基于标签特定特征的多目标回归稀疏集成方法

多目标回归学习是指同时学习多个相关的回归任务,其主要挑战来自于对输入要素和输出目标变量之间的基础关系进行建模以及对目标间的相关性进行探索.针对这两个挑战,本文提出了一种基于标签特定特征的多目标回归稀疏集成方法,通过探索目标间的相关性,为每个目标构建其独特的标签特定特征,提高算法整体的预测精度;同时设计一种稀疏性聚合函数对不同的回归方法进行集成,从而处理输入与输出间的复杂关系.在18个数据集上与有代表性的多目标回归方法进行对比实验,充分证明了本文方法的有效性与竞争性.     

基于典型相关性分析的稀疏表示目标追踪

传统稀疏表示目标追踪算法首先通过粒子滤波方法对状态粒子进行采样,然后利用灰度特征表征采样粒子观测向量,最后构造基于观测向量的稀疏表示模型来进行目标追踪。与传统稀疏表示模型不同,该文提出一个基于典型相关性分析的稀疏表示模型,此模型首先使用两种特征来表征粒子观测向量,然后对两种观测向量的子空间投影结果进行稀疏建模。所构建的模型可通过在子空间中探究特征间的相关性来实现不同特征的互补融合,提升稀疏表示模型在复杂监控环境下的鲁棒性。     

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.     

基于空间分集的MIMO雷达目标跟踪算法研究

针对基于空间分集的多输入多输出(MIMO)雷达多发多收的特殊结构,建立了基于逆协方差形式扩展卡尔曼滤波算法的MIMO雷达目标跟踪滤波模型,分析了影响算法滤波精度的4个因素,分别为信噪比、信号带宽、天线数以及天线与目标间的位置关系。通过使目标位置状态估计均方误差最小,在特定天线数条件下利用数值方法得到了使滤波精度达到最优的天线放置形式。仿真实验给出了不同信噪比、信号带宽、天线数以及天线与目标间不同位置关系时的MIMO雷达跟踪性能。     

空间目标宽带雷达特征信号仿真建模

空间目标宽带雷达特征信号包括其高分辨一维距离像和二维ISAR图像,空间目标宽带雷达特征信号仿真建模对空间目标探测、识别研究具有重要意义。在光学区复杂目标RCS特征信号计算基础上,重点研究了空间目标宽带雷达特征信号包括高分辨一维距离像和二维ISAR图像仿真建模方法。仿真目标和实际复杂空间目标宽带雷达特征信号仿真建模的实验结果验证了其有效性。     

多特征融合与尺度估计相结合的目标跟踪算法

针对传统目标跟踪算法判别力及稳健性不足的问题,本文在对跟踪输出响应图可信度进行充分研究的基础上,结合目标尺度估计方法,提出多特征融合和自适应尺度估计相结合的目标跟踪算法.该方法通过计算不同特征模型下的输出响应图可信度,实现对两种互补的特征进行自适应加权融合,有效地提升了表观模型的鉴别力及泛化性能.尺度估计模块通过构建多分辨率特征金字塔、训练尺度滤波器及尺度特征降维,避免了在尺度空间内的穷举式搜索.实验表明文中算法有效地提升了跟踪过程中的准确率和成功率,能够适应遮挡、形变等复杂场景下的目标跟踪,并且具有非常高的效率.     

基于时域信噪比的红外弱小目标检测

复杂背景下红外弱小目标检测与追踪技术一直是遥感成像应用领域一项复杂而艰巨的课题。利用高帧频红外面阵成像系统采集到图像的强帧间相关性特征,设计了一种多帧累加的时域信噪比的弱小目标检测方案。同时利用目标运动的连续性,采用多帧确认的方法关联目标,输出真实目标运动轨迹。实验结果表明,算法在vs2013上运行的平均运算时间为23 ms,检测到的目标最低信噪比为2.91,同时对多目标的检测具有较强的适应性。     

全尺寸目标激光脉冲后向散射回波功率测定和建模

运用粗糙面散射、激光脉冲散射理论,结合复杂目标粗糙表面相关建模参数,建立用于计算全尺寸复杂目标激光脉冲后向散射功率的理论模型.实验测量一种空中缩比目标模型后向散射激光脉冲回波功率,获取该缩比目标激光脉冲后向散射功率随接受天顶角的变化曲线.比较理论建模与实验测量数据,分析实验误差,证明了该理论模型的正确性.将建立的理论模型进一步应用于计算非合作空间全尺寸目标的激光脉冲回波功率.计算结果能够预估空间目标的激光散射特征,解决一些关于空间目标激光脉冲光学特征工程的应用问题.     

面向遥感图像的多阶段特征融合目标检测方法

遥感图像目标具有多尺度、大横纵比、多角度等特性,给传统的目标检测方法带来了新的挑战.针对现有方法应用于目标尺度小、横纵比例不均衡的遥感图像时存在的精度下降问题,提出一种基于多阶段特征融合的目标检测方法 MF2M(Multi-stage Feature Fusion Method).该方法在一阶段对特征图通道进行组合拆分,再采用卷积拼接的融合方式聚合通道维度的特征,从而强化输出的目标空间轮廓信息;二阶段设计多比例的非对称卷积块,增强大横纵比目标的高维全局特征,改善目标与检测框匹配粗糙的问题,同时利用串并行相结合的处理方式减少冗余卷积参数,加速网络收敛.在DOTA(Dataset for Object deTection in Aerial images)数据集上的实验结果表明,基准方法引入MF2M后,在保证检测速度的前提下精度指标mAP提高至76.44%,结果验证了所提算法的有效性与可靠性.     

基于TDRNN的大气层外弹道式空间红外目标识别

该文提出一种基于时延回归神经网络(TDRNN)的大气层外弹道式空间红外目标识别方法。该网络采用自适应时间延迟器和输出层回归结构,可以针对输入时间序列信号的局部时变信息自适应选择延迟步长,而且具有边跟踪边识别的记忆性动态识别功能。综合考虑弹道式空间目标热物参数和运动状态、空间环境辐射和红外传感器效应等因素,仿真了典型弹道式空间目标的动态红外辐射强度数据,进行了目标识别实验研究。仿真结果表明,提出的TDRNN网络对于弹道式空间红外目标有很强的分类能力。     

基于直觉模糊推理的威胁评估方法

该文针对威胁评估问题,提出一种基于直觉模糊推理的评估方法。首先,分析了联合防空作战中空天来袭目标影响威胁评估的主要因素、威胁评估的不确定性,以及现有威胁评估方法的特点与局限性,建立了威胁程度等级划分的量化模型。其次,设计了系统状态变量的属性函数,讨论了在模糊化策略方面对输入变量进行的量化和量程变换方法。再次,建立了系统推理规则,设计了推理算法和清晰化算法,分析了规则库中所包含规则的完备性、互作用性和相容性,给出了规则库的检验方法。最后,以20批典型目标的威胁评估实例,验证了方法的有效性。     

基于二阶池化网络的鲁棒视觉跟踪算法

针对低分辨率、遮挡以及相似物体干扰等复杂场景下目标易丢失的问题,本文提出了基于二阶池化网络的视觉跟踪算法.已有的方法大多采用一阶池化网络,使得对低分辨目标和相似目标间的区分性不足.对此,本文首先在VGG16网络结构的基础上,将网络最后的一阶池化层替换为二阶协方差池化层,接着在ImageNet和CUB200-2011数据集上对网络进行重新训练.在跟踪阶段,为了减少运算负担,仅提取预训练网络的第四层卷积特征作为目标的外观表征.最后将提取的特征与已有的相关滤波算法进行结合.实验结果表明,本文算法在跟踪精度和成功率上均取得了优异的性能表现.     

基于改进深层网络的人脸识别算法

目前的人脸识别算法在其特征提取过程中采用手工设计（hand-crafted）特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA（Zero-mean Component Analysis）白化等预处理,减小特征相关性,降低网络训练复杂度.然后,基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调,得到一个自动的深层特征提取器.最后,利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验,表明了其在性能上比传统方法和普通深度学习方法都有所提高.     

Breast tumor characterization based on ultrawideband microwave backscatter

Characterization of architectural tissue features such as the shape, margin, and size of a suspicious lesion is commonly performed in conjunction with medical imaging to provide clues about the nature of an abnormality. In this paper, we numerically investigate the feasibility of using multichannel microwave backscatter in the 1-11 GHz band to classify the salient features of a dielectric target. We consider targets with three shape characteristics: smooth, microlobulated, and spiculated; and four size categories ranging from 0.5 to 2 cm in diameter. The numerical target constructs are based on Gaussian random spheres allowing for moderate shape irregularities. We perform shape and size classification for a range of signal-to-noise ratios (SNRs) to demonstrate the potential for tumor characterization based on ultrawideband (UWB) microwave backscatter. We approach classification with two basis selection methods from the literature: local discriminant bases and principal component analysis. Using these methods, we construct linear classifiers where a subset of the bases expansion vectors are the input features and we evaluate the average rate of correct classification as a performance measure. We demonstrate that for 10 dB SNR, the target size is very reliably classified with over 97% accuracy averaged over 360 targets; target shape is classified with over 70% accuracy. The relationship between the SNR of the test data and classifier performance is also explored. The results of this study are very encouraging and suggest that both shape and size characteristics of a dielectric target can be classified directly from its UWB backscatter. Hence, characterization can easily be performed in conjunction with UWB radar-based breast cancer detection without requiring any special hardware or additional data collection.     

基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。     

基于RX算子的背景杂波抑制

红外图像复杂背景杂波抑制是红外监视告警系统发现远距离弱小目标的难题。文章根据红外图像中目标和背景杂波的特性,提出了一种将RX算子与非线性扩散方程相结合的弱小目标背景抑制新方法。该方法首先采用非线性扩散方程对图像进行多尺度分解,获得图像的多尺度特征,然后,根据目标和背景杂波信号系数在不同尺度之间的差异,通过应用RX算子进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的。实验结果显示,与二维最小均方误差滤波方法相比较,该方法能有效地检测出信杂比在1.6以上的目标。     

基于回归分析理论的辐射源个体识别技术

针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机(SVM)分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。     

位相编码振幅调制联合变换相关器的设计

采用位相编码技术减小了经典联合变换相关器中的直流分量 ,及多目标输入时各目标图像之间的互相关项 ,并且同时消除了参考图像和各目标图像之间的共轭相关项。通过对联合功率谱进行振幅调制 ,缩小了相关峰的宽度 ,锐化了相关峰 ,增强了识别能力。最后给出了计算机模拟结果。     

一种多目标ISAR成像方法

在逆合成孔径雷达(ISAR)多目标成像中,当各目标相互靠近且目标相对雷达的径向速度又相差较大时,存在使用已有的多目标成像方法无法对其成像的问题,文中提出了一种结合Radon变换、包络相关和DCFT的多目标成像方法。该方法采用Radon变换估计目标个数并对目标包络进行粗对齐;用传统的包络相关法结合目标隔离和曲线拟合法对目标进行精确的包络对齐;通过DCFT算法完成相位补偿,最后获得多个目标清晰的ISAR像。仿真实验结果验证了该方法的有效性。