稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。     

矢量量化高光谱数据压缩性能评估

性能评估是高光谱数据有损压缩研究的一个关键问题。本文在分析三种典型的基于矢量量化压缩方案的基础上，以K-means聚类准确率的仿真统计比较了三种方案的性能优劣；提出一种失真标准抽取的性能评估框架，在缺乏背景资料的情况下，该框架可以对压缩方案性能给出直观评价，方便了压缩方案的选择及应用。     

基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

基于Matlab的数字图像直方图均衡教学实验

随机过程的基本概念是"随机信号分析与处理"课程最基本的内容。本文将数字图像直方图均衡引入教学实验,详细讨论了实验原理、流程以及一些具体的注意事项,给出了Cameraman图像的实验结果,并对实验结果进行了深入的分析。该实验既可加强学生对随机过程基本概念的理解,也可提高学生运用随机过程的理论来解决实际问题的能力。     

超宽带分组无线Ad Hoc网络性能分析

超宽带技术被看作当前无线通信技术中最有前途的技术.本文根据UWB通信的多址方式,提出一种室内短距离分组移动自组网(ad hoc)的模型,然后讨论了UWB信号物理层与窄带信号不同的同步捕获问题和多址干扰问题,利用马尔可夫链分析了这种应用于UWB Ad Hoc无线局域网的时隙ALOHA-CDMA随机接入协议.结果表明,UWB的脉冲重复周期(To)与脉冲宽度(Tp)之比对性能的影响很大,只要设计合理,UWB信号在移动自组网就中可以充分发挥其优势,突破频谱瓶颈.     

雷达测速中数字测角原理及仿真

着重讨论了雷达测速系统中的数字测角原理和算法，以给出了目标角度修正公式和计算机仿真结果。     

测速雷达中的谱分析技术

介绍了测速雷达中的谱分析技术，分析了其测速精度和速度分辨率，讨论了ＦＦＴ运算对杂波和噪声的抑制作用。     

结合预测误差反馈的高光谱图像无损压缩研究

高光谱图像的海量数据给存储和实时传输带来极大困难,必须对其进行有效压缩.提出了一种结合预测误差反馈的高光谱图像无损压缩算法.根据高光谱图像相邻波段相关性强弱进行波段分组,有效降低了波段排序算法的计算量.通过研究波段排序算法的性能,采用最佳后向排序算法对各组进行波段排序.为有效去除高光谱图像相关性,采用JPEG压缩标准中的无损预测模式对各波段进行谱内预测,利用参考波段预测误差对当前波段谱内预测值进行反馈校正,可进一步提高预测精度.最后,利用JPEG-LS标准对参考波段和预测残差进行无损压缩.对AVIRIS型和OMIS-I型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.     

极化SAR图像分类综述

对极化SAR(合成孔径雷达)图像分类进行综述.首先建立简略的极化SAB图像分类技术发展流程,并对国内外研究机构在该领域的主要研究成果进行归纳;然后对用于极化SAR图像分类的众多特征进行分类整理,指出其物理意义及在图像分类中的优缺点,并从有监督和无监督的角度综述了现有的极化SAR图像分类方法;最后对极化SAR图像分类存在的问题进行归纳,并指出将来的研究方向.     

基于3D SPIHT的高光谱图像压缩技术

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。