RELAX参数估计算法在雷达目标特征提取中的应用

从理论上推导分析了聚束式SAR(Spotlight SAR)的chirp信号回波模型。在回波模型中,回波被分解为两部分--强散射点的回波信号以及噪声和杂波,强散射点的回波(正弦信号)为离散谱,而噪声和杂波为连续谱。基于该回波模型,将RELAX算法应用于对可分解为若干强散射点的特定目标的特征提取,从噪声和杂波的连续谱中估计出强散射点回波的离散谱参数,频率对应于强散射点的位置、幅值对应于强散射点的RCS,从而实现对目标的特征提取。最后,通过计算机仿真,验证RELAX算法的有效性和优越性。     

基于曲线合成孔径雷达的三维目标特征提取

介绍了曲线合成孔径雷达(CLSAR)的基本概念,推导了CLSAR的chirp信号回波数据模型,并在此基础上对CLSAR的三维目标重建机理进行了详细的分析。指出由于旁瓣的影响,传统的基于FFT的反演成像方法在曲线孔径下不再有效,进而采用基于谱估计的RELAX算法实现三维目标的特征提取。最后,通过系统仿真,验证了CLSAR利用RELAX算法实现三维目标特征提取的有效性和优越性。     

重复串特征提取算法及其在文本聚类中的应用

针对Web文档的高维问题及网络新语言给现有分词系统带来的挑战,该文提出一种基于重复串的特征提取方法,可以从文本中提取有意义的特征,且对于中文无需分词。实验表明,该方法可以降低特征空间维度,同时能有效改善传统以词为特征的聚类算法的性能。     

一种SAR层析成像的RELAX改进算法

受分辨率限制及旁瓣影响,传统的傅里叶变换方法获取合成孔径雷达层析成像(SAR tomography)高度维图像时,难以获得满意的成像结果.本文在松弛(RELAX)算法的基础上提出了一种改进算法(IRELAX)来获得SAR 层析成像的高度维像,通过Monte Carlo仿真对谱估计算法中的MUSIC,WSF,RELAX和IRELAX的性能进行了比较,结果表明本文提出的方法能够提高干涉相位估计精度,改善成像质量.     

基于ICA算法的智能电子鼻在混合气体特征提取中的应用

电子鼻传感器在对环境污染的混合气体浓度监测及对工业废气检测中具有重要的作用,但由于现有算法的辨识能力和抗干扰能力差,影响提取原始信息信号的准确度;独立分量分析(ICA)方法是一种高效自信号分离方法;它将独立的源信号从混合信号中分离出来;文中经过电子鼻传感器检测出混合气体信号,通过ICA算法对混合气体进行分解,对外界干扰噪声进行消除,从而使气体成分辨别达到很好的效果;最后经过MATLAB仿真验证,对辨识出来的原始气体成分具有高精度,强抗干扰能力.     

基于DSP的实时目标特征提取算法

成像制导武器系统进行多目标实时跟踪时,必须具备实时目标特征提取能力。实现一种基于TMS320C64x DSP平台的实时目标特征提取算法。针对C64x DSP的增强存储器访问特性,通过多像素信息的同步提取和像素归并方法,对算法进行优化。实验结果表明,优化后算法的执行效率和实时性较高。     

模糊AdaBoost算法在SAR图像目标识别中的应用

提出了一种AdaBoost算法的多类别推广方法,并将推广后的算法应用于合成孔径雷达图像目标识别中.针对AdaBoost基本算法只考虑两类分类的情况,对算法进行多类别推广,用"一对一"方法将多类别分类问题分解为多个两类分类问题,用模糊方法对多个两类AdaBoost分类器的输出进行决策判决,得到最终分类结果.将推广后的模糊AdaBoost算法应用于SAR图像目标识别,用MSTAR数据库中3个军事目标进行识别实验.实验结果表明,该算法可有效应用于SAR图像目标识别.与其他分类算法相比较,可获得较高的目标正确识别率.     

特征提取与两种BP算法在入侵检测中的对比

针对海量的等保测评数据,如何从这些数据中选取适量的数据进行入侵行为分析,提出了根据预测变量对预测目标变量的重要性的特征提取方法。该方法采用importance指数来对预测变量进行等级划分。并选取了一些预处理后的数据运用了两种BP算法--标准BP算法和学习速率自适应调整算法进行了系统仿真预测。通过KDDCup99数据集测试表明,后者相对于前者,其学习训练次数大大降低,学习能力和预测准确率明显提高。     

特征提取与两种BP算法在入侵检测中的对比

针对海量的等保测评数据,如何从这些数据中选取适量的数据进行入侵行为分析,提出了根据预测变量对预测目标变量的重要性的特征提取方法。该方法采用importance指数来对预测变量进行等级划分。并选取了一些预处理后的数据运用了两种BP算法——标准BP算法和学习速率自适应调整算法进行了系统仿真预测。通过KDDCup99数据集测试表明,后者相对于前者,其学习训练次数大大降低,学习能力和预测准确率明显提高。     

基于局部和全局的特征提取算法及在人脸识别中的应用

提出了一种基于局部和全局特征的特征提取算法.该算法不仅能保持数据集的局部性,同时也考虑了数据集的全局性,使得降维后的数据既能保持邻近关系,又能从整体上较好地重构和展现.PCAO能较好地展现原数据集,LPP能保持局部邻近关系,算法结合了这两个算法的思想,但由于LPP没有考虑类别信息,故先对LPP进行改进,给出了一种有监督的局部保持投影算法,使得提出的算法能更加有利于分类问题.通过人脸识别实验,验证了算法的正确性和有效性.     

一种基于纹理的SAR图像居民区提取方法

居民区是SAR图像中比较重要的一类地物,它的提取在许多方面有着重要的应用。给出了一种居民区提取方法,根据居民区具有的高亮度和规范的纹理特性,利用Sobel算子和Otsu阈值处理得到居民区离散点图,再用K均值将其分割成块,最后用格雷厄姆方法生成居民区的边界,实现了居民区的自动提取。实验处理结果表明,该方法是一种有效的居民区提取方法。     

单极化合成孔径雷达影像在土地利用分类中的潜力分析

从我国土地利用调查应用出发,为了解决我国多云多雨地区土地利用分类及遥感动态监测问题,以面向对象影像分割、分类软件--Definiens Developer作为处理平台,对中分辨率星载合成孔径雷达（SAR）（以ENVISAT ASAR和Radarsat-1为例）、高分辨率星载SAR（以TerraSAR-X为例）进行分类处理,分析了单极化星载中、高分辨率星载SAR在土地利用分类中的能力,并对该模式星载SAR在土地利用分类中的影像特征和可解析程度进行了小结。     

雷达图像像素矩阵的提取与应用仿真

该文提出采用图像像素矩阵提取的方法，对雷达图像进行特定的处理，该处理方式精确、直接，对原图像影响较小。具有良好的实验效果。同时提出了根据雷达像素矩阵进，行目标识别的思想。     

一种适用于应用层协议的特征提取算法

基于PrefixSpan算法,提出一种适用于应用层协议的特征提取算法。通过加入关于位置的约束,减少频繁序列模式的产生数量,结合特征提取过程的实际情况加入约束条件,从而在挖掘过程中减少投影数据库产生的个数,在构建投影数据库过程中,去除关于非频繁项的存储及投影数据库中序列数小于最小支持度的扫描过程。实验结果表明,与原算法相比,该算法的运行时间较短,提取的特征具有较高的准确率和较低的误报率。     

基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.     

基于自适应阈值Kirsch-LBP纹理特征的均值漂移目标跟踪算法

针对以颜色特征建立概率模型的Mean Shift目标跟踪算法在光线变化时存在的缺陷,提出了一种融合 改进型纹理特征与HSV颜色特征的Mean Shift目标跟踪算法。首先,设计一种具有抗光性能的自适应阈值Kirsch-LBP纹理特征算子,该算子利用Kirsch算子的8个方向模板所求的差值,并采用LBP模板均值作为自适应阈值,再按照旋转不变LBP原理提取局部纹理特征;其次,利用不同特征相似性系数间的关系作为加权准则来构建新的权重;最后,将其嵌入到Mean Shift算法中以实现目标跟踪。对比实验结果表明,本算法在光线变化场景中也具有良好的目标跟踪特性,广泛适用于光照变化和姿态变化等复杂场景下的目标跟踪领域。     

心理声学参数提取及其在目标识别中的应用

根据人耳听觉特性,研究了心理声学中人耳识别目标的重要特征参数在目标识别中的应用.针对无线电噪声和舰船辐射噪声,利用Zwicker理论提取心理声学参数中的特性响度和特性尖锐度作为识别特征,通过神经网络分类器分别对这两组噪声各三类进行分类识别研究.实验表明特性响度和特性尖锐度主要反映了目标的振幅特性,可以正确识别目标并具有较高的识别率.是有效的识别特征.由于特性响度和特性尖锐度反映目标的特性相同,利用遗传算法仅对特性响度特征进行优化选择.挑选出特性响度中的分类关键量,降低识别空间的维数,提高识别率.