基于VFDT特征的空中飞机目标分类方法

飞机机身的非刚性振动、航行姿态的改变以及机上旋转部件的转动等均会引发对其雷达回波的非线性调制,采用多重分形测度可以对飞机回波的此类调制特征进行细致的刻画。文中引入方差分形维轨迹（VFDT）这一种新的多重分形算法对飞机回波进行特性分析和特征提取,基于提出的VFDT特征并结合支持向量机（SVM）,对实际录取的多种类型飞机回波进行了目标分类识别实验。实验结果表明,VFDT特征可以较好地对多种不同类型的飞机目标进行分类辨识,并具有较小的计算量。     

基于偏度-峰度检验的无线局域网室内定位算法

针对室内无线局域网环境下接收信号强度(RSS,received signal strength)样本总体分布不一致而产生较大定位误差的问题,提出了一种基于偏度-峰度检验的室内定位算法.利用偏度-峰度检验法检验RSS样本是否来自正态总体,接受零假设的样本用正态分布近似其总体分布,拒绝零假设的样本用核函数估计其概率密度.实验结果表明提出算法的定位精度比传统算法提高15％以上,而且在相同的定位精度下,能明显降低离线阶段的工作量.     

基于偏度、峰度特征的BPSK信号盲处理结果可信性评估

针对BPSK信号的盲处理结果可信性评估问题,研究了一种基于峰度、偏度特征的处理算法。先根据调制识别及参数估计结果构造参考信号,然后将观测信号与参考信号作相关运算,分别提取相关序列的相位峰度、相关累加序列模值峰度及偏度作为特征量,对BPSK信号处理结果的可信与否作出统计判决。文中推导并验证了相关序列相位峰度的理论表达式,并对所提算法在不同条件下的性能作了仿真验证。     

偏度与峰度在脉冲激光回波分析中的应用研究

将波形序列做平移处理,并结合其坐标信息可以计算波形的偏度与峰度,两者分别反映了波形的对称性和尖峭程度。在脉冲激光探测中,偏度和峰度可以用于对回波信号的特征分析,目标表面的反射率变化和起伏通常不会引起回波波形偏度和峰度的较大变化,只有当目标表面反射率或起伏出现突变时回波的偏度和峰度才会呈现出较大的值,而且不同突变情况下的回波的两参数的值也是不同的,这为脉冲激光探测的回波特征分析提供了重要依据。     

基于偏度拟合的噪声水平估计

本文主要在峰度与噪声的关系的基础上,提出了一种基于偏度拟合的噪声水平估计的方法。从峰度与偏度的基本概念为基础,通过对比的方法进行噪声关系式推导,最终得到了噪声与偏度之间的关系式,拟合得到其最优解为所需噪声,其最小值即为噪声。     

基于时域回波相关性特征的飞机目标分类方法

该文研究了常规窄带雷达体制下利用时域回波调制周期的差异实现直升机、螺旋桨飞机和喷气式飞机3类飞机目标的分类问题。首先分析3类飞机时域回波调制周期的差异;然后针对3类飞机目标时域回波调制周期的不同,基于时域回波相关性提取了2维特征向量;最后基于仿真数据和实测数据,利用支持向量机(SupportVector Machine, SVM)分类器的分类结果证明了在脉冲重复频率较低时,多普勒谱有一定程度混叠的情况下,时域相关性特征仍能表现出相对较好的分类性能      

基于局部联合偏度-峰度的高光谱图像波段选择方法北大核心CSCD

偏度和峰度能够较好地表达高光谱图像的非高斯性,突出目标、纹理等异常信息,很好地应用于波段选择。为了更好地突出局部异常信息,在全局联合偏度-峰度指数模型基础上,提出了局部偏度-峰度的高光谱图像波段选择方法。利用全局联合偏度-峰度指数对原始图像进行波段子空间划分,然后选择适当大小的模板窗口,计算窗口内的局部联合偏度-峰度指数,并以此方法遍历所有波段,求出累积局部联合偏度-峰度指数,最后进行波段选择。波段选择结果表明,局部联合偏度-峰度指数方法所选择波段分布更加广泛,效果更好。异常检测实验结果和融合结果表明,本文方法所得图像在客观指标评价中具有较大优势。     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。     

一种基于时频分析的窄带雷达飞机目标分类特征提取方法

针对低信噪比情况下窄带雷达目标分类问题,该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异,提取时频谱域的熵值变化特性,并给出时频分析中窗函数长度的优化选择方法。基于仿真和实测数据的实验结果表明,该文方法可以在低信噪比情况下显著提升飞机目标正确分类概率。     

基于隶属度和贝叶斯分类的机场目标分类研究

针对机场场面监视雷达中的目标分类问题,提出了基于隶属度和贝叶斯推理的机场目标分类算法。首先通过训练样本的学习得到各特征值的均值和均方差,利用柯西分布函数计算测量值的隶属度;然后采用贝叶斯分类方法得到测量值的概率向量,最后采用加权平均型综合评判函数得到目标分类。实验表明,该分类算法能够准确地对机场各类目标进行分类识别,对先验知识的要求较低,并且通过使用当前分类概率的方法能够在分类过程中不断提高分类识别的准确率。     

一种改进的窄带雷达目标分类方法

介绍了4种经典的窄带雷达目标分类方法,并比较了它们的优缺点。由于各方法都有各自的局限性,提出了利用基于回波波形的直接提取方法和基于目标的喷气发动机调制（JEM）特征的分类方法联合运用的策略,以提高识别的准确率,为制定对抗措施提供更为可靠的依据。     

基于小波特征的星系光谱分类

提出了一种新的星系光谱分类方法.首先,对原始光谱进行四级小波分解,选择主要包含谱线信息的第四级小波系数作为光谱的小波特征;然后,利用主分量分析对光谱的小波特征进行特征压缩,得到光谱的识别特征;最后,利用Fisher线性判别分析实现分类.该方法能够在红移值未知的情况下,对流量未定标的星系光谱进行识别.通过实验与其他几种分类方法进行了比较.实验结果表明,本文方法具有较强的鲁棒性,在流量未定标情况下的识别效果优于其他几种分类方法.     

高光谱目标分类技术发展与展望

高光谱成像技术源于遥感探测,具有谱图合一的独特优势,在农林、地矿、防伪和环境保护等领域的应用日益广泛。作为高光谱技术最常见和最基本的功能,目标分类在各个高光谱领域的应用均具有至关重要的作用。综述了高光谱目标分类技术的发展现状,分析了高光谱数据的结构特点,归纳了高光谱目标分类的一般流程,并详细阐述了数据读取、图像预处理和目标分类等高光谱目标分类流程的主流方法及其基本原理。结合近年来的典型案例,分析了高光谱目标分类的过程,并对其发展趋势进行了分析和展望。     

基于实测数据的空中目标分类识别算法

该文在分析由常规窄带雷达获得的直升机、螺旋桨和喷气式飞机实测回波数据特征的基础上,提出一种基于多特征联合的分类识别算法。通过对大量实测回波数据的特征分析,提取多普勒频移、幅度相对量、时域和频域波形熵、时频特征多个具有明显区分性的特征,将其输入支撑向量机(SVM)分类器实现3类空中目标的分类。在分类的基础上,基于回波数据的时频谱宽和对称性特征,提出一种奇数与偶数片桨叶直升机识别方法。最后实测数据的处理结果验证了所提空中目标分类识别方法的有效性。     

基于对向传播神经网络的舰船辐射噪声分类

针对舰船目标的分类识别,研究了从解调制(DEMON)谱的线谱和连续线谱中提取特征向量的方法,提出了1种改进的对向传播网络(MCPN)分类模型及算法。通过对海上实录的3类水中目标辐射噪声进行分类识别实验,实验结果证明:MCPN的分类能力及对未训练目标的适应性优于传统的对向传播网络(CPN)和误差反向传播网络(BPN)。     

基于动态RCS的典型飞机目标识别

工程上常用静态雷达散射截面（RCS）统计特性进行目标识别,但其可分测度小,正确识别率较低。文中在精确获取目标动态RCS序列的基础上,提出了一种基于离散小波能量的特征提取方法,对典型飞机目标进行分类识别。首先,根据空气动力学和运动学方程设定五种典型飞机目标的飞行航迹并解算其实时飞行坐标,从而获取时变的雷达视线姿态角;其次,应用多层快速多极子电磁计算方法仿真各型目标的动态RCS数据;然后,再基于动态RCS序列,计算其位置、分布等统计特征,并进行小波分解和重构,提取各型目标的统计特征和小波能量特征;最后,采用基于距离的类间距离判据,比较两种特征量的分类识别效果。仿真计算结果表明：相对传统的统计特征,离散小波能量特征能完整地体现目标的特征,且可分性测度更大,识别效果更为理想。     

基于卷积神经网络的雷达目标HRRP分类识别方法

卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。     

基于生物视觉特征的SVM目标分类算法

鉴于生物视觉模型性能的优越性,提出了一种基于生物视觉特征的支持向量机(SVM)目标分类算法。生物视觉模型以Gabor滤波为基础,所得特征具有很好的表征能力,但却具有很高的维度,选择选择训练速度快、分类精度高的线性SVM来完成高维度生物视觉特征的分类取得了很好的效果。利用生物视觉模型提取具有位置和尺度不变性的目标特征,针对生物视觉特征高维度的特点选择线性支持向量机完成目标分类的任务,利用自抽样法验证算法的有效性。     

基于模糊积分的通信信号调制识别方法研究

本文针对通信信号这种非稳定的、信噪比(SNR)变化范围较大的信号,应用小波分析和模糊测度、模糊积分理论,提出了有效的特征提取和组合分类方法,来实现通信信号调制类型的分类识别,使得识别的正确度和效率得到了明显的改善.计算机模拟结果证明了此方法的可行性.