基于投影空间下奇异值分解的海面小目标CFAR检测

提出了一种基于投影空间下奇异值分解(singular value decomposition, SVD)的杂波抑制方法。在雷达回波数据中,利用待检测单元的邻近单元构造杂波空间,并将杂波空间在投影空间下进行奇异值分解以实现杂波抑制。为此,本文设计了一种全新的检测器,即将正交投影(orthogonal projection, OP)、奇异值分解和传统恒虚警(constant false alarm rate, CFAR)检测器相结合,记为OP-SVD-CFAR。将OP-SVD-CFAR检测器的检测性能与OP-CFAR检测器、最大特征值的矩阵CFAR检测器、SVD-FRFT检测器和CA-CFAR检测器的性能分别进行比较,通过实验结果可以看出,本文提出的OP-SVD-CFAR检测器的检测性能明显优于其他算法。     

基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法     

一种基于奇异值分解的非线性滤波新算法

提出一种基于奇异值分解的无导数卡尔曼非线性滤波新算法对UKF算法进行改进.该算法利用奇异值分解作为工具,将原算法中的协方差矩阵进行奇异值分解,可以在一定程度上避免在递推过程中,由于计算误差和舍入误差而引起的协方差矩阵失去正定性,从而导致算法失效的问题.在不降低滤波精度,不增加算法复杂度的前提下,新算法具有很好的数值稳定性.实例仿真结果验证了本方法的有效性.     

基于奇异值分解的鲁棒滑模观测器设计与仿真

在Edwards滑模观测器设计思想的基础上,提出具有未知输入干扰的鲁棒滑模观测器设计方法,采用奇异值分解技术,设计鲁棒滑模观测器以及优化滑模策略,给出严格论证,保证对系统不确定性以及外界干扰具有鲁棒性:采用Lyapunov函数作为稳定观测器的判别条件,使设计的观测器一致收敛,状态估计达到预期的指标:通过VTOL直升飞机的动态数学模型仿真示例验证了研究方法的有效性,并与一般的Luenberger观测器进行比较,证明设计的滑模观测器具有很好的跟踪性,以及对未知输入扰动良好的鲁棒性.     

基于奇异值分解和一致-可信度的判断矩阵一致性改进

判断矩阵的一致性改进是层次分析法中的难点。针对该领域研究中存在的不足之处，介绍基于奇异值分解的权重确定方法，提出一个衡量判断矩阵一致性和可信度的综合标准，即一致-可信度，在奇异值分解和一致-可信度的基础上给出一种获得最佳改进判断矩阵的一致性改进方法。     

基于奇异值分解的混合递阶遗传算法训练径向基神经网络

提出了一种将递阶遗传算法和奇异值分解的优点相结合的新型径向基神经网络学习算法--混合递阶遗传算法。它具有较高的学习效率,并能同时确定径向基神经网络的结构和参数。利用所提出的混合递阶遗传算法对混沌时间序列学习和预测,取得了较好的效果。     

结合神经网络和奇异值分解的单图像材质重建

表格存储的BRDF(bidirectional reflectance distribution function)可高逼真再现物体表面外观;但其高维特性和单张平面图包含的反射信息少、差异小的特点;使得现有方法在估计表格存储的BRDF时通常需使用复杂设备或捕获多张图像。针对该问题;提出一种结合神经网络和奇异值分解的单张图材质重建方法。引入奇异值分解将材质压缩到低维空间;将估计材质反射属性的过程简化为估计材质基的权重向量;结合深度卷积神经网络;建立单张平面图和权重向量之间的映射关系;设计了抑制高动态数值变化的对数相对损失函数;为该网络模型的训练构建一个平面样本数据集;提出拆分数据训练方法来消除环状伪影。实验结果表明;该方法在合成数据和真实数据上均优于现有方法。     

基于MP稀疏分解的弹道中段目标微动ISAR成像新方法

弹道目标在中段的运动包括轨道运动和微动。与轨道运动相比,弹道目标的微动能引起目标相对雷达视线角更为快速的变化,有利于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。针对自旋对称弹头的微动特性,提出了一种基于匹配追踪(matching pursuit, MP)稀疏分解的微动ISAR成像算法,分析了成像平面和成像所需积累转角,并通过计算机仿真与传统的距离－多普勒(range-Doppler, RD)、魏格纳－维尔(Wigner-Ville, WV)成像算法进行了比较。仿真结果表明：本文算法具有更好的成像精度和稳定性,且不受交叉项的干扰,是一种有效的微动目标成像算法。     

S变换在雷达目标识别中的应用

针对雷达目标回波的非平稳特性,推导了S变换及其实现算法,利用电磁场时域有限差分算法仿真了三种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的奇异值特征作为目标特征矢量,利用径向基函数神经网络对特征矢量进行训练和学习,最后对三种飞机做了分类识别,取得了很好的识别效果.     

基于调频傅里叶变换的匀加速转动目标ISAR成像

现有匀加速旋转目标逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法通常采用二维搜索估计目标转动参数,从而导致计算量大。提出一种基于调频傅里叶变换的ISAR成像方法。该方法利用目标散射点回波相位二次项系数与一次项系数的比值仅取决于目标转动参数这一特点,通过搜索调频傅里叶变换的调频系数使目标横向像熵值最小,得到该比值的估计结果,避免了二维搜索导致的计算量大的问题。然后对各距离单元回波作相应的调频傅里叶变换,即可得到聚焦良好的ISAR像。仿真结果验证了该方法的有效性。