混合编码粒子ABC算法的CR认知决策引擎

认知决策引擎是认知无线电（Cognitive Radio,CR）的核心。为适应CR参数的自适应重配置,提出了一种改进的二进制人工蜂群（Binary Artificial Bee Colony algorithm,BABC）算法。该算法在基本BABC算法的基础上,加入了反向学习初始化机制、混合编码规则以及社会认知策略,保证了个体的多样性、提高了搜索速度。给出了该算法的基本步骤,并在多载波通信系统中对算法性能进行了仿真。仿真结果表明,基于该算法的CR认知决策引擎的收敛速度和精度均优于经典的遗传算法（Genetic Algorithm,GA）和BABC算法,优化得到的系统参数具有更好的性能。     

一种遥感图像中建筑物的自动提取方法

目前，传统建筑物识别方法通常采用基于建筑物边缘线性特征的识别算法，这类方法具有简单高效的优点，但识别率较低。该文提出了一种综合利用建筑物的若干特征进行自动识别的方法。首先用Canny算子提取边缘。然后根据建筑物的空间分布特点和Hough变换特性。在Hough变换域进行建筑物边缘方向统计来筛选边缘线段，提取出潜在的目标边缘线段；接着该文提出了对建筑物的几何特征（例如矩形特征、角点特征和阴影特征等）和灰度特征进行识别的算法，将其识别结果做为判定建筑物目标的依据，最终准确地提取出建筑物。大量实验证明该方法相比较单一的线性特征检测方法，速度快、准确率高．具有较强的实际应用价值。     

数字基带信道模拟器的设计与实现

在通信新技术和新设备的研究过程中,需要进行大量通信试验,而在实际环境中开展试验需要耗费大量的时间和经费,因此利用信道模拟器代替实际信道在实验室范围内开展相关试验是一种较好的解决办法.设计了一种数字基带信道模拟器,能够实现延时、误码以及纠错编解码功能.阐述了FPGA内延时处理、高斯误码、通用误码、"RS+交织的纠错编解码...     

高分辨率光学图像目标打击效果评估系统研究

针对传统的基于像素级变化检测的打击效果评估系统的不足,提出了基于变化目标特征向量分析的打击效果评估系统.该系统首先在图像上识别出目标,然后分别在打击前后图像上提取目标特征向量,并对目标特征向量进行分析比较,根据目标特征向量的变化对目标损伤程度进行评估.试验证明该方法有效可行.     

认知无线电智能学习决策研究现状

认知无线电由于其灵活的频谱使用和智能参数重配置能力,引起了国内外的广泛关注。目前认知无线电（CR）大部分的研究都集中在动态频谱访问上,而认知无线电智能学习与决策研究正起步并逐步受到重视。现对认知无线电智能技术,包括学习方法、知识表示、智能决策方法等进行了描述,并介绍了CR智能学习决策的研究现状。通过对两类CR智能学习决策方法的分析研究,指出基于学习的决策方法能更好地实现认知无线电适应新环境的能力。     

基于目标识别的机场跑道打击效果评估研究

针对传统的基于变化检测的机场跑道打击效果评估方法的不足,提出了基于目标识别的机场跑道打击效果评估方法。该方法直接在打击后图像上识别出机场跑道目标,然后在打击后图像上提取出跑道局部图像并进行弹坑检测,根据弹坑检测结果对机场跑道毁伤效果进行评估。试验证明该方法有效可行。     

基于特征融合的可见光图像舰船检测新方法

该文以可见光图像舰船目标为研究对象,提出了用多谱图像和全色图像进行特征融合来检测舰船目标的方法。该方法首先利用多谱图像实现水域和陆地的分离,然后把分类结果映射到全色图像上从而实现在全色图像上区分水域和陆地;屏蔽陆地后用Otsu方法分别在多谱图像和全色图像上对目标进行分割,并提取目标特征,最后对目标特征进行融合来检测舰船目标。实验证明该方法有效可行。     

基于元胞量子蜂群算法和信道案例库的认知无线电混合跨层决策引擎研究

针对认知无线电系统参数重配置问题,提出了一种基于元胞量子蜂群算法和信道案例库的混合跨层认知决策引擎。该认知决策引擎充分考虑无线通信网络各层参数,以网络整体性能最优为优化目标;提出的元胞量子蜂群算法,利用双策略对种群进行混沌初始化,设计了基于元胞自动机原理和社会认知策略的快速量子旋转角调整策略用于实现引领蜂和跟随蜂的邻域搜索;构建基于信道增益的认知无线电参数案例库,用于实现快速决策。仿真结果表明,该认知决策引擎能够根据无线通信环境和用户需求的变化,动态的进行参数的重配置,同时其在收敛速度、收敛精度和算法稳定性上都明显优于基于二进制人工蜂群算法和量子遗传算法的认知决策引擎。