基于区实序列变换的航迹关联算法

针对时变系统条件下的航迹关联问题,提出一种基于区实序列变换的关联算法。首先,利用线性最优化的方法,将上报航迹的不确定性描述为区间灰色序列;再在区实序列变换的基础上,利用实数序列间的灰关联度加权融合描述不同雷达上报航迹的关联相似度,通过判决给出关联结论。仿真结果显示了算法的有效性以及良好的抗差性能。     

样本标签污染条件下的雷达辐射源个体识别技术

针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。     

基于小波变换的 ICA盲源分离算法

针对ICA算法不能直接应用于单通道盲分离的问题,提出了基于小波变换的ICA盲源分离算法。该算法结合小波变换对基于信息论的ICA算法进行了改进并应用在单通道盲分离中。仿真结果给出了分离后信号的波形,经检验其相似程度,分离后信号的波形与源信号的波形较为接近。     

一种轻量化SAR图像舰船目标斜框检测方法

针对目前基于深度学习的合成孔径雷达（SAR）图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。     

空时分组码的二阶循环平稳特性分析

针对空时分组码的盲识别问题,研究空时分组码信号的二阶循环平稳特性。利用空时分组码矩阵元素之间的相关性,给出了空时分组码相关矩阵的傅里叶变换形式,推导出空时分组码信号在不同时延参数下具有循环频率的特征。通过仿真实验,验证了推导过程的正确性,并定义了用于空时分组码识别的决策树,对空时分组码盲识别技术的发展进行了展望。