于距离象目标识别的又一个重要特征 ;分析了距离象相位信息的重要性 ,指出了利用距离象相位信息进行目标识别的方法和途径。     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

用加权余量法求解弹性机构的稳态响应

在机构的运动弹性动力分析中,稳态响应的求解已有了多种方法。本文通过分析、比较,提出了用加权余量法求解弹性机构稳态响应的思想,并给出了两种基本算法。作为应用,本文还给出了两个算例,其中空间四杆RS'SR 机构为本文首次给出。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

防空系统建模与目标价值排序方法

针对当前防空系统模型的构建和评估偏向于定性处理以及仅考虑其结构特性而忽视了系统中目标与关系自身属性的问题,在分析现有模型与评估方法的基础上,提出了基于邻接矩阵的防空系统模型,定义了能力评估向量,采用目标对体系能力贡献程度的目标价值综合评价方法,并引用Pareto占优中等级前沿和拥挤距离的思想提出了目标等级和目标离散度的概念,形成了非劣性价值排序算法,同时使用加权以及性价比方法和其他网络评估方法排序,采用自身设计以及随机生成案例进行仿真实验,结果验证了基于邻接矩阵的防空系统模型以及价值排序算法的有效性。     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。