相关条件下基于N-P准则的分布式检测理论研究

本文针对并行网络、二元局部判决的情况,研究了在相关条件下基于N-P准则的分布式检测融合算法,给出了在联合概率密度已知和未知两种情况下的最优融合规则的理论推导及相应的解决方案,并在实验仿真的基础上,得到了部分有益的结论。     

基于特征可分性的核函数自适应构造

核函数的选择与构造是支撑向量机研究中的关键问题和难点.该文针对该问题,首先讨论了特征空间的线性可分性,推导了其判别条件.然后,根据特征完全可分条件,基于函数逼近论和核函数的基本性质,提出了自适应多项式核函数和B-样条核函数模型,给出了模型参数的估计算法.实测数据仿真实验结果表明,与经典的核函数相比,该文提出的算法在分类性能上取得了明显改善.     

基于分类间隔的特征选择算法

对于二类目标特征选择问题,首先讨论了特征空间的线性可分性问题,并给出了其判别条件;其次,通过借鉴支撑矢量机原理,分析了特征可分性判据的基本性质;最后,依据各特征对分类间隔的贡献大小定义了特征有效率,并以此进行特征选择和特征空间降维.实测数据与网络公开UCI(University of california,Irvine)数据库的实验结果表明,与经典的Relief特征选择算法相比,该算法在识别性能和推广能力上明显有所提高.     

超长PN码的延迟–等待直接捕获方法

提出了一种新的直序扩频体制卫星导航定位系统中超长PN码序列的快速直接捕获方法，即通过估计本地与卫星时间偏差来确定延迟时间，从而预置本地伪码的“延迟一等待”捕获法。文章深入分析了该方案实现的主要技术细节和捕获性能。     

李雅普诺夫稳定性理论在目标识别效果评估中的应用

针对目标识别效果的稳定性评估，建立了目标识别系统的动态模型，随后基于李雅普诺夫稳定性理论，给出了目标识别系统识别效果的动态稳定性分析并完成初步仿真。     

基于一维散射中心匹配的雷达目标识别

本文提出了一种新的基于目标一维散射中心匹配的雷达目标识别方法.该方法在计算两目标匹配函数之前,先根据目标尺寸大小在目标中心附近设定一个距离窗,将位于此距离窗以外的散射中心剔除,以减轻目标区域以外虚假散射中心的影响.对剩下的目标散射中心,根据两目标散射中心之间的距离,对目标之间的散射中心配对,然后定义两目标的匹配函数为所有配对散射中心的"匹配能量"和与两目标所有散射中心能量和的比值.对五类目标缩比模型的外场测量数据进行分类识别实验,结果表明该方法具有良好的目标识别能力,而且对加性高斯白噪声和雷达带宽不敏感.     

一种基于灰色定权聚类的决策层融合目标识别算法

决策层融合目标识别本质上是一个不确定性信息处理问题,该文基于灰色系统理论中的灰色定权聚类方法提出了一种新的决策层融合目标识别算法。该算法将一个M 类目标识别问题转化为M个两类目标识别问题,然后对每个两类识别问题采用灰色定权聚类的方法解决,其中白化权函数通过训练样本学习确定。利用该算法对3种分类器识别5类雷达目标的结果进行融合,实验结果表明该方法能有效提高目标识别性能。     

大气光通信PAT子系统指标初步设计分析

分析了跟踪角速度，功率，跟踪精度等因素对大气激光通信系统中瞄准，捕获和跟踪子系统参数选择的影响，给出了波束发散角，扫描角范围，接收视场等主要参数的选择原则，对地面终端光通信系统设计背景提出了瞄准，捕获和跟踪了系统的相应指标。     

色噪声环境下GTD模型的参数估计

本文将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法做了相应改进。提出利用特征分析方法中信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型。本文采用基于四阶累量的MUSIC算法,在一定程度上克服了高斯色噪声对MUSIC算法的影响,拓宽了GTD 模型参数求解的条件。     

基于雷达距离象序列的循环神经网络飞机目标识别

本文应用雷达目标瞬态高分辨距离象序列来识别目标,提出了一种基于距离象序列的实时循环神经网络分类方法,并进行了三类飞机目标的分类实验研究,结果表明,该方法可以得到高的识别率。