嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。     

基于FRFT和相位差分算法的信号特征提取

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)算法的信号识别方法已广泛应用于雷达信号处理领域,相位差分算法对于检测相位编码信号尤为高效。基于 FRFT和相位差分法的信号检测算法已被提出,但在较低的信噪比下该算法并不能准确识别 LFM、LFM-BPSK信号。针对低信噪比背景下该算法性能较差的问题,给出 1种改进的算法,并通过加入多相编码信号的识别,扩大其适用范围。仿真验证结果表明,提出的算法不仅较原有算法能在较低信噪比条件下有效检测 LFM、BPSK、Frank3种单一调制方式的信号,还能检测出复杂调制的 LFM-BPSK信号。     

基于Boosting-SVM算法的航空发动机故障诊断

提出了一种利用支持向量机(SVM)作为弱基分类器、Boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有Boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数据针对传动系统的轴承、减速齿轮和滑油系统3类故障进行了验证.为去除实测数据之间的冗余、降低特征维数,提高算法执行效率,采用主元分析(PCA)和粗糙集理论(RST)进行故障特征压缩和提取.利用实测数据构造了Boosting支持向量机分类器.最后,实验结果表明Boosting-SVM算法可以显著提高SVM分类器的推广性能.针对实测数据,3种故障平均识别准确率由79.4%提高到了85.7%.     

运动单站干涉仪相位差直接定位方法

针对传统干涉仪测向定位在低信噪比(SNR)下性能降低、多频段系统复杂等缺点,本文直接利用运动单站干涉仪模糊相位差(PD)实现对地面静止辐射源定位.为解决该定位问题,结合干涉仪相位差的几何特性,提出了一种多角度距离参数化高斯和滤波(MB-RP-GMF)定位解算方法,利用相位差误差检测获得多个初始方位角,通过距离参数化得到一组滤波初始值,采用扩展卡尔曼滤波(EKF)进行定位计算.仿真结果表明,该定位方法在低信噪比下优于仅测向(BO)定位,且仅采用一组干涉仪便可对多个频段辐射源进行定位.     

基于恒模特性的QPSK-DSSS信号扩频序列估计

 针对非合作低信噪比条件下的QPSK-DSSS信号,提出一种基于恒模特性的扩频序列估计算法。该算法首先将单用户QPSK-DSSS信号等效为两用户的BPSK-DSSS信号,其次通过对信号协方差矩阵进行特征分解,估计出由同相与正交两路扩频序列张成的二维信号子空间,最后利用扩频序列的恒模特性消除特征分解带来的酉阵模糊问题,实现扩频序列的精确估计。本文提出算法实现简单,相对目前现有传统算法具有较低的计算复杂度,而且计算机仿真表明:本文提出算法在低信噪比条件下具有优良的估计性能。     

基于四阶累积量和小波降噪的干扰抑制算法

针对盲信号分离算法在低信噪比下分离效果较差的情况,提出了一种基于四阶累积量和小波降噪的含噪盲分离算法,并将该算法用于卫星通信干扰抑制。首先,利用基于四阶累积量的盲分离算法进行信扰盲分离;然后对分离出的已被噪声污染的通信信号进行小波降噪处理。最后,对提出的算法在单音干扰下进行了性能仿真。仿真结果表明,该算法不仅使抗噪性能提高了3dB左右,而且在低信噪比下对强单音干扰具有较好的抑制效果。     

基于粗糙集与D—S推理的多传感器辐射源识别模型

辐射源识别已成为军事情报、监视、侦察系统中的关键问题。在战场环境中,多传感器探测到的辐射源信息呈现出不确定性、不完整性和矛盾性。本文提出了一种基于粗糙集和D—S推理的多传感器辐射源识别模型,并提出了一种新的基于分类质量的属性约简算法．仿真分析验证了该模型的有效性。     

高阶QAM调制制式识别及其系统实现

研究了非协作通信系统中16QAM、32QAM、64QAM三种常用高阶QAM(正交幅度调制)的调制识别问题,提出了一种基于信号四次方谱和幅度特征的联合参数高阶QAM调制识别方法,并给出了详细理论分析及计算机仿真结果。该方法运算量低,易于工程实现,其正确识别率受载波及符号率估计性能影响较小。最后,基于FPGA通用硬件平台,测试结果验证了所提算法的有效性,达到了系统设计要求。在信噪比为14 dB时,正确识别率在90%以上。     

基于随机文法的多功能雷达识别方法

 针对多功能雷达采用复杂体制而造成的辐射源不能正确识别问题,提出了一种基于随机文法(SG)的辐射源识别算法。该算法基于多功能雷达的句法模型,将威胁数据库中的多功能雷达文法分为随机正则文法(SRG)和随机上下文无关文法(SCFG)两种情况,并分别构造随机有限自动机(SFA)和随机下推自动机(SPDA)对测量辐射源进行识别。仿真实验表明,该方法不仅能识别出多功能雷达辐射源的型号及模式,而且能识别出雷达辐射源的功能状态,并进而推断出雷达辐射源的威胁等级。     

基于LEO辅助的北斗B1C高灵敏快速捕获算法

随着低轨(LEO)卫星数量的不断增加,利用LEO星座辅助增强GNSS导航性能已经成为一种新的趋势.针对低信噪比环境下B1C信号难以捕获的问题,提出了一种基于LEO辅助的B1C信号高灵敏快速捕获算法.首先对提升接收机捕获灵敏度进行了分析,对比了相干积分与非相干积分对于信号处理增益的影响,得出在低轨导航增强信号的辅助下采用增加相干积分时间的捕获算法对低信噪比条件下B1C信号的捕获更有效.然后提出了一种基于LEO辅助的B1C高灵敏快速捕获算法,从理论分析和实验仿真两方面,对比验证了在LEO辅助下可以显著提高B1C信号的捕获灵敏度,缩短捕获时间,提高捕获效率.     

Collaborative image compression and classification with multi-task learning for visual Internet of Things

Widespread deployment of the Internet of Things(Io T) has changed the way that network services are developed, deployed, and operated. Most onboard advanced Io T devices are equipped with visual sensors that form the so-called visual Io T. Typically, the sender would compress images, and then through the communication network, the receiver would decode images, and then analyze the images for applications. However, image compression and semantic inference are generally conducted separately, and t...     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

基于视觉引导着陆的微小型四旋翼设计及实现

为了增强四旋翼的自主性,借用视觉导航方法要求在GPS丢失信号或信号精度不高的情况下进行辅助定位,使得四旋翼能够在某些特殊需求场合自动着陆。针对Harris角点检测算法计算量大的问题,设计了一种快速、准确的标志图像识别算法,将一个区域内的所有角点转换成一个单值角点,替代了Harris算法中的局部非极大值抑制算法,减小了计算量,并进一步设计了视觉模式下的姿态与位置转换算法和视觉着陆控制算法。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建了微型四旋翼实验平台系统,并实时在线进行了性能实验,结果表明,标志图像识别算法能正确检测和识别出标志图像,视觉着陆算法也成功实现了四旋翼实验平台的着陆功能。     

车牌识别预处理中的二值化及倾斜矫正算法

车牌识别中的预处理包括图像增强，二值化和噪声去除。由于车牌图像摄取的特殊性，使得车牌在图像中通常是倾斜的，而倾斜的车牌是很难被分割和识别的，因此车牌倾斜矫正已成为车牌识别系统中一个必需解决的问题。给出了基于图像特征线的二值化阈值确定和针对车牌图像的倾斜矫正改进算法，对车牌的水平和垂直方向分别采用了不同的矫正方法，实验结果表明此算法是快速有效的。     

遗传算法在低信噪比图象点目标检测中的应用

将遗传算法用于图象中低信噪比点目标的检测。在分析了点目标及背景特点的基础上,设计了编码方案及遗传操作算子,提出了合格个体保留法。仿真结果表明应用此算法,可实现信噪比为2dB的点目标的检测与跟踪。     

设计特征模型中的装配特征识别

研究了由设计特征模型识别装配特征的算法 ,该算法采用凹凸特征模型为中间模型实现设计特征模型向装配模型的转化。识别算法用特征设计与特征识别相结合的方法有效地识别出设计特征指定面的所有凹凸特征 ,利用判别装配特征的充分必要条件得到所求的装配特征。该方法克服了传统算法的缺点 ,提高了装配特征识别的有效性和可靠性     

基于最大序列相关性的Turbo码交织器识别

针对现有算法在Turbo码交织器识别中存在低信噪比适应性差，且识别性能随交织长度增加而急剧恶化的缺点，提出了基于最大校正序列相关的识别算法。该算法首先利用已识别的交织位置序列对每一帧交织位置上的信息序列进行估计，通过遍历可能的交织位置，并作互相关运算，当遍历位置为交织映射关系时，该位置上的数据序列与估计序列具有最大的相似度，从而完成交织位置识别；然后充分利用这些交织位置上的序列，分别估计出校正数据序列，将校正的序列再与原始序列叠加，完成码元校正，直到所有的交织关系识别完成。所提算法直接利用了截获的软判决信息，同时能够实现码元校正，这就克服了以往算法的两个缺点。仿真结果表明，在信噪比为-1 dB，交织长度为1024时，所提出算法仅仅需要1000数据帧，就能达到100%的识别率，与以往算法相比，性能提升2~3 dB，同时完成一次可靠识别所需的数据量仅需以往算法的1/4。     

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。     

大动态干扰下基于光学图像的自主导航技术

针对高超声速飞行器在平流层内飞行过程中自主天文导航时,气动光学效应及运动模糊等大动态干扰严重影响观星和高精度导航的问题,提出一种基于正则化思想的高超星图半盲复原改进算法。该算法首先借助已有的高超星图模糊核提取算法获得先验模糊核,为复原提供便利条件。接着结合天文图像灰度及梯度的稀疏先验分布特性,设计了一种针对高超星图的正则化盲复原模型,并结合先验模糊核所提供的信息,构建了改进的半盲复原方法,能在先验模糊核精度较低或缺失时转化为盲复原方法,提高了算法的鲁棒性。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较,数值仿真结果显示本算法的复原效果更佳,峰值信噪比（PSNR）达到36.97,并且质心提取成功率达到99.23%,能够明显改善星图识别的成功率,从而大幅提升高超声速飞行器在平流层中的大动态干扰下的自主导航能力。     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。