一种卫星对地观测需求分析方法

针对卫星对地观测任务需求分析方法研究的复杂性和迫切需要,文章通过把文本化的卫星观测需求编码成数值向量的形式,提出需求之间的相似度度量方法。进而基于无监督学习的相关理论和算法,给出向量化表示的需求聚类算法。同时为了能在二维平面直观展示分析高维需求数据,在引入需求之间距离计算方法的基础上介绍了高维数据的降维算法,并且通过测试数据验证了算法的有效性和可行性。通过把繁杂的需求信息转换成高维空间向量,能大大降低分析人员对领域专业知识的依赖,提升需求分析的效率和科学性。     

多分类SVDD混叠域识别新方法与故障诊断应用

针对支持向量数据描述(SVDD)多分类方法中混叠域样本识别精度差的问题,提出了一种提高精度的K近邻隶属度估计算法.首先提取训练样本中的两类混叠样本并在混叠域分别搜寻测试样本的K个近邻,然后通过估计待测样本到K近邻样本中心欧式距离的方法计算样本隶属度,最后通过比较隶属度大小实现样本识别.仿真和UCI数据及模拟电路故障诊断应用验证了算法较传统方法更为有效,尤其适用于不平衡数据的识别.     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。     

航天员呼吸强度的时序模式相似性比较研究

研究航天员呼吸强度时序模式相似性比较方法。利用小波变换将数据样本中的信号和噪声分离,将样本信号划分成多个连续的单调区间,用年n阶多项式对区间进行分段拟合,由拟合多项式的各阶系数、区间宽度、信噪比组成该分段区间的特征向量,由此得到所有数据样本的特征向量序列。小波分析算法可以有效地分离噪声信号,多项式函数能够很好地拟合数据样本,用特征向量的余弦距离可以对独立或连续区间的相似度进行准确地比较。根据上述方法,实现了时间序列的相似性搜索,并用于航天员呼吸强度时序变化模式的识别。     

基于最小最大鉴别分析特征提取的雷达目标识别

针对基于雷达目标高分辨距离像的识别问题,本文提出了一种新的准则函数,并依据该准则函数采用神经网络来实现自适应的非线性特征提取、变换与识别。同时,由于准则函数只坜对特征提取后的类间散度和类内散度作出估计,因此在样本数相对较少的情况下也能得到较好的估计结果。该准则函数在形式上与Fisher准则函数相似,但它们之间存在着本质的差异。鉴于二者的形似之处,遂将基于该准则函数的特征提取方法冠以“最小最大鉴别分析特征提取”之名。将该方法用于五类缩比目标测量数据的特征提取与识别,取得了较好的识别效果。     

基于多维几何形状的雷达辐射源识别算法

针对复杂电磁信号环境下雷达辐射源识别困难的问题,提出了一种基于多维几何形状的辐射源识别算法。借助几何形状将辐射源空间特征向量转换为平面向量,计算向量各夹角余弦值,再同辐射源数据库进行比较,实现辐射源型号的自动识别。仿真验证了提出的识别算法,识别率均在80%以上。     

对数零相位谱在雷达目标识别中的应用研究

高分辨距离像的频谱相位包含了大部分目标信息,对数零相位谱特征能够保留这些信息,且具有平移不变性。提出一种对数零相位谱最小距离雷达目标识别方法,并利用外场实测数据计算仿真,比较了最小欧氏距离与最小马氏距离准则下对数零相位谱的识别性能,同时与功率谱、幅度谱做对比,验证了该方法的可行性与有效性。     

基于双谱综合特征提取的距离-速度同步拖引干扰识别方法研究

为有效对抗距离-速度同步拖引(R-VGPO)欺骗干扰,提出了一种综合的双谱特征提取方法用于识别真实目标回波信号和欺骗干扰。建立了拖引干扰信号模型,基于双谱分析良好的抗噪性能,分别对真实回波信号和欺骗干扰作双谱变换。根据双谱估计的结果,用围线积分双谱与辅对角积分双谱提取特征作为一次特征向量;为降低特征维数并消除交叉项干扰,用信息熵和基于Fisher准则的特征选择方法进行二次特征提取,建立特征数适中的综合特征参数集,在保留最具区分度的特征向量的同时,避免信息损失,突出优秀特征值的作用。仿真结果表明:与基于特征选择和基于熵的单一特征提取方法相比,提出的双谱综合特征提取方法可获得更高的识别准确率和更好的抗噪性能,能有效对抗距离-速度同步拖引欺骗干扰。     

脉冲噪声下微弱信号相似度检测方法及应用

实际中采集的信号常常含有脉冲性噪声且信噪比偏低,这时用相关函数来表示信号之间的相似度时,会出现精度不高、鲁棒性不强的问题。提出了一种脉冲噪声下微弱信号的相似度检测方法,即非线性变换法。该方法采用Alpha稳定分布描述脉冲噪声信号,首先将采集的带噪信号进行Sigmoid映射,削弱脉冲噪声对信号相似度检测的干扰;接着对映射后的信号求取相关函数,得到信号之间相似度的信息。该方法简洁、计算量小,没有调整参数,能较好地减弱脉冲噪声对信号相似度估计的不利影响。该方法可以应用于定位系统中信号到达时差的估计。比较脉冲噪声低信噪比条件下计算机仿真结果显示,非线性变换相关法的估计精度高于共变法。实验结果表明:非线性变换相关法不仅可以用于高斯噪声环境下微弱信号相似度的检测,也可以用于强脉冲噪声环境下信号相似度的检测,具有较宽的适用范围和较好的鲁棒性。     

基于组合特征选择的目标识别算法研究

针对飞机遥感图像识别,对一种基于组合特征选择的目标识别算法进行了研究。考虑获取的飞机样本数量有限,且存在旋转、遮挡等现象,采用提取图像熵值、归一化转动变量、Fourier描述子、Hu矩和Zernike矩不同的不变矩描述其整体和细节特征,用离差标准化的归一化方法进行特征融合。考虑组合不变矩维数相对较高,用主成分分析(PCA)算法进行特征选择以避免维数灾难。用具参数优化的支持向量机(SVM)进行分类识别。给出了目标识别算法的流程。进行了手写数字和飞机目标识别两个仿真实验,结果表明:该特征选择方法在基于MNIST数据集的小样本手写体数字图像识别中,识别效果良好;在有限样本的飞机识别中,经特征选择后识别效果有较大改善,识别时间缩短,训练样本数据多,识别的精度会更高,但当飞机目标的不同姿态下形状发生变化时识别效果会变差。     

基于特征信息隶属度的目标关联分析技术

重点研究基于电子信息的目标关联,提出一种利用计算特征信息隶属度的方法对辐射源识别信息与 目标之间进行关联分析并以此进行目标识别的方法.该方法实现简单,获得的结果可以直接参与后续综合处理.     

基于组合特征的航母目标识别方法

为了解决较高分辨率条件下的可见光航天遥感图像航母目标识别问题,文章提出了一套完整的识别算法。该算法通过基于最大类间方差算法(Otsu算法)的双阈值分割方法获得舰船目标,然后通过形态学闭运算去除目标图像内部的空洞,对获得的目标图像进行优化。结合航母的形态特点,文章提出了描述目标的舰首宽度比编码特征,该特征能够显著的描述航母和其他舰船之间的区别。通过长宽比和舰首宽度比编码构成组合特征向量对提取的舰船目标进行描述。最后文章采用k折交叉验证方法划分训练样本集合和测试样本集合,采用最小距离分类器进行目标识别。所有的算法都在Matlab软件上进行仿真实验,实验结果表明,相比于其他的舰船描述特征,文章提出的组合特征对航母的识别率更好。     

基于双近邻模式和最小二乘支持向量机的SAR景象匹配区选择

通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因.从避免误匹配的角度定义了双近邻度、最小距离以反映sAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量.基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成sAR景象适配区.试验结果表明,提出的方法能够有效地规划出所需的SAR景象匹配区.     

分离模块异构航天器集群松散队形设计

针对近地轨道分离模块航天器集群,考虑航天器之间面质比差异,提出一种能在较长时间内维持两星之间相对距离的松散队形设计方法。该方法以相对偏心率向量和相对轨道倾角向量描述松散队形,以两颗卫星之间的轨道长半轴之差和相对相位角之差为优化变量,并且通过设置虚拟空间圆解决避碰问题,保证在考虑气动力摄动的情况下,异构航天器松散编队能够有较长时间满足距离要求。仿真研究表明,针对轨道高度为500 km的参考轨道,当两星面质比分别为0.003 m 2/kg和0.0032 m 2/kg时,两颗卫星之间的距离能够在50天内处于200 m到20 km之间。     

基于奇异值分解的双谱降维研究

在基于雷达高分辨距离像(HRRP)的目标识别中,双谱特征是一种有效的识别特征,但维数过高限制了它的应用。对双谱矩阵进行奇异值分解,提取奇异值向量以及大奇异值对应的奇异向量作为识别特征,与挑选双谱法相比,不仅识别率有所提高,而且克服了挑选双谱特征每有新目标加入都需重新挑选双谱频点的缺点,基于实测数据的识别结果验证了所提方法的有效性。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

基于3D Zernike矩的三维地形匹配算法及性能分析

提出了一种基于面特征的三维地形匹配算法。在算法中,与三维地形具有一一对应关系的3D Zernike矩用来描述参考高程图(DEM)和恢复地形高程图(REM),三维地形匹配转化为基于3D Zernike矩的特征向量匹配。匹配按先粗后精两步进行,在粗匹配中,匹配窗口滑动步长设定为5个象素,采用较低阶数的3D Zernike矩。在精匹配中,只对3个最优粗匹配位置的邻近区域进行精匹配,匹配窗口滑动步长为1个象素,采用较高阶数的3DZernike矩。两块地形的相似度以它们的3D Zernike矩间Camberra距离来度量,距离越小越相似,反之亦然。本算法属于特征面匹配,相对于基于特征点和特征线的地形匹配,理论和实验证明该算法具有更高的匹配概率、匹配精度和更强的抗噪声能力。     

大数据分析过程中的降维方法

随着大数据时代的到来,高维数组的分析越来越困难。介绍了两种大数据线性降维的方法,通过构造计算矩阵,求解矩阵的特征值和特征向量,可以非常容易地发现数据的极小维度表示,降低后期大数据分析的复杂度。通过采用这些方法进行数据降维,可以找出数据内在的相互关系,非常有利于数据分布规律的分析。     

色彩直方图混合特征提取在海量图像数据检索中的应用

随着多媒体技术的发展,图像的应用越来越广泛,如何有效利用图像信息具有越来越重要的意义。颜色特征不受图像大小和旋转角度的影响,鲁棒性较好,在图像检索中具有较强的应用。本文在对图像特征进行提取的基础上,提出了一种新的图像检索数据方法。该方法引入了色彩直方图、颜色中心矩、灰度直方图等颜色特征,使用色彩直方图对整幅图像的色彩信息进行统计;使用分块颜色中心矩对色彩的空间分布信息进行统计;对由于色彩浓度和对比度发生变化而对检索效果的影响,采用了灰度直方图进行淡化。通过对这三种特征距离进行加权和计算,进行相似度匹配,检索出目标图像。本文针对性地设计了基于色彩直方图混合特征的图像检索系统,实验证明色彩直方图混合特征检索的结果与示例图像在颜色与空间分布上基本相似,具有较强的实用性。