基于直方图参数估计CFAR的SAS图像目标检测算法的研究

给出了一种合成孔径声纳图像目标检测的新算法,利用这类图像目标相对于杂波所占的像素数目比很小的特点,以图像的直方图为基础,与典型背景杂波分布的概率密度函数进行快速拟合,并采用最小均方误差准则来确定最终的杂波分布及参数.根据得到的参数进行恒虚警率检测,从而将目标从图像中提取出来.实践表明,本算法计算迅速,检测概率高,能够为...     

应用形态学滤波的宽带侦察接收机信号检测新方法

针对大瞬时带宽侦察接收机在截获信号时因噪声的非理想特性引起的弱信号漏检问题,提出一种把频谱作为一维灰度图像进行形态学处理的信号检测方法. 对Welch谱进行形态学运算,估计噪声基底并对频谱进行修正,对修正的频谱进行恒虚警处理估计检测门限,根据修正频谱与门限值的比较来判决信号的存在性. 仿真结果表明,该方法能较好地估计噪声基底,在给出的非平坦噪声环境下实现对弱信号的正确检测. 由于计算量小,这一方法适合于硬件实现.     

基于自适应核方法的正交子空间投影异常检测算法

在高光谱图像的异常目标检测核方法中,高斯径向基核函数的宽度决定因子(即核参数)选择恰当与否是决定算法性能的重要因素。针对这一问题,提出了一种基于自适应核方法的正交子空间投影高光谱图像异常检测算法,有效的解决了统一的全局检测参数在复杂多变背景环境下检测性能下降的问题。这不仅提高了算法的通用性,也降低了检测的计算量。用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行比较,结果表明,所提出算法的检测性能明显地优于传统算法,降低了虚警概率。     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

基于流形的稀疏表示自适应字典实现及应用

传统的稀疏编码码本采用静态基元形式,限制了其泛化能力。将流形思想引入字典的学习过程,创新性地提出了动态基元稀疏编码方法。在学习稀疏基元时,同步计算基元对应的切方向可以确定,因此,提出了稀疏编码动态基元的表示与重构方法。将基于流形的图像自适应字典学习与重构方法用于图像恢复,实验表明所提方法增强了稀疏编码基元的泛化能力,比传统的图像恢复方法提升效果明显。     

后向散射多传感通信中断率

中断率是分析无线多传感后向散射通信系统的重要指标.针对后向散射多传感系统中的中断问题,基于经典的后向散射多传感通信模型,给出了对数正态阴影信道下中断率的闭式解.应用蒙特卡罗(Monte Carlo)仿真和数值积分的方法,分析了影响后向散射多传感通信系统中断率的相关因子.结果表明,蒙特卡罗仿真与数值积分具有很好的一致性,中断率的数值分析误差小于1.481%.同时,随着信号干扰加噪声比SINR门限值的增加,中断率也增加;如果SINR门限值过大,传感器间相互干扰影响很大;反之,如果SINR门限值过小,传感器间相互干扰影响很小,为后向散射多传感系统的可靠性分析和设计提供了参考.     

OFDMA系统中多波束机会波束成形的门限反馈

多用户MIMO-OFDMA是未来无线通信的重要技术体制. 当MIMO-OFDMA系统利用全部用户获取多用户分集时,系统反馈量很大. 为了解决这一问题,提出一种基于门限反馈实现部分多用户分集的多波束机会波束成形算法. 用户计算每个子载波上各波束的接收信干比(signal to interference-plus-noise ratio, SINR),把SINR 超过某一门限的信息反馈给基站. 以预设的平均资源利用率为目标,给出确定最佳门限值的方案,定量分析门限反馈算法的反馈量,证明其反馈总量随用户数目的增大而趋于一个较小的恒定值. 仿真结果表明,通过预设目标平均资源利用率可有效确定门限值,能在吞吐量性能损失很小的情况下显著降低系统的反馈开销.     

直扩系统滑动相关捕获方法性能研究

研究了两种不同结构直扩系统滑动相关捕获方案的性能,一种是传统的单停顿串行滑动相关法,另一种是串并行结合的单停顿滑动相关捕获法。文中分别给出了两种方案的平均捕获时间、虚警概率、检测概率表达式以及部分仿真结果,并对两种方案的性能作了对比。     

故障检测的可靠性描述及传感器分布优化算法

研究利用概率SDG模型来描述大规模复杂系统故障检测的可靠性问题,并针对系统中每种传感器的不同故障概率,分析传感器的选择和分布对故障检测可靠性的影响.系统发生故障时,变量值的偏差可被传感器检测到,但由于传感器本身的故障及其分布不同,系统故障有可能被漏检或错检,直接影响系统故障检测的可靠性.本文在概率SDG模型的描述方法下给出故障检测的可靠性描述,研究在有限资源条件下传感器的优化分布及其算法.在此基础上,对65t/h锅炉系统建立了概率SDG模型,并应用了所给的优化算法,确定了系统的传感器优化分布方案.仿真实验表明,这样确定的传感器分布对提高故障检测可靠性是有效的.