基于迭代QR分解的DOA估计技术

提出了一种基于迭代QR分解的信源到达角(DOA)估计技术.DOA估计的子空间方法主要是通过估计信号协方差矩阵的信号子空间或者噪声子空间来求出信号的DOA参数.估计这些子空间通常需要大量的计算,采用ASIC实现时其成本会非常昂贵.本文采用迭代QR分解方法进行子空间分解,可以利用较少量的计算资源完成处理任务.仿真实验结果达到0.23毫弧度,说明该算法比较可靠有效.     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

PCA在雷达目标识别中的应用研究

研究了宽带高分辨雷达目标识别中的特征压缩问题.首先提取目标一维距离像双谱特征,然后应用主元分析法(PCA)降低目标特征维数,最后利用支持向量机对3类实测目标数据进行识别.实验结果表明,对雷达目标识别来讲,PCA是一种可行的特征压缩方法.     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上,提出了基于距离像熵和距离像对比度的速度估计算法,详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后,基于这两种算法又提出了复合速度估计算法,大大提高了速度估计精度。     

基于特征模型的火箭发动机伺服控制系统设计

以新型大推力火箭发动机为研究对象,提出了基于特征模型的伺服系统控制器设计方法。首先,介绍了特征建模理论并讨论了特征模型参数范围;其次,采用人工蜂群算法实时估计火箭发动机伺服系统特征模型参数,使其满足特征模型输出与实际系统输出特性等价条件;最后,使用黄金分割自适应控制律保证系统在参数估计过程中的闭环稳定性,同时引入前馈跟踪控制律,逻辑积分控制律和逻辑微分控制律使伺服控制系统快速、精确跟踪线位移指令并改善动态性能。仿真结果表明,设计的火箭发动机伺服控制系统指令跟踪精度高,动态特性良好,鲁棒性强。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题,提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计,然后构建冗余的微动原子集,对加速度补偿后信号进行微动分解补偿,通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数,并快速提取其微动特征。     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。