雷达目标双谱持征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调是特性,可作为目标分类特征,在此基础上,提出一种目标双谱特征抽取和模板构造方法。利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板,实测数据实验结果表明了该方法在分类效果和特征降维方面的有效     

结合样本选择和AdaBoost的日侧冕状极光检测算法

日侧冕状极光是太阳风与地球磁层相互作用产生的典型电离层踪迹,对其正确分类对研究空间天气活动尤为重要。根据冕状极光的形态特征,提出了一种基于静态图像分类的日侧冕状极光检测算法。首先提取极光样本图像的Gabor特征,利用K均值聚类算法进行基于有监督聚类的训练样本选择,保证训练样本的多样性和代表性。然后引入AdaBoost算法进行特征选择并构建级联分类器实现日侧冕状极光的检测。在北极黄河站采集到的实测极光图像数据库上所做的分类实验结果表明了算法的有效性。     

基于空时极向LBP的极光序列事件检测

提出了一种用于检测全天空图像(ASI)序列中的弧状极光事件检测方法.针对弧状极光序列的运动趋势,在现有VLBP的基础上提出了基于空时极向LBP(ST-PVLBP)的极光序列事件检测算法,并用ST-PVLBP对极光序列进行表征.该算法结合序列帧间连续性信息和单帧空间位置信息,在保持高分类精度的同时降低了特征维数.在中国北极黄河站的ASI图像数据上的分类实验结果显示,所提出的方法可以有效检测全天空极光图像序列中的地磁南北向运动的弧状极光序列事件.     

乳腺X线图像的增强与噪声抑制研究

提出了一种基于多尺度几何分析的乳腺X线图像增强与噪声抑制的新方法.首先对乳腺X线图像进行非下采样Contourlet变换分解,得到相应尺度和子带信息;然后根据变换系数的统计特性,应用广义高斯混合模型对其进行建模,并在此基础上引入贝叶斯分类方法将建模后的系数分为强弱边缘及噪声;再根据各个子带系数的类别属性,分别设计相应的非线性映射函数来对不同的系数进行自适应增强和抑制;最后采用增强和抑制后的系数对原图像进行重构,从而得到凸显病变区域特征的增强图像.实验结果表明,该方法具有良好的实用性和鲁棒性.     

一种基于E-HMM的选择性集成人脸识别算法

基于嵌入式隐马尔可夫模型(Embedded Hidden Markov Model, E-HMM)的人脸识别方法的识别性能依赖于模型参数的合理选择。提出了一种基于E-HMM的多模型选择性集成人脸识别算法,选择出个体精度高且互补性强的模型来进行集成的人脸识别。实验结果表明,与传统的基于E-HMM的人脸识别方法相比,新算法不仅可以获得更好、更稳定的识别效果,而且具有更强的泛化能力。     

衰落信道下基于非合作博弈的Ad hoc协作并行传输方案

该文针对Ad hoc网络中同时存在的快、慢衰落情况,提出一种依据节点信号干扰噪声比(Signal to Interference plus Noise Ratio,SINR)计算并行传输门限的方法。该方法在获知节点信道质量的分布情况后,采用贝叶斯非合作博弈理论对不同源目的节点对之间的并行传输进行建模。考虑到该模型会使信道质量长时间低于并行传输门限的节点处于发送饥饿状态,该文引入协作通信机制来解决饥饿节点的并行传输问题,且与已存在的源目的节点通信对并存。仿真结果显示,该文提出的CTCG (Concurrent Transmission based on Channel quality with Game theory aid)模型能较大程度增加Ad hoc网络的并行传输机会,提高系统吞吐量,且能够较好的解决饥饿节点的发送抑制问题。     

改进的基于几何约束的加权被动定位算法

在多传感器被动定位过程中,借助传感器之间的几何位置关系,可得到传感器和目标之间的三角函数约束.然后通过最优化方法计算各个传感器的测量误差,并用该误差修正测量值.由于最优化方法结果往往是局部最优值或者是近似最优值,导致在交叉定位过程中仍然会存在多个不重合的交叉点.本文考虑到目标定位误差不但受到传感器性能的影响,而且也受到目标和传感器之间径向距离的影响,将传感器性能和径向距离作为参数计算各个交叉点的权值,然后对交叉点加权求和,从而获得了较好的定位效果.仿真实验表明改进算法的有效性.     

基于核方法的模糊聚类算法

将核方法的思想推广到模糊C-均值算法,构造了基于核函数的模糊核C-均值算法,使其能够聚类非超球体数据、被噪声污染数据、多种模式原型混合数据、不对称数据等多种数据结构,并指出一阶多项式模糊核C-均值算法等价于模糊C-均值算法．人工和实际数据的实验结果表明,与模糊C-均值算法相比,模糊核C-均值算法在多种数据结构条件下可以有效地进行聚类．     

多站测角的机动目标最小二乘自适应跟踪算法

为了避免被动跟踪中非线性带来的计算复杂化及精度的下降问题,该文首先采用最小二乘法对目标的状态进行粗估计,然后采用当前机动目标模型和自适应跟踪算法进行线性的卡尔曼滤波,以实现对目标较高精度的定位和跟踪。实验结果表明:该方法对于匀速和匀加速运动的目标都可以达到良好的跟踪效果,其误差远小于经典的singer方法;对于强机动目标,singer方法将失效,而本文方法仍能实时辨识出目标的速度和加速度,并且估计效果良好。     

一种无线传感器网络移动性支持自适应MAC协议

提出了一种无线传感器网络中借助RSSI测距的移动性支持自适应MAC协议RM-MAC(RSSI based Mobility support MAC)．首先将节点的接收距离量化,得到基于RSSI量化值的邻居节点列表,随后利用卡尔曼滤波方法预测被考察周期的移动节点位置矢量,参考量化值和预测出的位置矢量建立虚拟簇同步周期动态调整模型,使虚拟簇能够与移动节点保持较高的连通性．仿真结果表明:与S-MAC相比,RM-MAC能在牺牲一定能量的基础上根据移动节点的速度动态调整同步频率,保持较高的网络连通性和投递率,且量化等级和簇切换阈值与投递率有着密切的关系．