基于直觉模糊集和证据理论的空中目标综合识别

为提高空中目标敌我识别能力,提出一种基于直觉模糊集和证据理论的空中目标综合识别方法.该方法采用多属性决策的思想解决空中目标综合识别问题,首先借鉴美军先进做法对空中目标综合识别问题进行描述;接着对空中目标综合识别进行多属性决策建模,分别使用AIFS交叉熵、冲突系数与证据距离相结合的方式计算属性权重和专家权重,并使用证据折扣法对属性信息和专家信息集结过程中的证据进行修正与融合;最后结合实例和对比分析验证了该方法的可行性.     

基于主成分分析的字典学习

在??奇异值字典学习方法的基础上,结合主成分分析方法提出了??主成分分析字典学习方法。该方法取代了??奇异值分解(KSVD)方法中对误差项直接进行SVD分解来更新原子,取而代之的是通过对误差项进行PCA分解,提取其主成分作为字典中原子的更新。仿真结果表明,与KSVD字典学习方法相比,所提出的方法字典学习效果更好,对训练样本的表达误差更小,学习字典更能表达训练样本的特征。     

基于MIMO雷达虚拟阵列的近场目标定位

提出了一种基于MIMO雷达虚拟阵列的近场目标定位新算法。该算法通过MIMO雷达形成的虚拟阵列的互协方差矩阵来构造一个新的二阶统计量矩阵,利用其相应的特征值及特征向量估计出近场目标的三维参数。由于不同虚拟阵列的噪声是不相关的,所以该算法可适用于任意的加性高斯噪声环境。与现有的无源阵列近场源定位算法相比,该算法的参数估计结果能自动配对,无需参数配对过程,且不存在接收阵列孔径损失的问题。计算机仿真结果证明了本文算法的正确性和有效性。