弹道导弹轨迹参数生成技术研究

在弹道导弹防御系统中,目标轨迹参数是重要的识别因素。本文基于最小能量弹道。推出弹道导弹在地心惯性坐标系中任一时刻的位置和速度,得到了弹道导弹从发射点到落点的轨迹参数,为研究弹道导弹的弹道特性分析提供了数据支持。     

结合分形理论和修改的方向最大最小方差的居民地提取方法

传统的居民地提取方法存在以下不足:第一是提取的居民地存在误判的情况;第二是提取的居民地边界不准确,效率低;第三是很难适用于不同空间分辨率的图像。为克服这些问题,本文提出了一种基于分形理论和方向最大方差(DMAV)和修改的方向最小方差(MDIV)的居民地提取方法,算法共分为三个步骤:第一步是利用分形特征和修改的方向最小方差提取居民地的候选区域;第二步是利用形态学滤波和面积阈值法除去干扰区域,并对提取的居民地区域进行修整;最后是利用方向最大最小方差,对居民地边界进行精确的定位。本文用了大量的遥感图像验证了提出算法,实验证明,本文方法是精确的、有效的。      

基于贝叶斯框架的空间群目标跟踪技术

对大量密集的空间群目标进行有效跟踪、编目已成为空间监测的迫切需求。地基雷达作为近地轨道空间监测的主要手段,在对高密度的空间小碎片云进行跟踪时,通常会由于分辨能力有限,造成对个体目标检测、观测信息严重缺失,使得传统的多目标跟踪技术难以奏效。为此,该文基于群跟踪的概念,在贝叶斯框架下以群目标的整体运动趋势为跟踪对象,同时兼顾个体的运动目标轨迹跟踪,通过建立群目标的中心和观测量之间的相互作用约束模型,可以提升在漏警概率较高情况下的目标数目估计的稳健性以及单个目标的跟踪精度。贝叶斯积分的求解过程通过MCMC-Particle 算法具体实现。通过对空间群目标跟踪的仿真实验验证了群跟踪技术的有效性。      

一种投票权值调整的神经网络集成增量学习方法

针对神经网络集成增量学习中集成输出投票权值的设定问题,给出了一种投票权值调整的神经网络集成增量学习方法。该方法定义了神经网络集成中子神经网络训练集的类核函数,通过计算待识样本与类核函数之间的核函数距离得到集成输出中子神经网络的投票权值。这种投票权值设定方法可以根据子神经网络分类器对待识样本的分类性能自适应地调整集成输出的投票权值,是一种更加合理的集成输出投票权值设定方法。仿真实验表明,这种投票权值调整的神经网络集成增量学习方法比投票权值固定的方法增量学习性能更优。      

基于ICA分布模型的粒子滤波跟踪算法

为了在复杂背景、部分遮挡和光照变化等因素干扰的情况下鲁棒地跟踪视频序列中感兴趣的运动目标,提出了一种改进的粒子滤波跟踪算法。该算法针对颜色信息在目标表述中存在的不足,首先对观测模型进行改进,提出了一种基于ICA特征分布的目标模型,将基于核函数的目标特征描述转换到ICA特征空间,由于光照变化引起灰度变化经ICA后仍是同一分量,因此能有效的适应光照变化,不仅考虑并充分利用了空间信息。有效的解决了光照变化及背景颜色相近造成的目标丢失现象,提高了目标跟踪算法的鲁棒性。同时,考虑到粒子的退化现象,将均值平移算法嵌入到粒子滤波的跟踪框架中,待各粒子经过系统传播后,利用均值平移算法使粒子向其领域局部极大值处移动,使得粒子集中在测量模型的局部区域内,只需少量的粒子就覆盖了尽可能的目标分布,很好地克服了粒子滤波器的退化现象并有效缩短了计算时间,提高了目标跟踪算法的准确性和系统的实时性。实验表明,该算法不仅能在复杂背景下准确的跟踪目标,而且在光线变化和部分遮挡情况下也能保证不丢失目标。      

基于Choquet模糊积分的决策层信息融合目标识别

引入模糊测度和 Choquet模糊积分的概念后,信息融合目标识别可转化为各信源识别结果关于信源重要程度的广义 Lebesgue积分。该文给出了 Choquet模糊积分应用于决策层信息融合目标识别的通用技术路线,并提供了信源重要程度的度量方法。算法实用于红外/毫米波融合目标识别系统,融合识别结果与 D-S 证据理论方法作了比较,证明了基于 Choquet模糊积分方法的有效性。     

识别空间旋转目标的尺度模型

由于空间目标旋转速率和雷达采样周期的不确定,雷达回波数据与模板数据存在着采样率不一致,影响匹配效果。该文通过多抽样率下自回归滑动平均(ARMA)混合模型建模,得到回波数据在模板尺度下的模型参数,实现同一尺度下的信号匹配。实验结果表明了该方法的有效性。     

基于层次模型和融合决策的多姿态人脸识别技术

该文提出了基于层次模型和融合决策的多姿态人脸识别技术,它首先把各人脸按姿态分成几个大类,并且对各大类按人脸个体分成相应子类,然后对各个大类分别进行基于特征脸的人脸识别,最后对各个姿态的人脸识别中间结果进行融合决策得到真正的人脸识别结果,该算法同时也提供了其姿态识别结果,并且大大减小了耗时,该文算法对ORL,UMIST,Stirling数据和一些自拍数据共1200幅人脸图像进行了识别测试实验,其结果令人鼓舞。