基于聚类思想的弹道外推算法研究

为了提高炮位侦察校射雷达中炮位侦察定位精度同时提升外推结果一致性,本文引入聚类思想,建立了基于K-均值聚类的弹道外推模型。该模型采用七态无迹卡尔曼滤波算法对量测数据进行多次滤波,然后利用4 阶龙格-库塔积分方法对火炮位置进行外推,最后对多次外推结果进行K-均值聚类处理,采用综合多因子方法计算簇品质,选取最优簇对应的聚类中心作为最终的火炮位置进行输出。实验结果表明,该弹道外推算法显著提升了外推结果的一致性及定位精度。     

校射时弹道外推精度的提高及外推误差估计

考虑到地炮侦校雷达中校射时弹道外推的特点，以带有偏流项的修改动态质点方程的基础，设计了一个用于弹道外的推广卡尔曼滤波器，提出了估计弹道外推误差方差的方法，给出了计算机模拟结果。     

校射时弹道外推精度的提高及外推误差估计

考虑到地炮侦校雷达中校射时弹道外推的特点,以带有偏流项的修改动态质点方程为基础,设计了一个用于弹道外推的推广卡尔曼滤波器。提出了估计弹道外推误差方差的方法。给出了计算机模拟结果。     

基于远心光学系统散焦图像的距离估计

基于远心光学系统散焦图像的距离估计的方法是用CCD摄取两幅散焦程度不同的图像,通过不同的散焦度,计算得到图像的距离信息.为减少放大率的变化对试验结果的影响,在距CCD透镜距离为焦距处加一个光阑构成一个远心透镜.这种方法的关键是求两幅图像的散焦值,本文采用最小二乘法来求散焦值.     

数字滤波技术在弹道外推中的应用——α-β滤波器及α-β-γ滤波器

文章说明,在进行常规弹丸的弹道外推,推算弹丸落点时,若不考虑机动性,利用最小二乘α-β滤波与用卡尔曼滤波两者分别进行跟踪滤波比较,在落点、精度上相近,而α-β滤波减少了一多半的计算量.在弹道外推中,α-β滤波器是一种适用的滤波器形式.     

基于最小二乘的时差定位算法

时差测量方程是非线性双曲线方程,可以通过引入中间变量将其转化为线性方程,对近年来国内外学者关于这种方法的时差定位算法进行了总结。当已知测量误差的先验信息时,可以采用两步加权最小二乘法和约束加权最小二乘法,当测量误差的先验信息未知时,还可以采用约束总体最小二乘的方法。在求解约束最小二乘问题时,采用常规的拉格朗日法计算复杂、运算量大,而采用高斯一牛顿法不仅可以大为降低运算量,还能提高解的精度和稳定性。此外,对约束加权最小二乘法和约束总体最小二乘法之间的关系进行了探讨,得到了它们等价性的条件。     

鉴印系统中印章几何参数的计算

在鉴印系统中，识别率很大程度上取决于印章预处理的好坏及其几何参数计算的准确性。本文对票据中的圆、椭圆、方形印章分别提出了计算其几何参数的算法。实验表明，本文算法精度高，鲁棒性好，速度快，提高了对残缺和干扰大的印章的配准和识别精度。     

基于几何约束移动最小二乘的TomoSAR山区点云高精度三维重建方法

层析合成孔径雷达(TomoSAR)是一种先进的山区三维重建技术手段。然而,TomoSAR点云存在着较强烈的高程向定位误差,给高精度的山区三维重建带来了挑战。针对这个问题,该文提出了一种基于几何约束移动最小二乘(MLS)的高精度TomoSAR山区点云三维重建方法。该方法不仅具有传统MLS基于局部子空间思想进行复杂曲面结构拟合的优势,还可以充分地利用TomoSAR点云高程随地距单调递增的特点进行重建误差修正。首先,将点云投影到新的方位-地距-高程坐标系。然后,使用所提的基于迭代求解的几何约束MLS进行高程向定位误差修正。最后,通过投影变换得到山区三维重建结果。仿真和实测的机载阵列TomoSAR山区数据以及AW3D30 DSM数据和1:10000 DEM数据,验证了该文方法的有效性,同时表明了机载阵列TomoSAR用于山区高精度三维重建等应用的可行性和优越性。      

机载双基地雷达杂波距离依赖补偿方法

针对杂波距离依赖造成空时自适应处理器性能下降问题,提出一种基于最小二乘估计的聚焦矩阵补偿方法。首先,利用最小二乘方法估计杂波幅度,选取幅度较大的杂波点;其次,根据杂波点的空时导向矢量求解聚焦矩阵,通过聚焦矩阵直接对训练数据进行线性变换;最后,根据变换后的数据估计出待检测单元的杂波噪声协方差矩阵,进而求出自适应权值矢量。该方法采用非均匀采样求解聚焦矩阵,杂波抑制性能更好,仿真实验验证了所提方法的有效性。      

SOJ压制和距离欺骗复合干扰下雷达网目标跟踪算法

针对远距离支援干扰(SOJ)压制和距离欺骗复合干扰下目标检测概率下降及虚假目标造成数据关联错误的问题,提出了基于等效量测的雷达网目标跟踪算法.首先,将各雷达得到的量测进行分组;然后,将同一部雷达对相同目标的角度量测进行数据压缩,并利用交叉定位的原理得到等效量测;最后,利用等效量测进行目标跟踪.算法关键在于利用最小二乘法...     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

PIR传感器网络中行为轨迹重构的几何代数方法

基于高密度、低成本的PIR（Passive Infrared Detector）被动式红外探测器传感器进行人群行为轨迹的定位与重建是人群行为分析的重要方向.PIR传感器通过0-1响应确定附近是否有行人通过,并通过不同传感器响应序列的时空序列关系实现对人群行为轨迹的识别与跟踪.已有PIR传感器网络分析方法多从群体行为视角揭示人群运动的统计特征,在行为估算精度、不确定性等方面仍存在诸多问题.本文针对PIR传感器网络中个人行为轨迹的重构问题,引入几何代数工具,实现PIR传感器网络拓扑、时空响应数据序列和行为轨迹的代数化统一表达,进而以传感器响应的时空关系为基础进行网络连通性的判定.基于几何代数算子构建轨迹路径的延拓与扩展规则,并集成传感器对轨迹的时空响应关系构建基于PIR传感器网络响应序列数据的行为轨迹重构算法.最后以MERL实验室连续观测数据为案例,论证了方法的合理性与有效性.     

基于小波非线性外推的图像增强方法

针对图像增强的问题,提出了一种新的图像增强方法．该方法将小波变换与频域非线性外推算法相结合,首先利用小波变换提升图像的高频成分,再利用频域非线性外推算法增加图像的高频分量,最终实现图像的增强．实验表明,该新方法有效地提高了图像的视觉效果．     

关于冯氏代数几何码的设计距离

冯贵良１９９４年提出了构造代数几何码的一种简单方法［１］。本文证明在同样的代数几何曲线下，冯氏代数几何码的设计距离要优于以往代数几何码的设计距离；指出文献［１］中一些定理不准确之处，并给出了超椭圆曲线码的设计距离     

一种基于单点收益的轨迹隐私保护方法

如何在轨迹数据发布时保护用户隐私信息并且最大程度地减少数据损失是隐私保护研究领域的一个重要课题.本文提出一种基于单点收益的轨迹隐私保护方法,在满足用户隐私要求的情况下,根据收益计算结果,在轨迹数据集中抑制位置点或者添加假轨迹,保证每次处理轨迹数据集时能达到最大收益,从而减少信息损失.理论分析和实验结果表明,在隐私容忍度要求较高或者攻击者数量较多的情况下,本文方法能在保证隐私保护强度前提下有效降低数据损失率.     

电磁散射的拉格朗日乘子区域分解算法

针对电磁散射问题,提出了一种基于广义变分原理的区域分解算法.将原求解区域划分为若干个不重叠的子区域,引入拉格朗日乘子法以满足相邻子区域之间场的连续性要求,并建立其修正泛函,使原问题转化为求解拉格朗日乘子.研究了子区域系数矩阵的可逆性.为了进一步提高效率,采用了重启的广义最小残量法为求解器.数值算例验证了本文方法的准确性和有效性.     

K 波段喇叭天线增益的预测及外推法实测验证

为了研究采用基于远场Friss公式建立起来的传统三天线法测量天线的增益时所引起的误差、有限测量距离误差修正值的误差情况,以及我国常用来验证测量结果时所采用的解析式的误差,该文针对K波段的标准增益喇叭天线的增益,分别采用三种解析式(Jull公式、Schelkunoff公式以及Rao公式)和两种数值计算方法(矩量法-MoM和时域有限积分法-FITD)来进行计算,并提供了外推法(又称为广义三天线法)实测结果来做比较分析。为了说明外推法法测量结果的准确性(U=0.04dB,k=2),在附录中简介了外推法的测量原理。分析结果表明,对于K波段喇叭天线而言,在用于验证传统三天线法的测量结果的准确性时,由解析式计算的天线增益"理论值"需要慎重;而采用全波分析方法并考虑了喇叭壁厚影响的计算结果则比较准确。     

基于多聚类结果融合的轨迹聚类方法

针对轨迹聚类结果的不可靠性,提出一种基于多聚类结果融合的轨迹聚类方法MRMTC.对于多聚类器产生的多个聚类代表轨迹,提出了轨迹合并算法,实现了多个聚类代表轨迹的合并.代表轨迹合并算法以平均扫描线距离函数作为共识函数,通过共识函数对代表轨迹间的相似度进行比较,最后合并相似的代表轨迹.实验表明基于融合的轨迹聚类方法,可以获...     

基于矩阵分解的代数几何码的译码

本文给出了基于矩阵分解的代数几何码的译码算法，该算法可对任意错误个数不超过［（ｄ－１）／２］的接收码字进行译码，且该算法简单，便于理解与实现。