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。     

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.     

通信受限时传感器管理方法研究

在通信受限的情况下,如何进行传感器的管理以满足多目标的跟踪需求,优化完成跟踪任务.针对这一问题,对通信受限这种情形进行了描述,提出了数据获取概率的概念;利用扩展卡尔曼滤波和序贯卡尔曼滤波推出了序贯扩展卡尔曼滤波算法;结合信息论传感器管理方法和协方差控制传感器管理方法的优缺点提出了一种新的传感器分配准则.对比仿真实验表明,这种新的传感器管理方法能对传感器进行良好的管理,减小通信受限所带来的干扰;相比传统的传感器管理方法,传感器分配更为合理.     

一种复杂运动目标的ISAR成像算法

在对复杂运动目标进行逆合成孔径雷达成像时,由于转动矢量随时间而变化,回波信号中会引入一个与散射点位置有关的相位误差,无法用通常的相位补偿方法进行校正,应用距离-多普勒算法获得的ISAR(Inverse Synthetic Aperture Radar)像会变得模糊.本文分析了目标转动矢量变化使得ISAR像模糊的内在原因,给出了目标三维转动状态下的ISAR信号形式,并基于散射点信号的特点提出了一种复杂运动目标的ISAR成像算法.该算法不仅适用于转动矢量方向不变的非均匀转动目标,而且对于转动矢量方向缓慢变化的目标,算法仍然能够有效地提高ISAR成像的质量.仿真试验结果表明了该算法的有效性.     

基于直接相位差分的LFMCW雷达加速运动目标参数估计

针对LFMCW雷达中加速运动目标在跨距离单元走动情况下的参数估计问题,提出一种直接相位差分方法.该方法通过对二维差拍信号沿慢时间维进行直接相位差分,在消除了快、慢时间线性耦合项的同时实现了慢时间维相位的降阶处理.对差分后的信号进行二维FFT运算,根据其二维谱峰位置即可获得目标加速度的估计,同时还可以获取目标速度的粗略估计.根据估计值构造补偿函数分别对上、下调频差拍信号进行补偿,通过解耦合处理即可获得目标初始距离和初始速度的精确估计.详细分析了方法的性能,包括加速度分辨率、最大不模糊加速度以及信噪比改善因子,分析结果表明该方法较二次混频-DPT处理具有更低的信噪比门限.仿真结果验证了方法的有效性.     

宽带数字波束形成雷达的高精度延时补偿新方法

采用宽带信号的相控阵雷达可获得很高的距离分辨率,将广泛用于下一代多功能雷达系统中。传统窄带相控阵体制很难解决宽带相控阵雷达的空间色散和孔径渡越问题,尤其在宽带相控阵雷达做宽角扫描时,必须在阵元或子阵间使用精确的时延补偿。文中提出了一种实现高精度宽带相控阵延时补偿的新方法。该方法采用一种有效的可变分数延时滤波器新结构,即泰勒结构。该结构相对于传统的Farrow结构的主要优点是减少了乘法器和加法器的数量,降低了可变延时滤波器系数的计算难度。试验证明,新的方法能实现精确的宽带波束扫描,可应用于接收和发射数字波束形成的工程实现。     

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。     

一种基于BP神经网络群的自适应分类方法及其应用

本文针对基于BP神经网络的分类系统,提出了神经网络群的概念,在此基础上给出了一种系统自适应增长算法,使得在新的目标类型加入时系统结构能够自适应调整.验证结果表明,该算法可以在增加新的目标类型时简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率.