基于BoF模型的多特征融合纹理图像分类

针对特征词袋（BoF）模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法。将灰度梯度共生矩阵（GGCM）和尺度不变特征转换（SIFT）融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果。实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分（CCP）方法等算法在UIUC纹理库上的分类正确率均有不同程度的提高,平均分类正确率分别提高12.8%和7.9%,说明本文算法针对纹理图像分类具有较高的精度和较好的鲁棒性。      

基于IDFT的指定方向图形状的阵列综合研究

在卫星通信、遥感及综合孔径雷达等领域,指定方向图形状的阵列天线有着广泛的应用。基于逆离散傅立叶变换（ＩＤＦＴ）算法,提出了一种新的阵列综合算法。该方法具有计算量小、计算数值稳定性好等特点。结合加窗技术,可在主瓣赋形精度、主瓣宽度和副瓣电平间进行灵活折中,以达到不同的设计要求。     

超低空导弹引信抗海杂波干扰的信号提取方法

由于超低空导弹工作在海杂波背景下,其引信的信号检测易受干扰。传统的信号处理方法效果不佳,而小波变换有多分辨分析的特性,可以有效滤除杂波带来的噪声,然后根据回波信号频率,辨别真假目标。基于雷达引信实测数据进行仿真,实验结果表明,该方法能够有效滤除大部分噪声信号,从而提高超低空导弹作战能力。     

基于CDFRFT的离散LFM信号参数估计方法

文章根据LFM信号在置中分数傅里叶变换域产生尖峰的原理,提出了一种基于置中分数傅里叶变换的离散LFM信号参数估计算法,并对单LFM信号和双LFM信号进行了参数估计,实验结果表明算法具有较好的精确性。     

基于智能空间的家庭服务机器人混合定位方法

智能空间在家庭服务机器人的应用中具有重要的作用,服务机器人的定位是其中的难点.首先提出了一种家庭环境下实现服务机器人进行家庭辅助操作的智能空间架构,然后对一种低成本的服务机器人混合定位方法进行了研究,该方法首先基于加权概率匹配定位算法的无线网络信号强度确定位置范围,然后读取智能空间中的无线射频标签进行位置计算,最后基于比例不变特征变换算法进行最终位置的视觉定位.在家居环境下的实验证明了该混合定位方法的有效性,该混合定位方法为服务机器人走入家庭提供了一种低成本、高可靠性的定位解决方案.     

基于点集合并的修正Hough变换TBD算法

在低信噪比条件下,基于Hough变换的检测前跟踪算法是进行强杂波背景下目标航迹检测的一种手段。本文针对Hough变换后一个目标产生多条可能航迹以及航迹内可能存在杂波点的问题,提出了一种基于能量最大点和点集合并的修正Hough变换检测前跟踪算法。该算法利用量测点时序、能量信息及目标速度先验信息对Hough变换后点迹进行关联和剔除,能够有效的对目标原始航迹进行回溯。针对高斯噪声背景下的飞行目标,仿真结果表明该算法能够对微弱目标进行有效检测,在目标数目、杂波密度、信噪比发生变化的条件下仍能保持较高的检测概率。     

一种运动双站多脉冲无源定位算法

针对运动双站对已知高度的地面目标辐射源高精度定位问题,借鉴SAR成像原理和直接定位法思想,提出了一种利用空中两运动侦察站接收到目标多脉冲信号间的到达时间差(TDOA)和到达频率差(FDOA)信息的无源定位算法。采样时将观测时间分为快时间和慢时间,在快时间域估计时差,慢时间域估计频差,具体方法为:首先将两侦察站的采样信号在频域互相关,然后利用参考函数和广义Keystone变换消除距离单元徙动,再通过二维傅里叶变换得到目标位置点的TDOA和FDOA联合估计值,最后将时差频差联合估计值通过几何关系映射到目标的空间位置。仿真结果表明信噪比较高时逼近直接定位法的克拉美罗下限(CRLB),信噪比较低时仍然可以定位。此外,本文算法不仅计算量小,且适用于不可区分多目标辐射源定位问题,具有高精度和超分辨特性。     

复杂电磁条件下的辐射源信号分离方法

针对复杂电磁环境下的辐射源信号分离问题,提出了一种基于数字信道化的分离方法。该方法首先基于滑动离散傅里叶变换设计了二级信道化结构,该结构可将不同类型的同时到达信号划分至不同信道;随后,设计跟踪滤波器对各信道输出峰值进行跟踪,利用跟踪结果完成时域交叠信号在时频域的分离,并在此基础上通过反变换获得不同信号的时域波形;仿真实验验证了文中所提算法的有效性。