融合样本选择与特征选择的AdaBoost支持向量机集成算法

为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法(IFSelect-SVME)。该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统。对实验所用9组UCI数据集的仿真结果表明:与支持向量机集成(SVME)算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8%~80.0%,特征数可减少32.2%~81.5%,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度。     

基于当前统计模型的机动目标自适应强跟踪算法

在当前统计模型卡尔曼滤波算法的基础上,结合升半正态形模糊分布函数特性,提出了一种加速度方差两段函数自适应调整方法,该方法能自适应逼近目标真实机动并进行准确跟踪。给出了最大加速度自调整方法,克服了模型对目标最大加速度的依赖。引入强跟踪滤波算法,增强了模型对突发机动自适应跟踪的能力。理论分析和仿真结果表明,该算法提高了机动模型和系统模式的匹配程度,增强了系统对强机动目标的跟踪能力,并保持对弱机动和非机动目标良好的跟踪性能,且具有运算量小、跟踪精度高、易于工程化实现等优点。     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

局部投影降噪算法邻域半径参数的选择研究

基于动力系统模型的局部投影非线性降噪算法，对混沌信号和一大类非平稳信号具有明显的降噪效果。利用局部投影算法对信号进行降噪处理，邻域半径的选择对降噪结果有很大的影响。我们研究了基于递归分析的邻域半径参数的估计和基于噪声强度的邻域半径参数估计。通过对Logistic映射和Lorenz模型叠加不同大小的高斯白噪声，对两种邻域半径估计方法进行分析比较，得到了基于噪声强度的邻域半径参数估计方法具有更好的降噪效果，为局部投影降噪算法的应用奠定了基础。     

基于EKF的新混沌系统滤波方法

提出一个新的混沌系统,研究其基本动力学特性。在混沌控制及其应用中,混沌系统的状态估计和滤波是重要的,但现有的滤波算法不能适应混沌的初值敏感性、不能长期预测,提出了一种基于扩展卡尔曼滤波（extended Kalman filter, EKF）的混沌系统参数估计和滤波方法。通过对新混沌系统进行数值仿真,结果表明,这是一种有效的滤波方法。     

基于距离加权的概率数据关联机动目标跟踪算法

为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.     

基于奇异谱分解的水声信号降噪方法研究

通过对水声信号进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到表征信号能量和噪声强度的奇异谱。对奇异谱进行分析,得到反映噪声强度的噪声平台。对于那些大于噪声平台的特征值,它们具有较大的方差,对应较大的信噪比。利用具有较大方差特征值对应的特征矢量重构状态空间,也就等效于得到了具有较大信噪比改善的重构。通过对3类多个样本的实际水声信号采用奇异值分解进行降噪处理,得到了较为满意的降噪效果,降噪后的信号波形基本上消除了噪声干扰,为水声信号的进一步处理奠定了基础。     

基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

一种用Duffing振子检测舰船辐射噪声线谱的新方法

用Duffing振子混沌检测系统对舰船辐射噪声的特征线谱进行检测. 分析了Duffing振子混沌运动轨迹, 通过对状态方程的改进, 建立了Duffing振子混沌检测系统, 使系统能够检测任意的弱周期信号. 仿真实验证明了Duffing振子相轨迹变化对周期信号的敏感性, 对白噪声及与参考信号频差较大的周期干扰信号具有一定的免疫力. 引入 Lyapunov 指数作为混沌判据, 解决了系统动力学行为相变在定量上的判定依据问题, 并且能够较为准确地求出混沌临界状态的阈值. 由此提出了一种基于Duffing振子的舰船辐射噪声特征线谱的检测方法, 用此方法对3组实船数据进行分析, 得到了各船型的特征线谱值. 实验结果证明此方法具有高灵敏度、高分辨率的特点.