超声速弱目标二维频域检测与参数估计算法

超声速弱目标在长积累时间内会发生严重的距离走动,导致常规雷达检测性能急剧下降,针对该问题,本文提出了一种超声速弱目标二维频域检测与参数估计算法。首先给出了超声速弱目标回波信号模型,并分析了距离走动特性。在此基础上,推导了超声速弱目标回波二维频域表达式,得出了距离频域和方位频域存在线性关系的结论,并根据二维频域中的斜线进行积累,以此提高目标的检测性能,同时完成目标的参数估计。最后,通过仿真实验分析了该算法的检测和参数估计性能,理论推导和仿真结果表明该算法的信噪比积累增益为脉压比和相参积累脉冲数的乘积。     

稀疏重构下的非线性调频信号参数估计算法

非线性调频信号广泛应用于雷达声纳领域，其具有多阶多项式相位、未知参数多的特点，给参数估计带来困难。针对此问题，本文提出一种稀疏重构下的非线性调频信号参数估计算法。该方法利用Gabor原子良好时频特性，以 范数稀疏正则最小二乘模型为目标函数，并推导了问题的二阶锥规划（SOCP）形式，最终通过求解的Gabor原子进行参数估计。算法分析信号的时频特征，完成信号的分解重构，适应于各类调频信号。仿真实验证明，本文算法对调频信号二阶与一阶相位参数估计精度都贴近CRB，而对二阶参数的估计较二次相位差分算法更适应较低信噪比。      

基于频域时延-多普勒二维聚焦的欠采样雷达信号参数估方法

针对欠采样脉冲多普勒雷达信号参数估计中已有方法抗噪性差、顺序参数估计方法中后续参数估计受前面参数估计精度影响严重等问题,该文提出一种基于有限新息率(Finite Rate of Innovation,FRI)采样的频域时延-多普勒2维聚焦(FD2TF)算法.在该算法中,利用FRI采样结构能够以低于奈奎斯特采样频率的速率获得信号的一系列傅里叶系数,通过频域2维聚焦过程能够同时估计时延和多普勒参数,避免了参数顺序估计中误差累积的问题,理论分析证明了该算法能够大幅提升采样信号的信噪比,提高算法抗噪性和鲁棒性.在2维聚焦算法的基础上该文还提出了基于逆傅里叶变换的2维聚焦简化算法,在提高参数估计网格密度的同时,大大减低了2维聚焦算法的计算量.仿真和对比实验结果证明了该方法的有效性和良好的抗噪性.     

基于Bancroft算法的多点定位TOA-LS估计

 由于目标信号的发射时间未知,无源定位技术大多利用TDOA(到达时间差)进行目标定位.本文将求解GPS单点定位的Bancroft算法应用于TOA(到达时间)多点定位方程的求解,提出了基于Bancroft算法的无源多点定位TOA-LS(最小二乘)估计算法.TOA-LS包含三个线性方程,其加权系数与目标位置和目标信号发射时间相关.采用Bancroft算法给出初始值并求解TOA-LS方程,完成加权系数的迭代更新.仿真结果表明对不同几何位置的目标,TOA-LS估计可获得接近理论方差下界的近似最优的性能.     

Radon-Wigner变换改进算法在多目标分辨及参数估计中的应用

提出了一种改进的Radon—Wigner变换方法应用于多目标分辨与参数估计。文中首先分析了基于Radon—Wigner变换的参数估计原理，针对WVD平面上的优化搜索问题，提出了变尺度两级搜索算法，以相对较小的计算量，提高了参数估计的精度。对于多分量信号的分辨，应用频域信号分离技术，有效抑制了强信号对弱信号的影响。仿真结果表明：上述方法减小了算法的计算量，提高了多目标分辨性能。     

基于混沌压缩感知的稀疏时变信号在线估计

混沌压缩感知是一种利用混沌系统实现非线性测量的压缩感知理论。针对稀疏时变信号的混沌压缩感知,该文提出稀疏时变信号的在线估计架构,构建一种递归最小二乘准则下的稀疏约束目标函数;通过利用迭代加权非线性最小二乘算法求解目标函数最小化问题,实现稀疏时变信号的参数估计。以Henon混沌系统为例仿真分析了频域时变稀疏信号的估计性能,数值模拟证明了该方法的有效性。     

信号波形已知条件下多目标直接定位性能分析及其改进算法

相比传统"测向+位置估计"两步定位体制,以Weiss和Amar提出的目标直接定位技术具有精度高、分辨能力强等优点,并且便于利用信号波形信息.该文首先针对Weiss和Amar提出的信号波形已知条件下的多目标直接定位算法（称为Weiss-Amar算法）进行理论性能分析,证明了其参数估计的渐近一致性,推导了其参数估计的渐近方差,并指出当不同目标信号波形相关时会对算法性能产生较大影响.针对这一缺点,文中提出了信号波形已知条件下的改进型多目标直接定位算法,与Weiss-Amar算法不同的是,改进算法对全部目标的位置参数进行协同估计,并且通过交替投影迭代进行数值优化,能显著提高对相关信号的定位精度.最后文中推导了信号波形已知条件下多目标位置直接估计方差的克拉美罗界.仿真实验验证了文中理论分析的有效性和改进算法的优越性.     

频域和时域最小二乘法在声场重建中的性能比较

最小二乘法在声场重建中应用广泛,主要分为频域和时域两种实现形式.频域最小二乘法是对各频点上的声场重建误差进行最小化控制,通常需要在各频点进行独立的正则化处理,导致重建滤波器的非因果性,在实际应用中需要引入时延因子.时域最小二乘法是对控制点上的时域重建误差进行最小化控制,对重建滤波器系数进行整体求解,不存在非因果问题.本文利用两种算法仿真了自由场假设下的单目标区域和多目标区域的声场重建问题,仿真结果表明,在滤波器阶数相同的情况下,两种算法在单目标区域声场重建问题中表现相近,在多目标区域的声场重建问题中,时域算法明显优于频域算法.     

极化SAR动目标定位中的残差图像干涉相干性分析

该文研究极化SAR动目标检测及定位中的频域残差图像干涉相干性优化问题.给出了多普勒频域杂波对消处理的基本流程,提出了一种利用频域残差图像进行最优极化干涉处理从而提高目标运动参数估计精度的方法.结合最优极化干涉理论,通过仿真分析研究了不同极化下频域残差图像的干涉相干性,验证了文中方法的有效性.     

基于IAA的多通道SAR系统目标测速新方法

研究了多通道合成孔径雷达地面动目标检测(Synthetic Aperture Radar and Ground Moving Target Indication,SAR-GMTI)系统的目标参数估计问题,提出了一种非参的基于迭代自适应方法的速度估计算法(Iterative Adaptive Approach based Velocity Estimation,IAA-VE).该算法的核心思想是将SAR系统的参数估计问题转化为阵列处理中的幅相估计问题.具体而言,构建一个目标径向速度的阵列流形,通过递归方法求解一个加权最小二乘的代价函数,实现对目标信号的复幅度和径向速度的精确估计.仿真结果表明:IAA-VE算法能够精确高效地估计目标径向速度.另外,实验表明IAA-VE的性能优于已有的一系列参数估计方法.     

基于Zernike矩和PSO算法的摄像机神经网络标定

提出了一种新的基于Zernike矩和粒子群(PSO)算法的摄像机BP神经网络标定方法。首先,利用Zernike矩和曲率不变性求取圆形标定模板中心的亚像素坐标,提高神经网络训练数据的精度;其次,利用PSO算法优化网络的初始权重和阈值,提高网络的收敛速度和泛化能力。实验结果表明,该方法在X轴和Y轴方向的测量误差小于0.06 mm,整个测试集均方根误差为0.194 mm,证明了该方法的有效性。     

多值逻辑基本运算的神经网络实现

多层感知器神经网络是典型的人工神经网络模型。算后，将其推广到多值逻辑。根据感知器神经元的分类特点，系统中的基本运算，从而也实现了任意三值逻辑函数。本文在分析二值感知器神经网络实现二值数字逻辑运采用三层前向稳健感知器神经网络实现了三值格代数。     

A smart camera with gesture recognition and SLAM capabilities for mobile robots

This paper presents a smart camera for a real-time gesture recognition system. The smart camera has been designed and implemented as a system-on-a-chip (SoC), using reconfigurable computing technology. In this system the gesture images are captured by means of a CMOS digital camera. After some pre-processing steps, those are sent to a fault tolerant module (FTM) for the actual recognition process. The FTM implements a RAM-based neural network, using three knowledge bases. In addition, a majority voting technique is used to improve the confidence level in the recognition step. A number of experiments using a prototype implementation and selected gestures resulted in a rate of 100% true recognition. The system also showed to be robust, and flexible as new gesture patterns can be easily included by means of the on-chip training capabilities. An application for this systems is also presented, consisting of four smart cameras used in simultaneous localization and mapping (SLAM) tasks for robotics.     

基于深度学习的单像素相机超分辨率成像优化

基于压缩感知和单像素成像的基本原理,设计了一种用于图像超分辨率重建的新型深度卷积神经网络架构.这种单像素超分辨率成像算法成功地将深度学习图像超分辨率重建技术与压缩感知单像素成像技术相结合,从而发展出一种全新的深度学习单像素成像优化方法.与传统的常规压缩感知图像重构算法相比,该算法有效提升了图像超分辨率重建精度和单像素成像质量.通过图像重建的仿真实验和单像素相机的成像实验验证,结果表明这种基于深度学习的新型单像素相机成像方式具有良好的性能表现.     

基于多级神经网络结构的手写体汉字识别

本文提出了一种用于手写体汉字识别的多级神经网络结构（Ｍｕｌｔｉ－ｓｔａｇｅＮｅｕｒａｌＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ，ＭＮＮＡ）模型。在该模型中，我们将多个神经网络和不同的特征提取方法有机地集成在一起而构成一个完整的模式识别系统。我们讨论了设计ＭＮＮＡ的一般原理，并提出了一个基于多层前馈神经网络的三级结构的手写体汉字识别实验系统。三种不同的特征提取方法被应用于各级子系统之中。对１００个汉字１５０００个样本的实验我们得到了９９．３４％的识别率，０．３６％的拒识率和０．３％的误识率，表明该模型是十分可行和有效的     

一种基于神经网络与证据理论融合的P2P业务感知模型

提出了一种基于神经网络与证据理论融合的P2P业务感知模型,该模型利用神经网络的非线性逼近能力和自学习能力,获取证据理论所需的基本概率值;并通过证据理论的数据融合明显提高业务感知准确率。实验结果表明,该模型与现行的P2P业务识别方法相比,能够快速、准确、可靠地识别P2P业务类别,实现合法有效的网络管理和控制,对检测网络异常行为与提高网络安全性具有重要意义。     

一种基于奇异值特征的神经网络人脸识别新途径

本文在Z Hong等人使用的奇异值分解(SVD)基础上,将人脸图像矩阵的奇异值作为识别特征,解决了奇异值处理、神经网络训练策略和竞争选择问题;运用BP网络进行识别,提出了一种基于奇异值特征的神经网络人脸识别新方法.基于ORL人脸数据库的多次反复实验结果表明,在大样本情况下,识别方法具有实现简单、识别速度快、识别率高的特点,为人脸的实时识别提供了一种新途径.     

基于飞行时间深度图像变化率的火焰识别方法

为开发飞行时间算法在火灾探测中的应用,简化算法,提高检测速率和准确性,根据飞行时间法,结合火焰的深度图特征,设计了基于深度图像变化率的火焰识别算法。以三维深度相机为主要图像捕获设备,进行了多组火焰识别实验,包括正庚烷火焰、乙醇火焰、纸张火焰、灯光干扰、行人干扰实验,对捕获的图像进行了处理与计算,提出了识别火焰的简化算法和火焰像素估计模型。采用该方法分析了火焰深度图特征,火焰识别结果图像的频谱图特征、集中度特征以及面积变化特征。研究结果表明,采用文中提出的算法的实验识准率大于91.5%,误识率小于3.8%,能有效识别火焰。     

人脸识别方法的综述

人脸识别技术是利用计算机分析人脸图像,从中提取有效的特征信息,用来辨认身份的一门技术。在此简单介绍了近年来常用的几种人脸识别方法,如：特征脸、隐马尔科夫、神经网络、以及弹性图匹配方法等。     

基于深度学习与特征融合的人脸识别算法

卷积神经网络在人脸识别研究上有较好的效果,但是其提取的人脸特征忽略了人脸的局部结构特征。针对此问题,文中提出一种基于深度学习与特征融合的人脸识别方法。该算法将局部二值模式信息与原图信息相结合作为SDFVGG网络的输入,使得提取的人脸特征更加丰富且更具表征能力。其中,SDFVGG网络是将VGG网络进行深浅特征相融合后的网络。在CAS-PEAL-R1人脸数据库上的实验表明,将网络深浅特征相融合与在卷积神经网络中加入LBP图像信息与原图信息相融合的特征信息对于提高人脸识别准确率非常有效,可得到优于传统算法和一般卷积神经网络的最高98.58%人脸识别率。