基于稀疏重构的角度-速度联合目标参数估计方法

针对目标多参数联合估计问题,利用目标在空-频域的稀疏性,提出了一种基于奇异值分解的正则化多测量矢量欠定系统聚焦求解(SVD-RMFOCUSS)算法,实现了目标角度速度参数的联合估计。在发射信号采用脉间捷变频技术的基础上,通过建立基于过完备字典矩阵的角度速度估计信号模型,采用奇异值分解提取信号子空间以降低运算量,利用RMFOCUSS算法完成目标角度速度参数与字典元素的自动匹配,给出了基于MUSIC算法的角度速度联合谱计算公式,并与文中所提算法进行了比较。仿真实验表明文中所提方法可以在低信噪比的情况下实现目标参数的精确估计,且估计性能优于MUSIC方法,具有更高的角度、速度分辨力及估计精度。同时该方法也适用于强欺骗干扰下对弱信号的检测与估计。     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

基于机器学习的物联网异常流量检测方法

随着物联网的广泛应用,物联网的安全问题受到越来越多的关注.针对物联网环境下异常网络流量问题,提出了基于机器学习的物联网异常流量检测方法.首先通过使用聚类算法分析物联网一段时间内网络数据的特征,然后使用连续假设检验算法对特征进行分类,并对恶意流量的空间分布进行二次特征分析.实验表明,相对于传统的异常流量检测方法,该检测方...     

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。     

突发信号盲存在性检测的两种算法

本文从频率域和广义频率域研究了复数高斯白噪声信道中突发信号的存在性检测问题,分别提出了基于频率域短时傅氏变换幅度谱熵和基于广义频率域奇异值分解的检测算法,并与时间域的短时能量算法进行了比较.仿真结果表明谱熵法具有较好的鲁棒性,特别是在低信噪比时能够获得较高的检测概率,并且受突发信号调制方式等参数的影响较小.奇异值算法与短时能量法相比更适用于采用QAM调制的突发信号.     

基于多重分形谱的物理层帧结构检测算法研究

针对解调数据有无物理帧结构的检测问题,该文提出了一种基于多重分形谱的物理层帧结构检测算法。首先,在定义序列有偏性与0, 1出现概率关系的基础上,根据编码序列、扰码序列和物理帧的生成原理,通过计算相关序列中的0, 1出现概率推导出它们的有偏性关系,即物理帧、编码序列和扰码序列的有偏性逐渐减小;然后,利用上述结论并结合多重分形谱具有描述有偏性分布的特点,对待识别序列进行固定长度拆分并计算多重分形谱宽度值;最后,通过观察多重分形谱宽度值的分布实现解调数据有无物理帧结构的检测。仿真试验验证了算法的有效性,表明该算法具有一定的工程应用价值。     

实测海杂波数据的多重分形特性分析

为充分描述海杂波时变特性和局部奇异性,将多重分形理论应用到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,并进一步分析了实测海杂波数据的多重分形谱、质量指数和奇异指数,结果表明海杂波具有明显的多重分形特性,该分析方法可以很好地解释海杂波内在非线性特性,并比传统的统计特性分析方法更加能确切地描述杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于分形编码和奇异值分解的混合人脸识别方法

该文提出了一种新的基于分形编码的人脸识别方法。在分形近邻距离的基础上,提出了分形奇异值近邻距离,并把分形编码和局部奇异值分解结合起来,提高了识别率。实验结果表明,与仅仅使用分形近邻距离相比,该算法对光照变化、表情和姿态变化具有更大的容忍度,而且训练时间短,识别率高。