基于马氏距离的半监督鉴别分析及人脸识别

针对人脸识别应用中人脸样本的类别信息不足以及人脸样本特征间存在相关性的问题,提出了一种基于马氏距离的半监督鉴别分析.该方法在图嵌入框架下利用马氏距离对数据集中带有类别信息的样本进行边界Fisher分析,不仅保持了类内的紧致性和类间的分离性,而且抽取出有利于分类的鉴别特征,同时将不带类别信息的样本用于描述数据集的几何结构,保留了样本间的局部邻域信息.与传统的特征抽取方法相比,该方法有较好的识别性能,在ORL,YALE及AR人脸数据库上的实验验证了该方法的有效性.      

一种机载SAR距离徙动修正的快速算法

距离-多普勒算法是机载合成孔径雷达成像信号处理中的常用算法,针对其采用逐点插值进行距离徙动修正而导致运算量过大的问题,提出了一种无需插值的快速距离徙动修正方法.该算法通过二次快速傅里叶变换和一次复乘操作完成合成孔径雷达成像所需的距离徙动修正处理.在分析回波信号模型的基础上,推导了利用该技术能够精确完成距离徙动修正的最大测绘带宽度,给出了该宽度与成像分辨率之间的关系,并用计算机仿真验证了上述关系的正确性.理论分析、仿真和实测数据处理结果表明,该方法具有运算量小、精度高的优点,非常适合于机上实时处理.      

一种新的判别决策树的建树准则

讨论了一种新的判别决策树评价准则,在建立二分树的过程中,提出采用不可分辨度最大下降作为选择自变量的原则.这种新准则与经典的非纯度下降算法在概念上是近似的.如果适当定义非纯度下降算法中的权重,则这两个准则就是完全等价的.然而,新准则的计算更加简单,并且通过案例分析可知,对新准则计算结果的解释也更加容易.     

基于Gram-Schmidt过程的判别变量筛选方法

利用Gram-Schmidt过程,在自变量集合中选择对判别分类解释性最强的信息,删除对分类无显著解释作用的信息以及重复解释的信息,并把挑选出来的解释变量集合变换成若干直交变量.一方面实现了判别分析模型中的变量筛选,同时也解决了自变量多重共线条件下的有效建模问题.在选入变量的过程中运用F统计量检验变量的判别作用,更容易被统计应用人员所接受.为了说明所提算法的合理性和有效性,以Fisher判别分析建模为例,通过仿真数据建模取得了合理准确的分析结论.      

基于距离信息修正的自由段弹道预测法

雷达具有测距精度比测角精度高的特点,充分利用这种测量的不对称性,提出一种基于距离信息修正的自由段弹道预测法.该方法是在雷达观测的弹道导弹自由段运动数据的基础上,采用滑动窗口中点平滑法处理观测数据,再次利用距离信息对轨道根数进行动态微分修正,提高观测数据的利用率和弹道预测的精度.仿真试验表明,该方法明显优于基本椭圆弹道法,大大提高了弹道预测的精度.      

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.三种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

一种基于多重相关法的相位差测量方法

研究了一种新的测量正弦信号相位差的方法,就是利用正弦信号的特殊性质,通过多次信号的自相关和互相关运算,能够检测信噪比很低的两路正弦信号之间的相位差,分别讨论了信号的信噪比,取样点数,A/ D的量化位数对测量结果的影响,并给出了具体的仿真结果。实验表明这种方法能有效的提取出被噪音严重污染的信号的相位差,而且算法简单,物理意义明确,精度却可以满足工程的要求。     

红外成像系统中带有距离修正的目标能量预测方法

针对红外成像系统中目标遮挡后需要进行能量预测的实际情况,提出了一种基于距离修正的Kalman灰度预测方法,建立能量和距离之间的状态方程,通过装订的距离和观测到的目标能量来预测实际的目标能量,并结合具体的试验数据,与三阶状态向量Kalman滤波预测和 滤波预测做了对比,仿真结果表明,该滤波方法是正确有效的。     

基于距离徙动修正的近程大斜视成像算法

在近程大斜视成像中,当采用距离徙动（RM）算法进行处理时,信号谱在有限谱域范围内发生偏移,引起多次翻折造成混叠,使得通常处理方式不再适用。为此,提出一种解混叠方法恢复实际信号谱,通过斜视角或目标中心偏移量可计算出信号谱的翻折次数,依据翻折次数可将信号谱恢复至实际谱域位置,进而依照RM算法流程进行处理即可实现大斜视成像。该算法基于信号谱进行,未对距离方程进行近似处理,因此不仅适用于远场,同时可以解决近程大斜视成像问题。计算机仿真和实际实验测量结果显示,采用本文算法处理后可对成像范围内的目标实现精确聚焦。本文算法适用近程条件下阵列雷达或合成孔径雷达（SAR）的大斜视成像问题,可对较大斜视角情况实现精确聚焦。同时,本文算法的流程清晰,易于实际编程实现。