两向2DLDA与SVM相结合的SAR图像识别

针对线性判决分析（LDA）用于图像特征提取时存在破坏二维空间结构、特征向量维数过大的缺点。二维线性判决分析（2DLDA）直接对图像矩阵进行运算,在一定程度上弥补了LDA的缺陷,但其实质是按行压缩图像矩阵进行特征提取,只消除了图像列的相关性,所提取的特征维数依然过大。为解决以上问题,本文采用两向2DLDA的方法,在行和列方向同时压缩图像矩阵进行特征提取。并结合支持向量机（SVM）进行分类识别,用MSTAR计划发布的实测合成孔径雷达（SAR）图像数据进行实验。结果表明,该方法在减少计算量的同时能达到较高的识别率。     

动态信噪比下舱音信号的降噪方法对比

针对舱音信息中响度大、种类多和频率范围宽的噪声对舱音识别性能造成严重影响的问题, 利用基于最小均方差算法的自适应滤波器对舱音进行降噪。通过调整滤波器的阶数和步长使降噪效果达到最佳, 然后对降噪后的舱音进行预加重、分帧、加窗及傅里叶变换; 依次提取每个舱音信号的梅尔倒谱系数和一阶差分倒谱参数作为特征向量; 设计支持向量机, 利用舱音进行训练和识别, 解决了舱音样本在低信噪比下识别性能低的缺点。仿真结果表明, 该方法明显优于小波包降噪, 识别精确率达到96.9231%。     

一种卫星动中通阴影和波束指向偏差估计方法

当目标卫星被遮挡,或天线波束指向偏差较大时,卫星通信质量会变差,甚至导致卫星通信中断。针对卫星动中通阴影和天线波束指向偏差的问题,建立了一种综合考虑地理环境和波束指向偏差的接收信号功率模型,提出了一种基于接收信号强度特征参数的阴影判断和天线波束指向偏差估计方法,方法充分利用了卫星动中通信道特性,适用于接收信号的快变化和慢变化两种情况。当出现个别较大指向偏差值时,模型能够有效降低误差影响。最后给出了实验仿真结果,验证了该方法的有效性。     

基于双向2DLDA与LDA相结合的SAR目标识别算法

线性判决分析(LDA)用于图像特征提取时,存在着损失二维空间结构信息、计算复杂度大的缺点。二维线性判决分析(2DLDA)弥补了LDA的缺点,但2DLDA仅消除了图像各列间的相关性,所提取的图像特征维数仍然较大。为解决上述问题,采用双向2DLDA与LDA相结合的特征提取算法对图像的行和列同时进行压缩,减少特征矩阵维数,降低计算量。实验结果表明,所提出的SAR(Synthetic Aperture Radar)图像目标识别方法有效地降低了图像数据维数,提高了识别率,并克服了方位角变化对识别结果的影响。