基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

高速星间收发通信机OFDM调制解调研究

目前,国内外针对卫星组网的研究主要集中在卫星之间的星间链路研究方向。为实现卫星组网通信系统中大数据量的信息交互,首次提出了一种利用正交频分复用(orthogonal frequency division multiplexing, OFDM)技术的高速星间收发通信机的设计方案。相比传统单载波技术,OFDM技术凭借其较高的频谱利用率、良好的抗多径干扰能力以及能够灵活分配资源等特有的优势,可用于实现星间通信的高码速率传输。首先设计了星间收发通信机的总体架构,基于星间通信系统的特点以及16QAM调制解调方式的优点进行了相关的参数设计,然后根据设计参数,采用Verilog HDL硬件描述语言基于ISE开发平台和Modelsim软件完成了16QAM数字调制解调功能和时序的仿真,验证了设计的可行性。首次将OFDM技术应用到星间收发通信机,为其硬件实现奠定了基础,具有一定的参考价值。     

基于1553B总线的测试系统的设计与实现

本文基于弹上系统进行测试的研究,详细叙述1553B总线的特点以及1553B总线的协议在弹上测试系统中的具体实现,然后阐述在测试系统中作为总线控制器和远程终端的实现方法,测试系统采用Lab VIEW实现主控机和测试终端的测试,能够对操作命令,测试数据以及数据通信状态实时进行记录,方便对数据的监测,经过实验测试,测试系统的测试效率高,误码率低。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于LS-SVM的恒定应力ALT非参数统计方法

针对某些产品寿命分布未知,无法采用参数方法对其加速寿命试验进行统计分析的问题,建立了基于LS-SVM的恒定应力ALT非参统计方法,实现了对产品可靠度的预测及相关可靠性特征量的统计.仿真对比和应用实例结果表明,该方法统计精度高,且易于编程实现,适用于寿命分布未知及截尾试验情况F的恒定应力ALT统计分析.     

模糊最小二乘支持向量机在黑液波美度软测量中的应用

利用模糊最小二乘支持向量机进行软测量建模。并将基于最小二乘支持向量机的软测量器应用于造纸碱回收中黑液浓度的在线估算,取得了十分有效的应用结果。模糊最小二乘支持向量机收敛速度快,模型参数确定方便。因此基于模糊最小二乘支持向量机的软测量器在软测量建模中有很大的应用潜力。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

基于SVM和"嫦娥一号"数据的月球表面亮温分布

月球表面的微波辐射亮度温度分布与月表物质的物理化学和地理分布特性密切相关.为了分析月球表面微波辐射亮温的分布特点,利用支持向量机(SVM)方法对嫦娥一号(CE-1)绕月卫星搭载的微波辐射计获得的2C级亮温数据建立回归分析模型,并利用粒子群算法优化SVM回归模型,建立了月球表面不同地理位置的4个频率通道(3GHz,7.8GHz,19.35GHz,37GHz)的微波辐射亮温与时间的关系,获得了这4个频率的微波辐射亮温在月表很窄时间段的全球分布,因而显示出了更多的细节特征.最后对这些特征进行了描述并对影响月球表面亮温的因素进行了讨论.     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于灰色近似支持向量机的加速度计参数预测

温度、振动等环境载荷使得石英挠性加速度计参数产生漂移,直接影响了惯导系统的测量精度和性能,石英挠性加速度计参数变化趋势为非线性的,很难用常规的建模方法进行趋势预测。基于灰色理论适合进行小样本、贫信息不确定型系统建模以及近似支持向量机不需要求解二次规划就能求得非线性模型参数的优点,提出了基于灰色近似支持向量机进行石英挠性加速度计参数预测的方法。为了验证该方法的有效性,针对自然贮存的加速度计进行了固定周期的参数标定,结果表明灰色近似支持向量机具有很好的预测效果。