基于非线性变换的高分辨率距离像雷达目标识别

雷达目标识别的预处理工作是高分辨距离像领域中的重要组成部分,也是提高识别率的重点和难点。给出了一种结合信号统计特性的信号预处理方法,通过对高分辨距离像(highresolutionrangeprofiles,HRRP)的非线性变换作为特征,有效地拉大了异类目标信号之间的欧氏距离,从而提高了分类的识别率。基于ISAR雷达实测飞机数据的实验结果证明了该方法的有效性。     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

基于一种最优核鉴别矢量集的雷达目标识别

基于高分辨距离像的雷达目标识别的关键是如何提取距离像的有效鉴别特征.通过分析核Fisher准则函数下核类内散布矩阵的零空间信息与非零空间信息对识别的贡献,基于同构映射思想,求解出一组最优鉴别矢量集,用于提取距离像的鉴别特征.同时,给出一种快速算法,用较少的训练样本表达投影方向,加快了鉴别特征的提取速度.基于外场实测数据的实验证明了方法的有效性.     

基于最优投影平面的雷达目标一维距离像识别

基于将多类目标的识别转化为两类目标的识别这一思想,提出一种雷达目标一维距离像识别方法。首先将多类目标组分为多个子组,每一子组包含两类目标;对每一子组中的目标,由其训练一维距离像建立最优投影平面;对输入目标,利用最小距离准则进行分类,以确定输入目标在每一子组中的类别。然后,应用投票机制最终决定输入目标所属类别。仿真实验结果表明了该方法的有效性。     

基于不同准则函数的雷达目标特征空间变换

为解决雷达目标高分辨距离像的识别问题 ,将 4种基于不同准则推导出的线性特征空间变换进行了归纳。分别用这几种变换方法对 6类飞机缩比目标高分辨距离像数据进行特征空间变换 ,然后用同一分类器判决 ,并对其识别结果加以分析与比较 ,得出在该应用条件下的有益结论。     

一种处理未知雷达信号的聚类分选方法

针对未知雷达信号的处理,提出了一种新的辐射源聚类分选方法。该方法应用Kohonen网络模型,引入新的权值概念,借鉴熵值分析和统计原理确定权值,计算加权的归一化Minkowsky距离,检验最小距离,根据假设检验合并同类聚类中心,从而实现脉冲的分选。仿真实验结果验证了该方法分选未知雷达信号的有效性。     

基于相关成分分析法的雷达目标识别仿真研究

给出了_种基于双谱特征和相关成分分析法(Relevant Component Analysis,RCA)相结合的雷达目标特征提取与识别方法.利用四种飞机模型的重点散射源二维分布测试教据和频率步进法,得到目标的一维纵向距离像.针对雷达高分辨率一维距离像的双谱特征,利用改进的白化变换矩阵进行去相关,得到统计不相关鉴别正交矢量集.然后采用Parzen窗方法估计概率密度函数,用贝叶斯分类器进行分类识别.实验数据结果表明,双谱有效地抑制了噪声影响,而相关成分分析法利用了信号白化处理过程中去除信号类间的相关性的优点,聚集了同类样本,因而比主成分分析法(Principal Component Analysis,PCA)具有更好的分类效果.     

基于小波能量谱的舰船目标信号特征量建模

为在舰船目标识别、分类中有效选取特征量,采用小波变换获取舰船辐射噪声信号的小波能量谱,然后计算不同类目标信号的类平均小波能量谱之间距离信号的λ水平能量聚点,据此选取能量谱差异显著的频段,最后对各能量谱作聚类分析实现特征压缩并确定特征量。在舰船声场通过特性研究中的应用表明,该方法具有识别与分类准确率高的特点。     

基于正则变换的雷达目标成像识别

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵，并对之作正则变换建立正则子空间；然后将每类目标各方位的像向该子空间投影形成子像，并以其平均结果作为库目标的特征矢量。对未知目标，以其子像对库目标特征矢量的欧氏距离最小为分类准则，进行了识别模拟实验。     

基于正则变换的雷达目标成像识别*

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵，并对之作正则变换建立正则子空间；然后将每类目标各方位的像向该子空间投影形成子像，并以其平均结果作为库目标的特征矢量。对未知目标，以其子像对库目标特征矢量的欧氏距离最小为分类准则，进行了识别模拟实验。     

基于神经网络最佳分类器通信信号的调制识别

提出了基于最优决策理论的最佳分类器用神经网络实现的方法，并对通信信号的调制类型进行自动识别。这种方法以使类域最大分离为目标，利用神经网络良好的非线性和自适应性，把最优准则下的自学习功能引入训练过程，结合快速训练和修剪算法，克服了一般神经网络分类器的不足，实验证明其性能良好。     

异步DS-CDMA最优混沌序列集的性能分析

为了获得异步DS—CDMA系统的最优扩谱序列，给出了一套用来选取混沌二值序列的优化准则。基于这一优化准则，我们从Chebyshev映射生成的混沌序列中选取并构造出最优混沌二值序列集合。利用该集合作为异步DS-CDMA系统的扩谱序列，所得到的系统仿真结果符合最优扩谱序列的理论分析值，因此可以被认为是异步DS-CDMA系统的一个最优扩谱序列集合。     

城市规模与城市交通发展的系统分析方法

给出的系统分析框架表明,交通强度与城市规模、交通强度与道路密度之间存在着正相关关系,道路密度受到城市国土资源的限制,导致城市规模存在发展极限.城市规模的发展一旦超出这个极限,必然会产生现实难于解决的交通拥堵问题.文中还建立了一个城市规模与城市交通协调发展及相互适应的优化模型,认为可以运用社会总成本来评价交通与城市规模的适应性.论文最后结合北京市的实际对以上方法进行了实例验证.     

事件状态下城市快速路交通通道优化控制模型

交通控制和管理是解决城市交通拥挤问题的有效措施。在事件状态下，对快速路交通通道的优化拉制建模进行了研究．以快速路和干道交叉口的交通需求与通行能力的方差和最小为优化目标，建立了快速路交通通道优化控制模型，该模型同时优化干道交叉口绿信比、事件上游出口匝道转秽率和事件下游入口匝道转秽率三个控制参数。最后对目标函数进行了评述，表明谊优化控制模型简单实用。     

基于并行处理的线性二次型最优控制器

本文研究基于并行处理的线性二次型最优控制器问题。文中提出了一种平方根线性二次型最优控制算法，并将其映射到并行专用结构──脉动阵列（ｓｙｓｔｏｌｉｃａｒｒａｙ）上。加快了控制器参数综合，为快速动态环境下最优控制的实时应用开辟了广阔的前景。     

序值决策系统中基于描述子的可信规则获取

在序值决策系统中, 根据下近似并不能导出所有可信规则.为此提出了优势和弱势描述子概念,讨论了优势和弱势描述子的支持集与决策类之间的包含关系,用以导出序值决策系统中的所有可信规则.研究了两种新的描述子的约简以及这两种描述子关于决策类的相对约简问题,给出了相应的判定定理与区分函数,为从序值决策系统中获取最优可信决策规则提供了新的理论基础与操作手段.     

区间值双矩阵博弈的均衡策略

基于区间值偏序关系理论,研究了区间值双矩阵博弈均衡策略的确定问题.利用区间值的相对优势函数和模糊偏好比刻画和度量局中人对区间值支付的模糊偏好,提出了区间值双矩阵博弈满足不同序关系的均衡策略概念.针对局中人具有模糊偏好和不同的风险态度的博弈环境,建立了模糊优势支付矩阵和风险模糊优势支付矩阵,给出了该环境下均衡策略确定的方法,为现实博弈均衡的确定提供了有效的途径.最后通过算例予以说明.     

群组决策中求最优决策向量的迭代算法

AHP是群组决策中非常有效的工具,而判断矩阵是AHP方法的基础.在群组决策中一般要由多名专家给出多个判断矩阵.能否合理综合专家意见是影响决策质量