New computing method of weighted coefficients for tracking a maneuvering target using PDAF in the presence of clutter

To avoid or reduce the influence of unpredictable motion mode on data association, a new computing method of weighted coefficients of measurements for PDAF is presented in which it is assumed that the current turn rate of a maneuvering target changes within a limited range and its turn may be in arbitrary direction during data association. Thus, the predicted center for computing the weighted coefficients is a curved surface in 3-D space, which differs from the predicted center for setting up a validation gate, namely, a point in 3-D space. The distance between a measurement and the curved surface is used to compute its weighted coefficient. To reduce the computational complexity of weighted coefficients, the formulas for computing the maneuvering direction angle and turn rate corresponding to a measurement are presented. Simulation results show the proposed method reduces the percentage of lost tracks and improves the state estimation accuracy in tracking a maneuvering target using PDAF in the presence of clutter.     

Study on the extending multi-attribute decision model of grey target

Based on the distance of interval numbers and the two-stage decision methods, this paper expands the decision model of grey target into some situation under which the decision information and target weights are the interval numbers at the same time. It also gives the optimization method of weights in the grey target. We get the optimum coordinated vector utilizing the combination assigning method, based on the local optimization of various schemes. So it can shift the weights of interval number into real number form and sequence it according to the weighted off-target distance. Finally the effectiveness and practicality of the model is proved by a real project.     

活体细胞图像斑点的自动提取和跟踪方法

采用基于小波分解多尺度系数乘积的方法检测图像中的斑点,同时提出了基于贪婪思想的可以自动处理目标分裂和合并的模型,综合目标信息对轨迹进行跟踪.对Adaptor和Clathrin图像分割取得了比较理想的结果,Adaptor图像中的目标识别率98.61%,Clathrin图像中目标识别率达到97.65%.新的跟踪算法在处理轨迹合并和分裂方面有明显优势,对斑点跟踪效率达到为98.05%.结果表明,新的算法能有效地识别和跟踪图像中的斑点.从生物学角度,更有效的识别有助于更好地理解质膜的通道运输机制以及因为其不正常工作引起的疾病.     

基于多普勒频移的双基地声纳目标速度测量

针对单基地声纳仅可获得目标的径向速度以及双基地声纳有大量冗余信息的问题,提出利用单/双基地复合工作的声纳系统求解目标二维速度矢量（速度大小、航向）的方法。为了获得目标的二维速度矢量,在双基地声纳系统中,分析了双基地声纳多普勒频移的特性,并与单基地作了比较;结合单、双基地所获得的多普勒频移特性信息,给出了目标二维速度矢量的两种计算方法;并对目标速度测量误差进行了分析。结果表明,采用单/双基地复合工作的声纳系统,可以完成目标二维速度矢量的测量,而测量误差则与系统的频移分辨力及目标与收、发基地间的相对位置有关。     

用于系统模型层验证的模型转换的研究

传统以代码为中心的数控系统开发方式导致了系统测试滞后,系统性能难以保证。针对这种情形,提出利用模型转换将领域模型转换到第三方验证工具(Matlab 或UPPAAL)进行系统性能早期测试,从模型层保证系统性能。讨论了采用基于元模型层规则定义、语义动态添加和基于设计模式的操作等策略,以此满足实际模型转换的具体要求,给出了其框架。并指出根据实际需求采用不同的实现步骤和技术手段完成模型转换。从数控系统工作模式模型到StateFlow模型的转换实例从建模语言构建、映射规则定义、算法设计等几方面验证了上述模型转换理论框架和实现手段的可行性和正确性。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

基于脉间码型捷变的相位编码旁瓣抑制方法

针对低重频动目标检测雷达,提出了一种基于脉间码型捷变的相位编码旁瓣抑制方法. 该方法将信号设计与信号处理相结合,在相参积累帧内的各个脉冲重复周期发射捷变的编码序列,利用不同编码序列脉压后主瓣位置相同而旁瓣位置不同的性质,经过相参积累达到抑制旁瓣的目的. 计算机仿真与测试结果表明,该方法可以有效地抑制相位编码的距离旁瓣,而且在存在回波遮挡的情况下仍然具有较好的旁瓣抑制性能.     

结合灰度熵变换的PCNN小目标图像检测新方法

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法. 该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理. 实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测.     

超短脉冲在纳米金属缝中的传输特性

根据Drude模型和时域有限差分法（FDTD）编制程序包,通过模拟计算研究超短脉冲经纳米金属缝衍射的时域信号的分布特性．讨论了透射脉冲的时域分布与超短脉冲有效驰豫时间的演化关系,借助于其谱域分布对时域波形进行了解释．     

基于H.264的内容自适应空域误码掩盖算法

针对视频传输中的丢包,空域误码掩盖技术使用丢失像素的相邻信息在解码端对它进行恢复。为了提高算法恢复的准确性,该文提出了一种内容自适应的H.264空域误码掩盖算法。该算法根据受损块的边缘像素和编码模式信息,将其内容分为平滑块和边缘块:对于平滑块采用双线形插值的方法;对于边缘块,则结合其边缘像素与编码模式信息选择较好的插值方向。仿真结果表明,对于多种视频序列和不同宏块丢失率,其性能均稳定地优于H.264标准的算法,在25%宏块丢失率下,恢复视频峰值信噪比相对H.264标准算法提高0.5～3dB。