宽带多极化雷达目标模糊匹配识别方法

针对宽带多极化雷达体制,提出了一种雷达目标模糊匹配识别新方法。介绍了距离-极化模糊矩阵的构造和多维模糊匹配的原理,介绍了模糊匹配模式矩阵库的构造方法,利用宽带多极化测量数据进行了目标识别的实验。实验结果表明,该方法匹配运算量少,对目标姿态角的变化有较强的容忍能力,为解决宽带多极化雷达目标识别提供了一条有效的途径。     

智能化雷达辐射源型号识别及其实现

针对国内雷达辐射源型号识别普遍采用数据库比较查询的缺点,提出和实现了一种用雷达辐射源体制和用途识别专家系统与数据库比较查询相结合进行智能化雷达辐射源型号识别的方法.实验结果表明,该方法能够显著地提高雷达辐射源型号识别的准确度,对于参数不全、参数发生畸变的雷达辐射源,其识别精度较采用直接数据库比较查询法尤为显著.     

强杂波干扰背景下高分辨雷达信号的模糊检测

本文研究了强杂波干扰背景下运用模糊集合理论解决高分辨雷达信号的检测问题。文中首先分析了在高分辨雷达体制下获取稳定距离像的方法，并指出了传统匹配滤波方法的局限性。针对该问题，文中定义了四种模糊集合相似性测度，并在此基础上提出了一种模糊匹配滤波方法。基于文中定义的增量相似性测度准则对平均距离像采用模糊匹配滤波，实验结果表明该方法具有在强干扰背景下检测目标的良好能力，其性能明显优于传统匹配滤波方法。     

多传感器基于证据理论的机载雷达用途识别

雷达用途识别是分析雷达型号和进行威胁评估的基础。在简要阐述D S证据理论基本概念的基础上 ,较系统地论述了基于D S证据理论的多传感器机载雷达用途识别的信息融合方法。该方法同时采用多个传感器 ,并且每个传感器进行多个周期的测量 ,然后利用多传感器多测量周期的信息 ,基于Dempster组合规则 ,采用中心式融合算法 ,对机载雷达用途进行识别。识别实例表明 ,该方法识别结果令人满意 ,使原来采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善。     

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

低信噪比FPPS的弱信号提取与特征识别

针对目前电子战中脉压雷达信号淹没在强背景噪声中难以检测提取的现象,在信号相位匹配原理基础上,提出一种改进的弱信号提取模型—单元阵分段信号匹配法来实现对弱信号的提取;在此基础上结合多项式相位信号特点,提出一种改进的特征识别模型——剔除野点的多级中心差分法来实现对脉压雷达信号的特征识别.通过仿真实验表明,该提取识别模型对强白噪声环境下脉压雷达信号的提取与特征识别具有很好的效果.它不需要预先进行训练,并且计算简单易于实现,具有广泛的工程应用前景.     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

模糊理论在雷达故障诊断中的应用研究

根据模糊数学中的可能性理论引入了“故障可能性”的概念。推导了故障可能性分布的模糊数学表达式，并对故障可能性在串联系统模型中的分布情况进行了研究。给出了基于故障可能性分布的模糊综合评判法，以及根据该方法所得出的结果。论述了其如何在雷达接收机故障诊断中获取故障诊断数据，进行故障定位等的过程和方法。     

基于注意力机制和改进CLDNN的雷达辐射源识别

传统的辐射源识别通过比对、匹配辐射源信号与雷达数据库来识别, 这种方法很难满足战时高效、快速和准确的识别要求。随着机器学习方法的提出, 诸如支持向量机等算法在辐射源识别领域的运用, 可以满足战时高效、快速的识别要求, 但这种方法在低信噪比环境下, 辐射源识别准确率低。针对上述问题, 采用深度学习, 引入注意力机制和特征融合方法, 提出注意力机制特征融合一维卷积长短时深度神经网络(attention-mechanism feature-fusion one-dimensional convolution long-short-term-memory deep neural networks, AF1CLDNN)识别模型。实验验证了注意力机制和特征融合方法的有效性, 及新识别模型在低信噪比环境下具有较高识别准确率与识别速度。     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Call for Papers The 12th International Conference on Service Systems and Service Management ICSSSM'15

正June 22-24,2015Guangzhou,China http://iec.cnsba.com/index.htmlCo-Sponsored by:ffiEE SMC(pending)South China University of Technology The Chinese University of Hong Kong Tsinghua UniversityHosted bv:School of Business Administration,South China University of Technology,China Conference Co-Chairs:     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~