应用变权模糊综合评判的目标识别效果评估

提出一种目标识别效果评估的整体思路。将变权模糊综合评判引入到目标识别效果评估，建立了一种开放的评估模型，该模型可以给出客观的、定量化的评估结果。最后，结合实测数据和拟合数据完成了仿真。     

基于模糊聚类分析的目标识别效果评估

提出一种通用化的目标识别效果评估思路，给出评估参照信息以及计算方法，选取了评估指标及测度方法。并将模糊聚类分析引入到目标识别效果评估，建立了一种开放的评估模型，该模型可以将识别条件有机地纳入评估过程，给出客观的、定量化的评估结果。最后，结合实测数据和拟合数据完成了仿真。     

单脉冲雷达多目标分辨的遗传算法实现

常规单脉冲雷达一般对落在同一距离单元、同一波束内的多个目标难以分辨。提出一种基于单脉冲雷达进行多目标分辨的方法。该方法利用雷达回波的和差信号经过同相正交解调获得多维观测数据，建立关于目标位置和数目参数的似然比函数，采用改进的遗传算法对多目标参数进行估计，并基于最小描述长度准则进行目标数确定。在遗传算法中引入了精英准则、局部寻优、实数表示等多种策略，有效提高了多目标参数搜索性能。仿真实验证明了该算法的整体有效性。     

一种应用模糊聚类分析的目标识别效果评估方法

针对识别效果评估，选取了评估指标及测度方法，将模糊聚类分析引入识别效果评估，建立了一种开放的评估模型，该模型可以给出客观的、定量化的评估结果。最后，结合实测数据完成了仿真。     

分片支撑矢量机

文中借鉴了分段线性识别的基本思想,提出了分片支撑矢量机模型.该模型首先将特征空间剖分成若干子空间,在每个子空间中基于支撑矢量机构造一个最优分类面,然后,将各个分类面链接起来构成一个分片最优分类面以逼近理论上的最优分类超曲面.同时,文中还从理论上分析探讨了其推广能力的界,为分片支撑矢量机模型提供了坚实的基础.最后,经典双螺旋线数据实验结果表明,相对于传统支撑矢量机,分片支撑矢量机的计算速度、分类能力以及推广能力均有了明显提高.     

基于形态匹配聚类的近邻扩展目标跟踪算法

针对传统扩展目标跟踪（Extended Target Tracking, ETT）算法在处理近邻目标时面临的计算效率低下和跟踪不准确的问题,提出了一种形态匹配聚类量测集划分与高斯逆威沙特概率假设密度（Gaussian Inverse Wishart Probability Hypothesis Density, GIW-PHD）滤波器相结合的跟踪处理方法。该方法首先由GIW-PHD滤波器得到预测的目标状态,其次使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)算法完成量测集的初步划分,在此基础上利用较高权重的预测分量实现对多个近邻目标混合量测簇的判断,进而使用椭圆形状约束（Elliptic Shape Constraint, ESC）的FCM(Fuzzy C-Means, FCM)算法（ESC-FCM）对混合簇进行二次划分得到更精确的划分结果,最后将划分结果合并后送入GIW-PHD滤波器完成目标状态的更新。仿真结果表明,本文所提量测集划分方法能够充分利用GIW-PHD滤波器预测步获取...     

自适应极化滤波器的理论性能分析

为适应变化的电磁环境,自适应极化滤波器通常先采用极化估计器获得干扰场的极化状态,然后以最佳极化进行极化滤波.因此,自适应极化滤波器可用极化估计器、最佳极化计算器、极化滤波器这三者级联构成的开环模型来表示.在此模型基础上,针对基于正交极化双通道测量的信号极化矢量估计算法,研究了极化估计器的理论性能,证明了极化估计误差近似服从瑞利分布.通过研究极化估计误差在极化滤波器中的传播过程,导出了自适应极化滤波器理论性能的解析公式,清楚地揭示了滤波性能与信噪比等因素的统计关系.     

基于点云-模型匹配的激光雷达目标识别

为实现激光雷达自动目标识别,本文给出了一种基于点云模型匹配的方法。将点云进行三视投影,对投影点云进行二值化处理得到二值图像,采用Sobel算子和Hough变换提取点云轮廓边界及获得边界直线参数,然后以投影点云轮廓信息为约束提取包围矩形,完成目标姿态估计和几何特征提取。在此基础上以点云到CAD模型面元的欧氏距离最小为优化目标,采用单位四元数法计算点云与模型之间的刚体变换,通过迭代实现点云和候选目标CAD模型的匹配,并以归一化平均欧氏距离作为相似性度量完成目标识别。采用五种地面装甲目标在不同激光雷达视角下的点云进行目标识别实验,统计结果表明目标类别的正确识别率为100%,目标型号的正确识别率大于91%,因而本文方法具有较好的识别性能和较高的应用价值。     

极化信号的优化接收理论:部分极化情形

本文针对部分极化波情形,利用电磁波的Stokes矢量表示法研究了极化信号的优化接收问题;利用Lagrange乘子法,分别推导了以信号干扰功率差(PDSI)和信号干扰噪声比(SINR)作为优化目标函数时接收天线的全局最优极化;并通过数值实例验证了文中结论。     

一种雷达网系统误差校正方法

雷达组网是对抗敌方电磁干扰、低空入侵、反辐射导弹和隐身目标探测的有效手段。获取雷达网中雷达站处于空间的准确坐标和雷达站的准确基准方向是一个重要的问题。文中提出了一种对雷达网布站时产生的雷达站的空间和基准方位角误差的不需要航校飞行的校正方法。