基于总体最小二乘的外辐射源雷达相消算法

提出一种基于总体最小二乘(TLS)的外辐射源雷达直达波相消算法,该算法首先利用TLS获取直达波的数目和时延,再基于既得的直达波信息构建直达波子空间,最后将回波向该空间投影实现直达波相消。与传统扩展相消算法相比,该算法所构建的直达波子空间阶数低,精确度高,在相关处理时间较短或直达波幅度时变的情况下,仍具有良好的直达波抑制性能。仿真结果证实了算法的有效性。     

基于遗传算法的RBF-PLS方法在辐射源识别中的应用

RBF-PLS是一种有效的径向基网络构造方法,较好地解决了隐单元数和各中心的取值问题,但宽度系数和PLS成分数难以选定。为此,该文提出采用混合编码遗传算法,以径向基网络的拟合性能和泛化能力为目标,优选宽度系数和PLS成分数,以此建立RBF-PLS-GA模型。将该方法用于雷达辐射源识别,效果良好,明显优于其他网络模型。     

基于最小二乘法的DLT摄像机定标法

摄像机定标是图象处理中的一个关键步骤。DLT（直接线性变换法）是一种简单快速的摄像机定标方法，可以应用在许多场合。文章叙述了DLT的原理，并给出了基于最小二乘法的计算过程。     

基于熵特征的雷达辐射源信号识别

针对现有方法识别率低和没有考虑噪声影响的问题, 提出一种新的雷达辐射源信号识别方法. 将近似熵(ApEn)和范数熵(NoEn)构成特征向量, 用神经网络分类器实现自动分类识别. ApEn是定量描述信号复杂性和不规则性的有效测度, NoEn是定量表征信号能量分布的有效参数. 理论分析和实验结果表明, 熵特征类内聚集性强、类间分离度大, 在较大信噪比范围内均能获得非常满意的正确识别率, 证实了所提出方法的有效性.     

基于权重最小二乘结构边缘保持色调映射算法

高动态范围图像由于其动态范围超过普通显示器的动态范围,所以无法正常显示,从而需要研究在保留高动态范围图像对比度、细节信息以及色彩信息的情况下压缩高动态范围图像的动态范围以适应低动态范围显示器进行显示的色调映射算法。本文提出基于权重最小二乘结构的边缘保持图像平滑色调映射算法。首先,建立基于权重最小二乘的边缘保持图像平滑滤波算子;然后,将输入的高动态范围图像转换至NTSC空间分离亮度信息和颜色信息,利用该滤波算子对亮度信息进行多级分层,获得基本层以及多级细节层信息;最后,对基本层进行动态范围压缩,利用压缩后的基本层结合多级细节层信息并转换回RGB空间获得输出的低动态范围图像。文中通过实验采集的多曝光图像序列利用Debevec和Malik提出高动态范围图像融合算法获得拍摄场景的高动态范围图像,采用本文提出算法对高动态范围图像进行色调映射处理获得较为理想的保留图像有效信息的低动态范围图像,从而验证了文中提出算法的有效性。     

基于证据理论的雷达辐射源特征权重提取

为了更加准确、合理地提取雷达辐射源载频、重复频率、脉宽等特征参数的权重,文章提出一种新算法,根据侦测数据的可信度、识别库参数的自身特征分别给出基本概率赋值,再从决策层给出不同融合系数结合D—s证据理论来提取特征权重。最后举例说明了该算法的演算过程。     

一种基于最小二乘法的双音多频测试方法

本文针对电话机拨号电路的双音多频测试，提出了一种算法，最小二乘估计法，利用这种算法，就能估计单音信号的幅度和失真系数两项指标，并对双音频中的谱线进行分离，对电话机号电路ＣＳＣ９１３３０实测数据的分析和处理，证明这种测试方法是可靠的，具有很小的估计偏差，此法在电路量产化测试中已经得到充分的应用。     

加权最小二乘估计中加权系数的确定

简要地对最小二乘估计进行了介绍，通过深入分析加权最小二乘估计，引入了“矩阵型”的许瓦兹不等式，并对该不等式进行了证明，在该不等式的基础上，详细分析了在估计的误差方差达到极小情况下的加权矩阵。通过本文的分析，为加权最小二乘估计提供了详细的分析过程和正确的估计公式     

基于含参最小二乘估计曲线拟合的极化雷达目标识别方法

本文以宽带极化雷达体制为背景，从分析目标仍化散射特性的角度出发，通过定义了极化状态距离的概念，研究了复杂目标对探测信号频率变化的敏感性问题，并运用含参最小二乘估计方法提取了目标特征，对四种飞机目标的识别结果表明了本文所了方法是有效可行的。     

基于参数模板的雷达辐射源模糊识别方法

针对当前辐射源识别存在的模糊性和不确定性特点，引入了基于参数模板的模糊识别方法，为解决这类问题提供了一个有效途径，阐述了雷达辐射源识别的基本思想，详细描述了算法的实现过程，最后介绍了算法的仿真设计和软件实现，并对仿真结果进行了分析。     

一种基于最小二乘法的经典辩识的新方法

系统辩识方法分为经典和现代两大类.经典辩识方法采用非参数模型,其表现形式是以时间或频率为自变量的实验曲线.在对以时间或频率为自变量的实验曲线或者实验数据进行处理时,由于传统方法本身固有的缺陷,导致辩识过程的随意性较大,不能利用所有数据,从而造成不能充分利用所测数据的全部信息,不但浪费了信息,而且辩识出来的结果准确度很差.本文提出了一种用最小二乘法解决上述问题的方法,实践证明具有较高的精度,取得了较好的辩识效果.     

基于最小二乘拟合的雷达航迹匹配算法

本文采用最小二乘拟合方法拟合雷达目标航迹曲线,再计算拟合目标航迹与真实航迹的欧几里得距离,进而得到雷达航迹关联匹配结果。该算法克服了单点信息在存在信息缺失和目标机动等情况时出现错误的关联匹配结果,并通过多目标多平台仿真系统验证了雷达航迹关联匹配正确率,本算法已在实际工程雷达仿真系统中得到良好的应用。     

一种新的雷达辐射源识别方法

提出一种用于雷达辐射源识别的新方法。根据小波包特征（WPT）和脉冲重复间隔（PRI）的特点,将八维WPT中的第六、七个分量（Wpt6、Wpt7）以及PRI的均值和方差（mpRI、σ^2PRI）四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络（RBPNN）分类器。通过计算机仿真验证了新方法的可行性,与常规方法相比,不仅提高了识别准确率,识别速度也有所提高。     

一种基于云模型理论的雷达辐射源识别方法

针对雷达辐射源识别问题,建立了基于云模型和信息融合的识别系统.利用云模型对区间型参数和离散型参数建模,计算被测辐射源的隶属度并将其作为基本概率赋值,运用时域和空域信息融合算法完成辐射源识别,给出了辐射源识别算法步骤,并建立了相应的辐射源识别系统,仿真结果表明所提出的识别算法和所建系统是有效的,并且识别率较高.     

基于有限记忆最小二乘的雷达误差配准算法

针对非合作目标多雷达组网中的系统误差配准问题,介绍了基于地心地固坐标系的三维空间配准模型,以及常用的雷达误差配准方法——最小二乘法。为了能够实时估计出系统偏差,并解决最小二乘等批处理算法在求解系统误差过程中数据量、计算量和存储量随时间递增的问题,提出了基于广义最小二乘法的有限记忆最小二乘法。通过一个实例,对新算法进行Matlab仿真,结果证明了算法的正确性和有效性。     

一种基于模糊隶属度区间决策的雷达辐射源识别方法

现代密集信号环境中,随着复杂体制雷达装备数量的不断增多,雷达辐射源的识别面临越来越严峻的问题,提出一种新的基于模糊隶属度区间的雷达辐射源识别方法,仿真结果表明,该方法在不同信号环境下能够有效识别雷达辐射源。     

自监督双流融合的小样本雷达辐射源识别方法

针对实际场景中辐射源数据稀缺造成的小样本问题,提出了一种基于自监督和双流融合的小样本雷达辐射源识别方法。首先利用高斯分布噪声、莱斯多径衰落、设计时钟偏移信号等减损方法,基于有限数量的真实样本构建类均衡辐射源信号样本集。基于增强数据集,提出一种信号时间序列与时频图的双流特征融合模型。采用对比学习方法构建双流特征融合模型的自监督上游任务,以提升在有限标签数据情况下信号多域特征的表征能力与泛化能力。实验结果证明,该方法在小样本条件下能够有效地实现较好的辐射源类型识别能力,在目标域每个类别100个样本限制下,识别精度达到97.1%,与传统一维特征方法和基于长短期记忆(Long Short Term Memory, LSTM)的方法相比均有较大提升。     

基于多尺度信息熵的雷达辐射源信号识别

随着雷达信号的日益复杂,从实数序列中提取特征变得越来越困难,但当它们表示成符号序列时,通常能更容易地挖掘出有效的特征参数。因此,该文提出一种基于多尺度信息熵(MSIE)的雷达信号识别方法。首先通过符号聚合近似(SAX)算法在不同字符集尺度下将雷达信号转换为符号化序列;然后联合各符号序列的信息熵值,组成MSIE特征向量;最后,使用k邻近算法(k-NN)作为分类器实现雷达信号的分类识别。通过仿真6种典型的雷达信号进行验证,结果表明该方法在信噪比(SNR)为5 dB时,不同雷达信号的识别正确率大于90%,并且优于传统的基于复杂度特征(盒维数和稀疏性)的识别方法。