基于卡尔曼滤波和AR参数的非平稳杂波仿真

分析了天基雷达地面杂波的统计分布特性和功率谱特性,研究了基于零记忆非线性变换法仿真天基雷达地面杂波相关随机序列的方法.该方法用AR过程模型产生相关杂波,但是,在实现线性滤波器时仿真的相关杂波与实际非平稳杂波存在误差,仿真效率低.提出了基于卡尔曼滤波递归AR参数实现线性滤波器的方法,推导了仿真相关对数正态分布杂波的原理和方法,进行了杂波仿真实验和分析,仿真的杂波能够很好地符合幅度分布和功率谱特性要求,可以提高探测概率,验证了该方法仿真杂波的准确性和有效性.     

船载高频地波雷达一阶海杂波仿真模型研究

船载高频地波雷达(High Frequency Surface Wave Radar, HFSWR)海杂波仿真模型的建立对于有效海杂波抑制方法的提出具有重要指导意义。针对目前一阶海杂波模型存在的问题，提出了改进的船载HFSWR一阶海杂波空时分布模型。首先分析了船载平台在相参积累周期内前向运动对海杂波回波入射角的影响，提出了不同距离元海杂波子块入射角随时间变化的规律，并由此导出新的一阶海杂波时空分布模型、海杂波回波信号模型、以及目标回波模型。仿真结果表明，生成的海杂波数据的分布特性比传统模型更加接近实测海杂波的分布特性，为以后船载HFSWR海杂波有效抑制算法的研究提供较好的仿真数据支持。     

海杂波复合K分布模型的参数估计

海杂波幅度分布特性对雷达海面目标检测与识别、信号处理以及性能评估均有重要意义。在高分辨率雷达中,复合K分布模型对海杂波的实测数据具有很好的拟合效果。采用粒子群优化算法进行海杂波模型的参数估计,重点研究粒子群算法中的惯性权重和学习因子的选择以及边界问题的处理,并利用CSIR组织公布的雷达实测数据进行仿真,估计结果通过均方差检验评估参数估计效果,结果表明:粒子群优化算法具有良好的适应性和估计精度,验证了改进算法的有效性。     

雷达杂波建模与仿真技术

在分析雷达信号杂波背景统计特性的基础上,重点研究了海浪杂波和箔条干扰的数学模型,提出采用统计模型,即经典模型和AR模型进行仿真的两个技术途径.前者对于海杂波的统计幅度起伏特性根据雷达参数和海情的不同分别采用瑞利分布或对数正态分布或介于两者之间的概率密度函数描述,对于箔条云的特性则用瑞利分布概率密度函数表示.该模型的优点是具有通用性,适用于研究工作的初期及数学仿真;后者是以外场实测数据为依据建立起来的模型,其优点是同实际情况更加符合,逼真度更高,适用于研究工作的后期及半实物仿真.文章还叙述杂波模拟数据的生成技术和基于双存储体的杂波模拟器的实施方案,该项技术和实施方案可用于武器系统抗干扰评估半实物仿真系统.     

一种通用的雷达海杂波计算机仿真模型

针对雷达海杂波相干视频散射模型,给出了一种通用的计算机仿真模型.提出用迭代算法和随机向量法完成无记忆非线性变换过程,产生非高斯相干随机序列.其中迭代算法用来计算非线性变换过程中高斯序列相关性的变化,而随机向量法用来完成线性变换, 仿真实验数据证明利用这种方法可精确地产生具有指定概率密度和功率谱的非高斯随机序列,逼真地复现既包含振幅又包含相位的雷达海杂波相干视频散射信号.同时给出了迭代算法使用过程中的注意问题及海杂波模型仿真的过程和结果.     

实测海杂波光电图像混沌特性研究

基于随机信号模型的光电图像海杂波抑制是目前海杂波背景下目标检测常用方法,检测性能不甚稳定。在分析混沌动力系统相空间重构的基础上,通过提取实际海杂波光电图像序列的关联维数和最大Lyapunov指数,检验海杂波是否具有混沌性。实验结果表明:海杂波光电图像序列具有有限的关联维数和正的最大Lyapunov指数,验证了海杂波光电图像序列的混沌特性。海杂波具有的混沌特性使得可采用短时间预测法抑制海杂波,为海杂波光电弱目标检测提供新的解决思路。     

雷达杂波模型的建立与仿真

杂波在雷达环境模拟中有着重要的作用,其特性可以用幅度分布特性和频率分布特性来描述.文章介绍了球不变随机过程SIRP和零记忆非线性变换ZMNL两种产生相关随机序列的基本方法.基于这两种方法各自的特点,详细分析并建立了对数正态分布、韦布尔分布以及K分布等几种概率分布的雷达杂波模型,且进行了计算机仿真.结果给出了概率密度和功率谱密度的理论曲线和实际仿真直方图,从而验证了这两种方法模拟雷达杂波特性的有效性和准确性.     

基于分数阶矩和NM单纯形算法的海杂波参数估计

针对海杂波K分布形状参数和尺度参数的估计问题,提出了基于分数阶矩和NM单纯形算法的参数估计,首先采用分数阶矩估计法作为形状参数和尺度参数的初始值,然后利用NM单纯形算法进行数值搜索获得K分布形状参数和尺度参数的估计值。与实测的X波段海杂波概率密度函数对比表明,K分布优于Gamma分布和Weibull分布,其估计值与实测值最相吻合,且具有最小的均方根误差。对于一维的海杂波来讲,该方法是一种计算效率适中的算法。     

基于粒子群支持向量机的海杂波序列回归预测

在雷达数据处理中,为更好地抑制海杂波,预测海杂波是必要的;海杂波具有混沌特性,而支持向量机算法能够有效地对混沌序列进行回归预测,文章提出了一种改进的支持向量机海杂波序列回归预测算法;文中给出了算法的框架结构,采用了互信息法和改进的伪邻近点法提取海杂波混沌特性的延迟时间和嵌入维数,利用相空间重构求取SVM训练样本,应用改进的PSO算法优化SVM的核函数参数以及惩罚系数,并仿真了预测模型;仿真实验结果表明:海杂波回归预测能达到满意的精度,而PSO-SVM方法比SVM方法的预测精度更高。     

雷达模拟器中海杂波模拟的一种新方法

海杂波的建模方法已趋于成熟,而如何在光栅显示器上快速逼真地模拟海杂波是当前模拟器面临的一个重要问题。在成熟的海杂波模型基础上,用ZMNL快速模拟杂波序列,并通过距离和近程增益调制可快速逼真地模拟海杂波。     

结合样本局部密度的非平衡数据集成分类算法

传统的过采样方法是解决非平衡数据分类问题的有效方法之一。基于SMOTE的过采样方法在数据集出现类别重叠(class-overlapping)和小析取项(small-disjuncts)问题时将降低采样的效果,针对该问题提出了一种基于样本局部密度的过采样算法MOLAD。在此基础上,为了解决非平衡数据的分类问题,提出了一种在采样阶段将MOLAD算法和基于Bagging的集成学习结合的算法LADBMOTE。LADBMOTE首先根据MOLAD计算每个少数类样本的K近邻,然后选择所有的K近邻进行采样,生成K个平衡数据集,最后利用基于Bagging的集成学习方法将K个平衡数据集训练得到的分类器集成。在KEEL公开的20个非平衡数据集上,将提出的LADBMOTE算法与当前流行的7个处理非平衡数据的算法对比,实验结果表明LADBMOTE在不同的分类器上的分类性能更好,鲁棒性更强。     

稳定精确的摄像机标定方法

在Tsai两步法的基础上提出了一种更加稳定精确的摄像机标定方法。由于Tsai两步法中只考虑了摄像机镜头的径向畸变因素,所以为了提高摄像机的标定精度,在其基础上考虑了镜头的切向畸变情况。在求解摄像机参数的过程中,第一步同Tsai两步法采用最小二乘法求解线性方程得到外部参数,再利用最小二乘法求解关于畸变参数K1,K2,K3,K4的线性方程组,最终求得摄像机的内外所有参数。通过实验对该方法进行了验证。     

通信协议转换器及其构造

通信协议转换器可以看作是两个协议的信息之间的映射．这个映射可以用一个重要信息对偶集合Ｋ来刻划．本文给出相对于Ｋ的协议转换器的形式定义．然后，我们提出用两个有限状态自动机的对偶积来构造协议转换器的方法，并论证了方法的正确性．     

自调优自适应遗传算法的WKNN特征选择方法

针对大多已有基于[K]近邻和遗传算法的特征选择方法中没有考虑各个特征的重要度不同,并且容易出现过早收敛,特别是局部最优解问题,提出了一种基于自调优自适应遗传算法的WKNN特征选择方法。该方法使用WKNN算法预测样本的类别,为每个特征分配一个权重来衡量特征的分类能力,然后采用自调优自适应遗传算法,对变异率、种群规模和收敛阈值进行参数调整,在迭代进化过程中搜索最优特征权重向量。为了评价该方法的有效性,与已有7种特征选择方法在5个标准数据集上进行了比较。实验结果表明,该方法是有效的,且具有较高的分类性能。     

一种快速核特征提取方法及其应用

针对核主成分分析方法（KPCA）存在大样本集的核矩阵K计算困难问题,提出一种基于分块特征向量选择的快速核主成分分析方法。采用分块特征向量选择方法提取样本子集,用样本子集建立KPCA模型。将该方法应用于某化工过程的特征信息提取,并与全体样本的KPCA相比较。实验结果表明,两者特征提取的有效性相当,但新方法在建模和特征提取过程所耗费的时间较少。     

一种基于雪粒径演化过程的积雪亮温模拟新方法

本研究采用HUT模型、DMRT模型和MEMLS模型模拟积雪雪粒子与不同波段（18.7 GHz和36.5 GHz）微波相互作用（吸收和消光）,并用于辐射传输模型。而雪粒径的获取一直是一个难点,本研究由Jordan91雪粒径演化模型演化得到雪粒径,并将其作为辐射传输模型的输入参数,基于像元内实测数据进行混合像元18.7和36.5 GHz水平极化亮温模拟。结果表明：采用HUT模型、DMRT模型和MEMLS模型的消光系数在18.7 GHz时模拟亮温的偏差分别为-3.6、-1.8和-0.7 K,在36.5 GHz时分别为4.0、10.4和14.4 K。对于18.7 GHz水平极化和36.5 GHz水平极化,基于有效雪粒径的亮温模拟与基于雪粒径演化过程的亮温模拟精度呈现出很好的线性关系。因此,基于雪粒径演化过程的方法是一种合适的获取辐射传输模型中雪粒径参数的方法。     

A New Method of Simulating Bright Temperature of Snow Cover based on Snow Grain Size Evolution Process

This research used HUT model, DMRT model and MEMLS model to simulate interactions(absorption and extinction) between snow grainsfor different wave bands (18.7 GHz and 36.5 GHz) of microwave which were used for radiative transfer model. Obtaining the snow grain size is always a difficulty. So this research used Jordan91 snow grain size evolution model to evolve snow grain size which was regarded as input parameter of radiative transfer model, and used measured data to simulate spaceborne brightness temperature for 18.7 GHz horizontal polarization and 36.5 GHz horizontal polarization in a mixed pixel. The results showed that the bias of simulation brightness temperature using extinction coefficient of HUT model, DMRT model and MEMLS model for 18.7 GHz horizontal polarization were -3.6 K、-1.8 K and -0.7 K respectively, and for 36.5 GHz horizontal polarization were 4.0 K、10.4 K and 14.4 K respectively. For 18.7 GHz horizontal polarization and 36.5 GHz horizontal polarization, the bright temperature simulation based on effective snow grain size shows a good linear relationship with the brightness temperature simulation basedon snow grain size evolution process. Therefore, the method based on the snow grain size evolution process is a suitable method for obtaining the snow grain size parameter in the radiative transfer model.     

Synthesis of combined control servo systems operating under conditions of regular chaos

The generalization of the notion of K(E)-transformation for quasi-stochastic sequences is provided. The method of synthesizing servo systems operating under conditions of regular chaos on the basis of K(E)-transformation is established.     

基于K-means的朴素贝叶斯分类算法的研究

将K-means算法引入到朴素贝叶斯分类研究中，提出一种基于K-means的朴素贝叶斯分类算法。首先用K-means算法对原始数据集中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与k个簇重心之间的相似度，把记录赋给距离最近的一个簇，并用该簇相应的属性均值来填充记录的缺失值，然后用朴素贝叶斯分类算法对处理后的数据集进行分类。实验结果表明，与朴素贝叶斯相比，基于K-means思想的朴素贝叶斯算法具有较高的分类准确率。     

A condition number for point matching with application to registration and postregistration error estimation

Selecting salient points from two or more images for computing correspondence is a well-studied problem in image analysis. This paper describes a new and effective technique for selecting these tiepoints using condition numbers, with application to image registration and mosaicking. Condition numbers are derived for point-matching methods based on minimizing windowed objective functions for 1) translation, 2) rotation-scaling-translation (RST), and 3) affine transformations. Our principal result is that the condition numbers satisfy K/sub Trans/ /spl les/ K/sub RST/ /spl les/ K/sub Affine/. That is, if a point is ill-conditioned with respect to point-matching via translation, then it is also unsuited for matching with respect to RST and affine transforms. This is fortunate since K/sub Trans/ is easily computed whereas K/sub RST/ and K/sub Affine/ are not. The second half of the paper applies the condition estimation results to the problem of identifying tiepoints in pairs of images for the purpose of registration. Once these points have been matched (after culling outliers using a RANSAC-like procedure), the registration parameters are computed. The postregistration error between the reference image and the stabilized image is then estimated by evaluating the translation between these images at points exhibiting good conditioning with respect to translation. The proposed method of tiepoint selection and matching using condition number provides a reliable basis for registration. The method has been tested on a large number of diverse collection of images - multidate Landsat images, aerial images, aerial videos, and infrared images. A Web site where the users can try our registration software is available and is being actively used by researchers around the world.