Link16信号联合优化跳周期估计方法研究

针对Link16信号参数估计精度低等问题,提出一种重排谱图和聚类算法K-means联合的Link16信号跳周期估计方法,该方法首先利用重排谱图时频分析获得Link16信号清晰的时频图,然后通过K-means聚类算法获得相邻两跳的最终迭代聚类中心,最后对其相邻两跳的聚类中心做差分运算,并对所得差值进行算术平均,得到Lin...     

一种多进制频移键控信号的调制分类及解调方法

提出了一种多进制频移键控(MFSK)信号调制分类及解调方法,选取截获接收机输出的MFSK信号的时频脊线作为分类特征,利用无监督聚类算法求取最佳聚类数M．利用时频脊线的Haar小波变换估计码元宽度,并且利用对应最佳聚类数的聚类中心确定抽判门限,通过对时频脊线抽样判决,实现了MFSK信号的解调．理论分析和对实际信号的处理结果证明了此算法的可行性．     

一种低复杂度的雷达信号分选方法

针对现有支持向量聚类算法在雷达信号分选应用中复杂度高、用传统有效性指标难以描述最佳分选效果的问题,研究了基于锥面聚类分配的支持向量聚类算法;利用该算法依赖于特征空间和数据空间近似覆盖的特性,避免了邻接矩阵的计算.提出了基于相似熵的有效性验证指标,应用信息熵的理论描述了类内聚集性和类间分离性.仿真结果表明,该方法在保证分选正确率的同时,可以有效降低计算复杂度,在一定程度上满足了情报侦察系统的实时性和准确性要求,具有较强的实用价值.     

基于数据场聚类与时差的雷达信号分选方法

针对现有多站时差分选方法无法处理失配脉冲信号导致漏警率高的问题,提出了一种基于数据场聚类与时差的雷达信号分选方法.首先对各接收站截获的雷达脉冲进行配对,完成多站时差分选;然后利用数据场剔除失配脉冲集合中的干扰脉冲,获得聚类数目和初始聚类中心;最后利用K-means算法计算脉冲到各个聚类中心的欧式距离,并将其划分到距离最...     

基于Fuzzy聚类的Peleg-ε维数边缘提取算法

本算法综合了传统的利用毯子维数提取图像边缘的方法和Fuzzy聚类的方法,对具有不同维数的物体边缘进行提取。通过改进Fuzzy聚类方法,克服了传统Fuzzy聚类方法中只考虑分维谱图中像素自身而忽略分维谱图中邻近像素聚类特点的缺点;改进后的Fuzzy聚类方法同时弥补了传统的利用毯子维数提取图像边界时迭代次数过少的不足。实验结果表明,利用该算法较传统算法更好地描述了物体的边界.     

一种改进的模糊C-均值聚类算法

分析了现有FCM聚类算法存在的问题,提出了一种改进的FCM聚类算法.该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心.实例分析表明改进后的FCM算法不仅能提高聚类的准确性,而且能有效地避免陷入局部最优.     

一种基于改进PSO和FCM的图像分割算法

在模糊C-均值聚类算法的基础上,提出了基于改进粒子群和模糊C-均值聚类的混合图像分割算法.该算法利用改进粒子群算法优化模糊C-均值的目标函数,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数和聚类中心实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割.实验结果表明...     

模糊K-Harmonic Means聚类算法

对K-Harmonic Means算法进行扩展,考虑到数据点对不同类的隶属关系,将模糊的概念应用到聚类中,提出了模糊K-Harmonic Means算法,推导出聚类中心和模糊隶属度的迭代公式．在中心迭代聚类算法统一框架的基础上,推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据加权函数表达式．最后,用Folkes & Mallows指标对聚类结果进行评价．实验表明,模糊K-Harmonic Means(KHM)算法在聚类对于初值不敏感的同时提高了聚类结果的精确度,达到较好的聚类效果．     

一种跳频信号网台分选方法

跳频信号的网台分选是电子战领域的一个传统难题。该文提出了一种跳频信号网台分选方法,首先采用独立分量分析算法FastICA初步分离混合信号,再利用短时傅立叶变换和图像处理技术对信号进行进一步处理,使之达到完全分离,最后估计出各电台跳频信号的跳周期、跳变时刻、跳变时间和跳频频率等参数,实现跳频信号网台分选。采用该方法对实际采集到的由两个跳频电台混合的信号进行仿真,结果表明,跳频信号网台分选效果良好,且快速可靠有效。     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

基于粒子滤波的跳频信号频率跟踪方法

针对跳频信号的参数估计问题,提出一种基于粒子滤波的跳频信号频率实时跟踪方法.首先建立以跳频瞬时频率为系统状态的状态空间模型,然后通过基本粒子滤波算法序贯重要性重采样（sequential importance resampling,SIR）实现了对跳频信号频率的后验概率密度估计,进而得到频率的实时估计;为进一步提高粒子滤波的跟踪性能,提出一种基于ESPRIT辅助的粒子滤波（auxiliary esprit particle filtering,AESPRIT-PF）算法.仿真实验分析了在不同信噪比和不同粒子数目下算法的跟踪性能,结果表明该算法具有稳健的跳频频率实时跟踪能力,是一种有效的跳频信号参数估计方法.     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

基于粒子群聚类算法的图像边缘检测

提出了一种基于动态粒子群的聚类算法应用于图像边缘检测。由于FCM算法容易陷入局部最优,并对初始化敏感,这种算法利用粒子群较强全局寻优能力与局部寻优能力,动态确定聚类数目和中心,在此基础上又进行FCM聚类。两者有效地结合起来能搜索到有效的全局最优解。仿真实验表明,该算法应用与图像边缘检测是可行和有效的。     

一种基于ARMA模型的欠定混合快速跳频信号参数盲估计算法

针对欠定情况下的快速跳频信号的参数估计问题,在基于自回归滑动平均(ARMA)模型的跳变点检测方法的基础上,提出了一种改进的快速跳频信号参数盲估计算法. 通过跳周期修正ARMA模型预测点和傅里叶变换分别得到准确的跳变时刻和载频估计,从而实现快速跳频信号的参数估计. 实验结果表明,该算法在欠定条件下,当信噪比大于10 dB时,相对现有算法跳变点检测准确率增加了5倍左右,检测准确的概率可以达到90%以上.     

基于分形盒维数的跳频信号跳周期快速估计方法

针对通信对抗中跳频信号参数估计问题,提出一种基于短时分形盒维数的跳频信号跳周期快速估计方法.首先对信号采样序列分段,计算短时分形盒维数,结合小波变换检测盒维数曲线的奇异点,然后采用谱分析的方法提取奇异点的变化周期,进而估计出跳频周期.仿真实验表明,该算法运算复杂度低、跳频定位精度高,在-10dB就能有效估计出跳频周期,与基于STFT的时频分析方法相比,具有计算量更小的优点.     

无线传感器网络中的动态聚类分簇算法研究

能耗问题是无线传感器网络的关键问题之一。通过深入分析已有算法存在的诸多不足,该文提出了一种基于动态聚类的分簇算法。该算法首先分析了低能耗自适应分簇的一阶能耗模型,给出了基于最小能耗的簇首数计算公式,然后在此基础上引入动态聚类思想,以最优簇首数将传感器网络内的所有节点进行聚类,得到最优的簇首节点及其内部簇成员。仿真结果表明：算法划分的网络具有低能耗、高稳定性等特点,弥补了已有算法的不足。     

多跳频信号的盲分离与参数盲估计

针对接收到的多个未知任何先验参数的跳频信号，提出一种先分离各个信号再对其分别进行时频分析来估计跳频参数的方法.首先采用特征矩阵联合近似最优化(JADE)算法分离跳频信号，再利用多窗口重叠的平滑伪Wigner Ville分布(SPWVD)来估计出跳频信号的跳周期(hop duration)、定时偏差(time offset)和跳频频率(跳频图案)等参数.通过将多个时频分析的窗口重叠来克服时频分析中交叉项的影响.仿真结果表明，该估计算法显
著提高了估计的准确度和可靠性.     

一种基于粒子群算法的聚类算法

提出一种基于粒子群算法的聚类算法,该算法利用粒子群算法随机搜索解空间的能力找到最优解．首先,将样本所属类号的组合作为粒子,构成种群,同时引入极小化误差平方和来指导种群进化的方向．其次,通过对全局极值的调整,搜索到全局最优值．最后,通过仿真实验的对比,验证了该算法在有效性和稳定性上要好于K-means算法．