基于时频图像处理的JEM分类识别方法

机载雷达探测飞机目标时,可通过提取JEM特征进行直升飞机、螺旋桨飞机、喷气式飞机分类识别,虽然其理论基础已相对成熟,但在机载杂波背景下对低SNR调制信号的检测与分类识别有待进一步提升,以改进工程化过程中分类识别的稳健性.文中在回顾JEM理论分析的基础上,分析了观测角度、叶片螺距、转子交调、RCS闪烁、雷达工作波形等因素...     

基于均匀设计与Powell算法的全局最优化算法及并行实现

复杂函数的全局最优化问题是在求解各种复杂工程与科学计算问题中提炼出来的亟待解决的计算问题,均匀设计具有让试验点在高维空间内均匀分散的特点,而Powell算法具有很好的求解局部最优解的能力,将两种方法进行有效改进后使之相结合,设计出并行全局最优化算法.通过经典的全局最优化函数对算法进行了比较测试,发现该算法具有比以前的算法更好的寻优能力,并对算法时间、空间复杂度以及并行性进行分析和测试.基于均匀设计与Powell算法的全局最优化并行算法具有寻优能力强,时间开销与问题因素个数的平方和布点数成线性复杂度,空间开销与因素个数和布点数成线性复杂度,并行效率好的特点.     

基于混合核深度适配网络的HRRP目标识别

为了改善基于卷积神经网络（CNN）的雷达目标识别模型的泛化能力,本文将深度适配网络（DAN）方法引入到高分辨一维距离像（HRRP）目标识别中。为了进一步提高DAN方法的性能,创新性地提出了混合核函数MMD代替传统DAN中的多核MMD,设计了基于混合核函数的MMD损失函数。本文使用服从瑞利分布的海杂波来干扰目标域数据。网络模型中使用一维CNN提取特征,使用混合核函数DAN来减少源域和目标域间特征分布的差异。实验表明,相对常规迁移学习方法和DAN方法, 在海杂波影响下该方法可将目标域数据识别率提高15%左右,显著提高了模型的泛化性能和鲁棒性。     

基于压缩感知和深度学习的分类识别技术

雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类（固定翼、螺旋桨和直升机）飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。     

一种强杂波背景下弱小目标长时间相参积累方法

伴随无人机技术的发展,低空慢速小目标面临杂波强和目标回波弱的问题,同时相控阵雷达需要兼顾空域警戒等多种任务,需要将弱小目标的多次观测信号进行积累检测。文中提出一种基于线性约束最小方差法(LCMV)稀疏基压缩感知(LCMV-CS)的相参积累技术,实现弱小目标多次观测信号片段相参积累,同时实现对强杂波的抑制处理。仿真条件不等间隔积累损失≤1 dB,解决常规FFT 相参积累栅瓣的问题,同时抑制强地物杂波40 dB,利用实录数据验证该方法可以有效抑制强杂波的同时提升目标信噪比。     

GridMol:基于网格的分子可视化建模应用系统

基于网格计算思想,提出集成远程高性能计算硬件、软件资源和计算前、后处理功能的高性能计算化学应用模型,并基于此模型开发了GridMol系统。GridMol采用Browser/Server结构设计,服务器端通过网格中间件提交高性能计算作业高效利用网格中的各种硬件、软件资源,浏览器端GridMol提供图形化的计算化学前、后处理功能,如蛋白质可视化和分子建模处理。GridMol基于Java和Java3DAPI设计实现,系统具有跨平台和网络运行等优点,目前GridMol已集成在中国国家网格(CNGrid)平台上。     

利用仿射变换的快速空间关系验证

为了合理利用视觉关键词之间的空间关系,以提高基于视觉关键词的对象检索方法的准确度,提出一种利用仿射变换进行空间关系验证的算法.首先通过视觉关键词仿射协变的空间邻近特征集进行初步空间关系一致性匹配;然后计算对应仿射协变区块的多组可能的仿射变换矩阵,并选择满足区块匹配最多的变换矩阵作为对象与图像之间最终仿射变换矩阵,其中,仅利用一对协变区块来计算自由度为6的仿射变换的算法有效地提高了计算速度和鲁棒性;最后通过计算出的仿射变换矩阵来精确验证对象与图像之间的空间位置关系是否一致.实验结果表明,与现有方法相比,文中算法更鲁棒,能以较低的计算开销显著地提高基于对象的实时图像检索的准确度.     

一类调和映射的特征值

主要讨论Ricci曲率具有正下界的紧Rieman流形M上的调和映射 .讨论了调和映射特征值的估计问题 ,得到了调和映射是全测映射的一个条件 .     

一种单脉冲测量雷达测速新方法

在现有单脉冲测量雷达数字测速方法基础上,提出一种测速新方法。该方法通过加长积累时间,提高了测速的信噪比,并估计和补偿运动目标加速度等信息,获得更精确的频率,从而提高测速精度,同时完善频谱异常检测方式,使单脉冲测量雷达测速具有更好的稳健性。     

基于K-邻相关与RFT的长时间积累算法

随着隐身技术的发展,飞机导弹等高速运动目标的RCS越来越小,需要采用长时间积累的方法实现目标检测。文中提出了一种基于K-邻相关和Radon Fourier 变换（RFT）的小目标长时间积累算法。首先,利用K-邻相关算法实现目标运动参数的粗略估计;然后,利用RFT实现信号的高效积累。仿真和实录数据验证表明：该方法能有效实现高速高机动小目标检测,信噪比损失0.5 dB以内。