利用声波和地震波识别军事车辆类型

声波和地震波是军事车辆类型识别的重要信息源,针对军事车辆运动时产生的声波和地震波,采用短时傅里叶变换提取其波形数据的频谱特征向量,提出基于能量频谱密度进行二次特征选择,构造声波和地震波频谱特征向量子空间,从而降低了特征向量的维数.应用支持向量机(SVM)和最近邻分类法(KNN)分别对声波和地震波数据来进行军事车辆分类,结果表明:基于能量频谱密度的二次特征选择方法能有效地构造出声波和地震波的特征子空间,由此得到的分类准确率高于传统的特征选择方法.通过比较SVM和KNN的分类结果可以得出SVM的分类效果优于KNN.     

基于direct LDA的幅度谱子空间雷达目标识别

针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA& SVM.先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-a11支撑向量机(SVM)多类分类器进行目标识别.并设计了最短距离分类器与SVM分类器比较.基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA & SVM可显著降低数据维数并提高识别性能.     

太阳射电频谱爆发识别的元学习方法

太阳射电频谱图像在太阳活动和空间天气的观测、研究和预报中有着重要的作用。太阳射电宽带动态频谱仪是国内观测太阳射电信号的主要设备, 但受到窗口时间、观测设备和太阳活动规律的影响, 其所采集到的频谱数据存在有效样本量少的问题。针对这一现状, 提出了一种基于元学习和迁移学习的少样本学习方法, 用于改善太阳射电频谱图像的分类性能。首先模型在元学习基准数据集上进行元知识的学习, 然后对射电频谱图像进行小样本识别的模型定义, 最后将元知识迁移到频谱图像数据集的分类任务中。通过对多种元学习方法进行实验分析和性能比较, 证明了本文方法的先进性和有效性。     

多径环境下被动雷达导引头对干扰源的跟踪

讨论在多径环境下 ,被动雷达导引头对噪声调频干扰源的角度跟踪方法。在窄带噪声调频干扰源条件下 ,利用大信号法实现真实干扰源的角度跟踪 ;在宽带噪声调频干扰源条件下 ,利用聚类分析法实现真实干扰源和镜像干扰源的角度分辨 ,从而使导引头正确跟踪真实干扰源。计算机仿真结果证实了这两种方法的有效性和正确性。     

基于自适应感知的OFDM宽带测控抗干扰方法

针对正交频分复用(orthogonal frequency-division multiplexing, OFDM)宽带测控中难以有效对抗干扰的问题,提出多门限的快速傅里叶变换(fast Fourier transform, FFT)和小波包联合自适应频谱感知来实现宽带OFDM频谱重构抗干扰。该方法首先通过固定双门限FFT能量感知进行带宽内高干噪比干扰初检测,然后通过自适应小波包频谱感知实现剩余低干噪比频宽内的干扰检测,最后根据频谱感知结果,对OFDM宽带测控系统的频谱进行重构,实现干扰规避。实验结果表明,感知算法方法具有较好的干扰检测性能,并能够实现OFDM宽带测控系统的有效抗干扰。     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。     

对运动干扰源的时差估计

讨论了用窄带接收机测量宽带噪声干扰信号到达时差时 ,干扰源、转发站和接收机的相对运动对时差测量最大似然估计和直接相关估计精度的影响 ,并给出了一种适用于运动干扰源的最大似然估计器的实现方法。     

基于支持向量机的高分辨距离像分类法

支持向量机 (supportvectormachine ,SVM)是新一代学习机 ,具有良好的泛化性能。高分辨距离像(HRRP)分类是雷达复杂目标分类的重要方法。采用SVM作为分类器 ,研究了飞机目标HRRP分类法。设计了相应的预处理算法 ,并提出了结合VapnikChervonenkis维法和留一 (LOO)交叉验证法的参数选择算法。基于 5种飞机缩比模型的HRRP数据 ,比较了SVM分类法和最大相关分类法的性能 ,研究了噪声、训练用方位角采样数和训练样本集的大小对识别性能的影响。实验结果表明 ,SVM在HRRP分类上具有良好的应用前景。     

一种面向卫星频谱监测的复合式干扰自动识别算法

针对卫星通信中经常出现的干扰难以识别的问题,提出一种基于快速独立成份分析(FICA)和支持向量机(SVM)的复合式干扰识别方法.该方法先用SVM对单一类型干扰信号建立分类模型库,并采用FICA对接收到的复合式干扰进行成分分离,再将分离后的不同成分分别输入SVM进行干扰识别.试验结果表明:该算法可在低干信比情况下对干扰信号进行准确的识别.     

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。     

基于图拉普拉斯嵌入的合成孔径雷达时变窄带干扰抑制算法

合成孔径雷达(synthetic aperture radar, SAR)作为一种宽带系统, 常与同频段内其他有源电磁系统发生冲突, 这些信号相较于宽带SAR系统而言, 大部分是窄带干扰(narrow-band interference, NBI), 会对高分辨SAR成像系统产生严重干扰。早期关于NBI抑制问题的研究中, 很少有人注意到NBIs在不同脉冲之间可能具有局部时变特性, 这削弱了某些经典方法在干扰抑制上的性能。因此, 本文提出了一种图拉普拉斯嵌入(graph Laplacian embedding, GLE)算法, 通过在不同脉冲信号之间构建拉普拉斯嵌入关系来抑制NBIs。这使得局部时变的干扰能够被嵌入到非线性低维流形中, 并被有效去除。对实测受NBI干扰的SAR数据进行处理, 处理后的结果证明了所提方法的有效性。     

基于双曲调频波形稀疏重构的干扰抑制方法

双曲调频波形特有的多普勒不变性使其在远程高速目标成像方面具有显著优势。然而波形的非线性调频特性限制了其在现有宽带解调频接收系统中的应用, 且在间歇采样转发干扰情形下成像性能退化。为此, 在分析目标双曲调频波形解调频回波特性的基础上, 提出一种基于稀疏重构的干扰抑制方法。首先, 构建了双曲调频波形解调频回波模型与间歇采样转发干扰时域抑制模型。其次, 基于此模型建立了相应的稀疏矩阵, 并利用目标结构稀疏特性对重建算法进行了加速。所提出的干扰抑制与波形成像方法可实现干扰有效抑制和多目标聚焦成像。最终, 通过电磁仿真数据验证了所提方法的有效性。     

基于AEPSO-SVM算法的雷达HRRP目标识别

针对雷达自动目标识别中的高分辨距离像(high resolution range profile,HRRP)识别问题,提出自适应进化粒子群(adaptive evolution particle swarm optimization, AEPSO)算法优化支持向量机(support vector machine,SVM)的目标分类识别方法。该算法利用非线性自适应惯性权重的调整以适应粒子寻优的非线性变化过程,采用分阶段调节加速因子增强粒子在进化过程中的学习能力,通过引入局部搜索算子在增加粒子多样性的同时有效避免了粒子陷入局部最优陷阱。通过改进的PSO算法优化SVM参数,建立分类识别器模型。将该AEPSO-SVM模型应用到雷达HRRP目标识别中,实验结果表明,该算法对于高分辨雷达目标识别精度高、鲁棒性强。     

FM interference suppression for PRC-CW radar based on adaptive STFT and time-varying filtering

The influence of frequency modulation (FM) interference on correlation detection performance of the pseudo random code continuous wave (PRC-CW) radar is analyzed.It is found that the correlation output deteriorates greatly when the FM interference power exceeds the anti-jamming limit of the radar.According to the fact that the PRC-CW radar echo is a wideband pseudo random signal occupying the whole TF plane,while the FM interference only concentrates in a small portion,a new method is proposed based on adaptive short-time Fourier transform (STFT) and time-varying filtering for FM interference suppression.This method filters the received signal by using a binary mask to excise only the portion of the TF plane corrupted by the interference.Two types of interference,linear FM (LFM) and sinusoidal FM (SFM),under different signal-to-jamming ratio (SJR) are studied.It is shown that the proposed method can effectively suppress the FM interference and improve the performance of target detection.     

消除EMD端点效应的PSO-SVM方法研究

经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中产生的端点效应, 将支持向量机(SVM)这一智能算法引入EMD, 提出采用SVM模型解决分解中产生的端点效应问题. 通过支持向量机对其原始数据两端进行延拓, 以获得一个或者多个极大值和极小值. 为了使端点处的延拓变得更加合理, 引入粒子群(PSO)智能算法对支持向量机算法参数进行优化, 使其两个端点处的数据延拓得更加准确, 从而使得三次样条曲线在端点处不会发生大的摆动, 实现EMD分解的固有模态函数(IMF)更加准确可靠. 通过对仿真信号的研究表明, 基于PSO-SVM 方法的延拓方法能够很好地抑制了分解的端点效应.     

基于自适应抗干扰技术的辐射发射现场测量方法

提出了一种具有干扰抑制效果的外场辐射发射测试新方法。该方法通过获取多通道接收数据,利用多重信号分类(multiple signal classification, MUSIC)算法获取受试设备的辐射信号和现场其他干扰信号的波达方向,并采取最小方差无畸变波束形成算法在干扰信号来向形成阵列天线方向图的“零陷”,从而实现对干扰信号空间抑制。结合短时傅里叶变换方法,对不同体制的干扰信号的抑制效果进行时频域仿真。结果表明,该方法在保证受试设备辐射特性无失真的情况下,既能同时抑制多个干扰源,又能有效抑制同频干扰和宽带干扰。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

基于自调节分类面SVM的平衡不平衡数据分类

标准支持向量机(SVM)对不平衡数据集进行分类时,会出现不平衡现象;传统不平衡数据集分类方法只能对不平衡数据集分类,且在分类过程中存在人工因素的参与.提出一种平衡不平衡数据集统一分类方法--自调节分类面支持向量机(self-adjusting classification-plane SVM,SCSVM),设计自适应的分类面调节方法,根据训练错分情况对分类面进行调整,控制正负类样本的错分率使其达到均衡,平衡或不平衡数据集都可采用相同的方法进行分类而不需预知数据集种类.实验表明该方法可对平衡或不平衡数据集进行有效的分类.     

电磁辐射发射现场测试中基于空域对消的背景电磁干扰抑制方法

在进行电磁兼容现场测试时，从环境电磁信号中准确地提取出待测设备的电磁辐射信号是迫切需要解决的难点问题之一。基于空域对消的原理，本文使用新型的时域测量和接收体制，嵌入时域信号处理方法，在缺失环境电磁干扰源的数量和方位分布等先验信息的情况下，依然能够等效地创造出一个暗室环境，滤除测量现场的环境电磁干扰并获得待测设备的真实辐射特性。仿真和测试结果表明，该方法不仅能够抑制窄带和宽带稳态干扰，而且对瞬态干扰也有很好的抑制效果，此外多径干扰也能够得到有效抑制，为电磁兼容现场测试带来较好的可操作性和便利性。