基于模式间混淆关系自适应构建层次化分类器

为了解决层次化分类器的设计难点——子分类器的层属关系及其内部组成的确定,本文首先定义了模式间混淆关系,用于描述不同模式在判决域中的相互作用;进而提出了基于混淆矩阵度量模式间混淆关系的方法。设计并实现了多模式混淆关系分析机MPCRAM,将有师指派和无师自组两种常用的模式重组方法有机结合,遵循Fisher准则,自适应地产生层次化分类器结构。大量综合测试证实了该方法有效、实用,可显著提高分类器的识别性能和稳健性。     

一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

基于视觉效果的雷达目标动态回波序列特征提取方法

特征提取在雷达目标识别中具有重要地位,提取有效、可靠的目标特征,是建立目标识别系统的基础和关键。在常规低分辨雷达目标识别系统中,难以根据电磁散射理论进行有效建模。本文在观察和分析大量实测数据的基础上,根据雷达操作员进行目标判性的思维过程和描述方法,以雷达目标动态回波序列的视觉效果为切入点,建立了一整套雷达目标特征提取方法。在多个雷达目标识别项目中的实际应用,证明了该方法的有效性、稳健性和可推广性。     

对线性调频信号雷达的噪声干扰方法研究

为了提高雷达抗干扰能力,线性调频信号雷达通常利用脉冲压缩技术,具有较强的抗常规压制噪声干扰的能力,为了有效干扰上述雷达,提出了两种噪声干扰技术,即干扰机将侦收的雷达发射信号与窄带噪声在时域进行相乘处理或卷积处理,再经干扰机功率放大后辐射的两种干扰方法.上述两种干扰方法均不需要测频和频率引导就能自动瞄准雷达信号频率,并可利用雷达脉冲压缩处理时的处理增益,降低了对干扰机发射功率的要求,较传统宽带压制噪声干扰的方法有明显优势.通过理论推导,仿真分析和试验验证,表明上述两种干扰方法对线性调频信号雷达均有显著的干扰效果.     

一种RBF网络结构调整的稳健增量学习方法

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.     

基于超图模型的图像目标识别

基于类属超图模型给出简单图像和复杂图像目标的识别方法。通过提取简单图像的稳健尺度不变特征变换特征,得到其对应的属性图,采用RSOM聚类树的思想和K近邻方法快速实现对简单图像的目标识别。复杂图像存在较大的背景干扰和遮挡的影响,通过滑动窗方法在待识别图像中定位待识别目标区域,并将该区域从待识别图像中分出,然后采用与简单图像识别方法类似的方法完成目标识别,减少背景干扰和遮挡的影响。仿真实验表明,2种图像目标识别方法是有效的。     

面向空间监视应用的空间目标数据库的建立

阐述了面向空间监视应用的空间目标数据库的建立技术与方法,并给出了它在空间监视的目标分类、识别应用中的样例。     

基于协方差控制的集中式传感器分配算法研究

传感器管理是对一组传感器或测量设备进行自动化或半自动化控制的一种处理过程,它实现了探测性能的优化和资源的有效利用.该文建立了传感器管理的一般最优化模型,研究了基于协方差控制策略的传感器分配问题,详细讨论了其实现方法,并给出三种基于不同矩阵度量的传感器分配算法.仿真结果表明,使用基于协方差控制的传感器分配算法可以进行良好的传感器管理,节约传感器资源.     

UML在数字化雷达显示系统开发中的应用

文章以某型雷达改造项目为背景,采用UML面向对象建模语言,按照统一软件开发过程思想的指导,分析、设计并实现了基于通用微机的数字化雷达显示系统。阐述了UML的基本概念、基本组成和主要使用方法。按照软件生命周期的核心工作流,完成了系统开发过程中的需求捕获、分析、设计、实现及测试等任务。在开发过程的各个阶段使用多种CASE工具,最终实现了满足软件工程要求的系统软件,并投入实际使用。     

基于复图像分析的点散射体分辨和位置测量

传统的雷达高分辨率ISAR图像分析都是基于图像幅度或强度信息,丢弃了相位信息,从而使实际雷达分辨能力达不到理论分辨水平.复图像技术综合应用了图像幅度/相位信息,实现了雷达的理论分辨能力,并同时实现了精确的散射体位置测量,而后者对于目标识别有着更重要的意义.文中研究了复图像技术分析目标上理想点散射体的方法.仿真结果表明复图像技术具备了上述优势.