基于干扰效果在线评估的行为参数分析

针对当前干扰效果第三方评估与实际干扰效果脱节问题,提出了一种基于干扰效果在线评估的行为参数分析方法.以Link-16系统为作战对象,通过对其受扰前后的行为分析,提出了以通信信号体制、功率、编码方式、封装结构和组网等行为参数变化作为干扰效果在线评估依据的方法,并从原理上分析了该方法的可行性.     

基于保局判别投影的声目标特征提取算法

针对现有声目标识别技术鲁棒性较差的实际情况,提出了一种监督性流形学习算法—保局判别投影(LPDP)算法.算法在流形学习保局投影(LPP)算法的基础上,引入了控制类间和类内距离的改进最大边缘标准(MMMC),使得这种特征提取算法既具有线性流形学习算法样本外点学习的优点,又能够有效解决小样本问题,并能在后续的分类中取得良好...     

遗传算法和神经网络在低空声目标识别中的应用研究

将神经网络应用于战场声目标分类，针对BP算法易陷人局部极小、收敛速度慢的缺点．利用遗传算法具有全局寻优的特点，将二者结合起来，提出一种训练神经网络的混合算法GA-BP算法，并将其应用于低空飞行目标的声识别。仿真结果表明该算法具有较高的识别概率和较好的鲁棒性。     

DSmT混合规则的高复杂度优化

针对DSmT混合规则计算和存储复杂度高的问题，提出一种矩阵计算法。该算法对辨识框架的基本元素进行集合编码，从而简化混合规则的组合过程。实验结果表明，该算法使执行时间随辨识框架大小呈指数增加，随证据源数目和焦元数呈线性变化，能有效避免高复杂度。     

声信号并行稀疏分解去噪方法研究

将稀疏分解引入到声目标识别系统的去噪中,提出了一种并行的稀疏分解算法,以解决目前的稀疏分解算法计算量大、耗时多,不适宜用作战场声目标实时识别的缺点。算法充分利用目前计算机高速发展的多核处理器技术,根据声信号的特点,将基于稀疏分解的声信号去噪分解成多核计算机可以并行处理的多个任务,使用加权的匹配跟踪算法分别进行处理,提高了运算速度。实验结果表明基于稀疏分解的去噪方法可以很好地提高声目标识别系统的性能,而并行的匹配跟踪算法可以显著提高稀疏分解的速度,使稀疏分解去噪应用到实时的声目标识别系统中成为可能。     

基于ASM的人脸特征点自动标定

针对经典弹性图匹配算法中人脸特征点的定位问题,本文提出了一种利用机器自标定来代替传统的手工标定的算法.本文算法首先利用可变形状模型拟合出人脸的轮廓,得到人脸关键特征点位置的初始估计,然后利用参考图像中对应特征点的Gabor系数调整初始位置,最终实现关键特征点的精确定位.实验结果表明,算法可以有效地定位出人脸特征点,定位结果稳定.     

周期性对称调制伪模式搜索及其应用

分析了周期性对称调制伪模式的显示周期与平面宽度和调制周期内的调制脉冲数之间的关系。由于周期性对称调制伪模式可在不同宽度的平面上出现，这使椁可以在较窄的范围内实现模式搜索，并据此完成特殊体制的雷达脉冲的快速、自动分选。仿真试验结果表明，依据伪模式分选周期性对称调制的脉冲的平均准确率可达到93％以上，平均漏选率低于5％。     

认知电子战发展趋势:从单体智能到群体智能

随着人工智能、通信技术、无人系统等技术的快速发展,通信对抗装备智能水平不断提高,无人集群作战也在持续地深化和落地应用,这给认知电子战技术的研究带来了新的机遇和挑战,推动了认知电子战内涵从单体化向群体化演进。为促进认知电子战发展有效适应未来新型智能作战装备和新型无人集群作战样式,在综述认知电子战概念、内涵以及认知电子战单体智能研究的基础上,从无人集群作战背景出发,结合群体智能算法,提出了认知电子战群体智能的概念并对其内涵进行详细的阐述,指明了其对认知电子战的研究价值、应用价值以及发展前景。最后,在体系对抗的视角下,进一步对认知电子战群体智能未来可能的发展方向进行了较为全面的展望。     

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上，提出了一种基于输出信号上下文信息的盲反卷积算法，并提出一种采用量子遗传算法的新的优化求解方法，对仿真的通信信号分离的结果表明算法的有效性。     

一种动态约简中子表族F范围的计算方法

对动态约简的思想进行了阐述,详细分析了其中子表族抽取的有关问题.根据正态分布的区间估计推算对所有动态约简都适应的F族抽样值,并在此基础上将约简精度系数纳入了F族的抽样考虑范畴,提出了一种计算F族范围的方法,发展并完善了对F族抽样计算的理论思想.