基于分形理论的辐射源识别算法

针对复杂的战场电磁环境,提出了一种新的辐射源信号识别方法,即基于分形特征的辐射源目标识别。介绍了分形的相关理论,给出了分形维数中盒维数与信息维数的计算步骤,而后采用距离函数进行判决识别。仿真结果表明提出的基于分形特征的辐射源信号识别算法能得到较高的识别率。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。     

空间绳系机器人单目视觉伺服控制系统

为解决空间绳系机器人近距离交会对接中的目标测量问题,设计了一种单目视觉伺服控制系统。该系统针对小模板在大场景中匹配时存在鲁棒性差、耗时长等缺点,采用了一种新的模板匹配算法。匹配模板借鉴FAST算法的空心圆环结构,使得算法具有旋转不变性,也减小了因背景变化引起的累积误差。同时匹配准则采用灰度值+梯度值的复合算子,具有较强的抗噪声和抑制光照变化的能力。为避免因错误匹配和遮挡等引起的跟踪失败,还设计了动态模板更新策略;最后结合最小二乘综合位置预测方法和PD控制器,实现了对复杂场景中的非合作目标的实时跟踪逼近。     

星敏感器导航星表建立

导航星表是星敏感器系统用来实现恒星星图识别和姿态确定的唯一依据,它的容量、内容、存储读取方式对于完成星敏感器功能和性能指标都极为重要．通过分析恒星在视场中的分布规律,建立起星表的完备性和冗余性与星敏感器视场内导航星的数量之间的关系,确定了导航星数量,提出了筛选导航星的原则和方法,为了实现星表的快速搜索,对导航星表的组织形式进行了详细讨论．构造一个由2510颗0～6等导航星组成的导航星表,满足了星敏感器星图识别和姿态确定的需求．     

一种用于目标提取的模板运算新方法

该方法是在模板操作的基础上,根据图像特征确定一个最佳模板系数值,可以有效减少噪声,甚至去除不必要的背景图像,以突出目标轮廓达到目标提取的目的.实验结果表明:该方法很好地实现了以上效果,目标提取准确,为目标定位检测、图像识别等后续处理带来了极大的方便.     

弹道中段目标进动周期估计的改进自相关法

自相关法可用于估计弹道中段雷达目标的进动周期,它需要预先给出进动周期的上下限。进动周期下限可能远小于真实进动周期,此时自相关法的估计性能将严重下降。定义了自相关函数(ACF)的凸包,在此基础上提出了一种改进的自相关法。首先求出ACF和其凸包的差函数,然后搜索差函数的最大值,从而得到进动周期的估计值。理论分析和仿真结果表明:当进动周期下限和真实进动周期相差不大时,该方法的估计性能接近自相关法;当进动周期下限远小于真实进动周期时,该方法仍然具有良好的估计性能;由于进动周期的上下限之比通常大于2,因此该方法的计算量比自相关法增大的倍数小于1.4;同时它对先验信息的要求非常宽松。因此该方法具有广泛的适用性。     

一种新的红外目标图像质量评价方法

 目标混淆度（DTC）和目标遮隐度（DTS）是两个有效的红外小目标图像质量评价指标,然而它们不能够评价大目标图像的质量。针对该问题,对两个指标的定义进行了拓展,实现了对红外小目标图像质量和红外大目标图像质量的统一描述。对于小目标图像,修正了两个指标原有的计算方法,分别体现了背景噪声引入虚警的能力和背景区域遮隐目标的能力;对于大目标图像,提出了该图像条件下两个指标的计算方法,分别体现了背景区域与目标区域的相似程度以及图像中目标信息与已知信息相比偏离的程度。理论分析和实验证明,与传统的图像质量评价标准如信噪比、杂波尺度等相比,本文方法在红外自动目标识别中的应用更为有效,其评价结果与实际情况更加吻合。     

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.     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。