基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

客观多因素权重分配方法及其应用

综合模糊聚类技术和粗糙集理论中的信息熵原理,提出了一种多因素决策中确定各因素权重分配的新方法.利用模糊聚类分析对数据进行聚类,并提取最佳聚类;基于粗糙集中信息熵原理确定各因素的权重分配.算例结果表明:方法合理有效,具一定的可行性.     

基于自适应网格密度聚类的雷达信号分选算法

针对现有网格聚类中网格划分方法不能较好地适应所有数据分布、网格边界处理精度低等问题,提出基于自适应网格密度聚类的雷达信号快速分选算法.该算法首先引入了网格均匀度的概念,然后给出了自适应网格划分技术和网格均匀度的计算方法,最后进行均匀度可达聚类.该算法能自适应地发现不同密度的类及其边界,适合处理大规模侦察数据集.仿真实验表明该算法能有效适用于雷达信号分选.     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

增量聚类综述及增量DBSCAN聚类算法研究

本文首先介绍了增量聚类算法的分类以及研究现状,提出了增量聚类算法等价性概念;然后介绍了增量DBSCAN聚类算法;最后针对用于批量更新的增量DBSCAN聚类算法,提出了本文的改进方法.其中,用插入更新数据集生成的子模式调整原聚类模式的方法,还可有效地应用于分布式聚类.     

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

基于排队论指导的K-Means聚类算法及其在TTC网络优化设计中的应用

提出了一种在K-Means算法基础上改进的聚类算法QSKM,对网络结点分组进行优化设计。我们利用排队论对网络通信中的呼叫与处理进行分析,确定最少分组数,作为K-Means聚类算法的初试K值,由此作为聚类算法的起点,对交换机数量、空间布局以及网络结点分组进行设计。通过对QSKM算法和传统K-Means算法的计算复杂度进行分析比较以及QSKM算法在北京航天飞行控制中心显示网络设计中的应用研究表明,QSKM算法是有效的,降低了传统K-Means算法的计算复杂度。在我们设计的QSKM算法中,排队论可以为K-Means聚类运算中K的初始选取提供指导,聚类算法利用网络特征对基于排队论的网络设计方法进行完善,从而得到最佳的网络分布方案。     

一种基于内容的图像数据库聚类算法

本文分析了数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.     

基于粒子群聚类算法的雷达信号分选

在电子对抗领域,雷达信号分选的研究是一个重要课题。电子战的信号环境日趋复杂,雷达信号的处理面临高密度信号环境,雷达脉冲相互交错。对粒子群聚类算法进行了研究分析,把粒子群聚类算法应用到雷达分选中,仿真实验证明该方法能够得到很好的雷达信号分选效果,为雷达信号分选提供了新思路。     

基于网格聚类的雷达信号预分选

针对现有网格聚类算法需要人为确定网格划分、边界处理精度低的问题,提出了基于固定网格划分和动态网格划分的雷达信号预分选算法。基于固定的网格划分算法对输入信号脉冲顺序不敏感,根据网格数据压缩率自适应确定网格划分和密度阈值。基于移动技术的动态网格聚类算法能够识别任意形状和大小的聚类。仿真实验表明,这两种方法能有效适用于雷达信号分选,且能很好地识别出孤立点和噪声。     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

基于网格密度聚类的雷达信号在线分选算法

提出了一种采用滑动窗口机制的雷达辐射源信号在线分选算法,该算法基于网格密度聚类的思想,能在线地向用户提供分选结果,动态地检测雷达信号的分选情况。仿真实验结果表明,该方法具有快速在线分选的能力,且分选效果较好。     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

最差性能最优的稳健宽带Capon波束形成算法

针对常规Capon波束形成易受期望信号导向矢量失配的影响,提出了一种基于广义特征值分解的稳健宽带Capon波束形成算法。算法利用空间响应偏差约束实现宽带频率不变波束形成,同时增加期望信号导向矢量的不确定集约束,改善了算法对导向矢量偏差的稳健性,推导出自适应权矢量的两类近似闭式解。仿真结果表明,与现有的稳健宽带波束形成算法相比,算法在改善波束频响一致性的同时,提高了阵列输出信干噪比,对期望信号导向矢量的误差具有很好的稳健性。     

天基TDM-MIMO雷达空间碎片阵列走动补偿方法研究

天基时分复用多发多收天线(TDM-MIMO)雷达能同时完成较大空域搜索和多目标跟踪任务,有利于实现对多个碎片同时跟踪,且系统架构简单,能够以较小代价获得更多的系统自由度.但由于空间碎片与雷达间的相对高速运动,目标回波信号由窄带阵列信号变成宽带阵列信号,均匀线阵畸变成相对阶梯形阵列,无法实现能量聚焦.为了解决以上问题,提...     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

基于脉冲包络前沿波形的雷达辐射源个体识别

提出了以脉冲包络前沿波形作为辐射源的“指纹”进行雷达辐射源个体识别的思路。首先将提取出的已知雷达脉冲包络前沿波形进行统计,求出一条能代表雷达辐射源的“标准”前沿波形曲线,然后将被测雷达脉冲包络前沿波形与求出的“标准”前沿波形曲线进行相像程度比较,识别出雷达辐射源个体。理论分析和实验结果表明利用雷达脉冲包络前沿波形可以较好地进行辐射源个体识别。