扩展的多类别信息熵的粗糙集连续属性离散化新方法

提出了一种标准粗糙集约简时连续属性离散化的新方法.采用标准粗糙集进行属性约简时,要求属性为离散的,而大多数情况下属性是连续的,因此需要进行离散化处理.首先介绍了原有的信息熵算法并指出其局限性;其次,对多类别信息熵进行扩充,将距离因素引入到该信息熵的计算中;最后给出了扩展信息熵计算的两个基本准则,利用证据理论完成信度的上聚焦.仿真显示了该方法的有效性.     

中低分辨率SAR图像桥梁识别方法研究

中低分辨率SAR图像中河流、桥梁目标常存在断裂现象,且桥梁边缘线性特征不明显,现有桥梁目标识别方法难以解决上述问题.为提高中低分辨率SAR图像桥梁识别稳健性,提出桥梁在图像中呈现断裂、河流灰度一致性不高情况下的桥梁目标识别算法.对水域分割结果进行河流粗提取,将河流轮廓外扩部分的相交区域作为桥梁兴趣区,在保证兴趣区完整性的同时减少无效兴趣区;采用目标分割与Radon变换结合的方法检测断裂的桥梁主体;对候选桥梁附近的河流轮廓进行形状验证,消除山体等阴影造成的桥梁虚警.实验结果表明,该方法能够在复杂场景中有效地识别出多个水上桥梁目标,桥梁虚警率大大降低.     

低分辨雷达目标识别方法研究

利用目标对对空警戒雷达发射波形的调制效应，采用2种不同的方法，提取出低分辨雷达飞机目标机型（大、小）和飞机目标架次可资分类的特征参数，作为飞机目标机型（大、小）和架次判别的特征向量、特征矢量，然后采用神经网络对目标进行分类识别，给出用BP神经网络进行训练和识别的结果，并在低分辨雷达目标识别样机系统对飞机目标进行分类识别试验中，验证了所提取特征的有效性。表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新的途径。     

基于改进ROEWA算子的SAR图像边缘检测方法

指数加权均值比(ROEWA)算子是一种较好的适用于SAR图像的多边缘检测算子,然而传统方法无法准确定位边缘,且不能计算边缘方向。改进边缘检测流程,分析上述问题产生的原因并采用传统ROEWA算子保证边缘检测恒虚警,对ROEWA加权后的滤波值进行差分运算保证非极值抑制的准确性。利用Radon变换具有较好抗干扰性和几何解析性的性质,提出基于Radon变换计算边缘方向。针对实测SAR图像的实验结果表明,该方法边缘检测及边缘方向计算性能较好。     

飞机目标红外成像建模与仿真

通过详细分析红外传感器对空中目标的成像过程,针对各个关键环节设计系统仿真流程,重点分析研究了飞机红外辐射特征和红外传感器成像原理。首先,运用红外物理学、空气动力学以及热传递等基本理论,结合飞机内部组成材料和结构特点,对蒙皮、尾喷管和尾焰等重点辐射区域建立仿真模型;在综合分析红外传感器组成结构和功能特点的基础上,对传感器光学系统和成像系统建立仿真模型;最后,飞机三维模型数据通过以上仿真模型处理,可实时生成飞机目标红外仿真图像。     

基于随机模糊贝叶斯网络的敌我属性融合识别算法

基于全过程综合敌我识别中不同阶段综合敌我识别信息来源的差异,采用动态贝叶斯网络进行建模.在建模过程中,由于参数众多、样本难以全面获得、学习训练计算量巨大等问题,将随机模糊思想引入参数学习,从而既可充分利用先验信息,又尽可能地消除主观因素.最后仿真了整个过程,其结果验证了所提出方法的有效性.     

基于分辨力增益的综合识别传感器管理方法

为提高目标综合识别的效能,需对综合识别系统中多种传感器资源进行科学管理.在分析综合识别中目标优先级和传感器使用约束条件的基础上,建立了利用分辨力增益作为传感器资源管理优化准则的目标函数,提出了利用传感器混淆矩阵的预测分辨力增益计算方法,并将粒子群优化算法引入传感器-目标分配NP- hard问题的求解中.仿真结果表明该方...     

基于最小代价和蚁群算法的传感器资源优化研究

战场环境的复杂性要求使用多种传感器对战场目标进行综合敌我识别。为充分发挥综合系统的功能,需对有限的传感器资源进行科学合理分配。本文通过分析综合敌我识别的特点,得出传感器资源优化模型的约束条件,提出利用代价作为传感器资源优化的准则,并分析了各类源代价及其量化方法,从而建立了综合敌我识别传感器资源优化数学模型。同时将蚁群优化算法的思想引入到传感器资源优化中,并进行了算法仿真。实验结果证实了该方法的有效性。      

基于时频特征的低分辨雷达微动多目标分辨方法

对同一波束内群目标个数进行判定对于提升低分辨预警雷达性能具有重要的意义。该文根据不同目标微动多普勒特性的差异,提出了利用时频的方法进行微多普勒特征分析实现群目标个数的判定的方法。该算法先利用自适应chirplet变换进行群目标信号拟合,消除交叉项的影响,得到每个目标主要微动频率分量,再根据拟合得到的频率分量呈线性的特点,利用hough变换检测直线数量,从而实现群目标个数的判定。仿真实验表明,该算法可以有效估计群目标内目标个数。     

核Fisher判别方法在低分辨雷达目标识别中的应用

将机器学习领域新的研究成果应用到雷达目标识别中，并开发有效、实用的分类器具有重要实际意义。核Fisher判别方法是基于Fisher线性判别方法而提出的一种非线性分类方法，在这种方法中使用了基于核的算法中的“核技巧”。本文研究了核Fisher判别分类方法在低分辨雷达目标识别中的应用，并用从某低分辨雷达录取的实际飞机目标回波数据时该算法进行了测试，实验证明了核Fisher方法在低分辨雷达目标识别中的有效性。