基于频域互相关序列与峰值检测的空频分组码盲识别算法

针对复杂电磁环境和非协作通信条件下空频分组码(space-frequency block codes, SFBC)信号识别困难、对先验信息要求高的问题, 提出一种基于频域互相关序列与峰值检测的SFBC盲识别方法。首先,通过分析SFBC信号的编码特点, 计算得到发送端的互相关函数。然后,考虑频率选择信道、多径传播和噪声的影响, 推导了接收信号的互相关函数, 并对其进行傅里叶变换得到频域互相关序列。最后,根据频域互相关序列检测其峰值位置识别发射端编码方式。推导和实验结果表明, 该算法在低信噪比下的识别性能较好, 并且对时间偏差和频率偏差等情况的适应性较强, 在复杂电磁环境下具有较好的识别性能, 能够应用在认知无线电和频谱检测等场合。该算法不需要知道信道和噪声的先验信息、正交频分复用(orthogonal frequency division multiplexing, OFDM)块大小以及接收端和发射端的同步信息, 非常适合于电子侦察等非协作通信场合。     

几乎最佳周期互补二元序列偶族

为了提供数量更多且具有良好相关性的序列,在几乎最佳自相关序列偶的基础上,提出了一种新的二元序列族——几乎最佳周期互补二元序列偶族(APCSPF)。研究了APCSPF的性质,用Fourier变换对APCSPF进行了谱分析,并从这方面得到了APCSPF存在的必要条件。最后给出了一种基于特殊阵列构造APCSPF的方法。     

基于优化序列提取的相控阵雷达识别方法

针对相控阵雷达工作模式识别的问题,提出一种基于优化序列提取的雷达识别方法.首先,对相控阵雷达搜索和跟踪的工作模式进行分析,建立工作模式序列模型.其次,通过剔除Needleman-Wunsch方法中的多余数据简化运算流程,提出一种优化的雷达信号公共序列提取算法.然后,通过理论证明了所提算法的高效性,并给出算法识别效果的评...     

基于谐波自相关的基音检测

在分析短时自相关法的基础上,探讨了使用谐波自相关方法进行基音频率提取。首先根据语音信号建立谐波自相关模型,通过最小二乘法提取基音谐波频率。然后根据基音谐波频率建立一个周期单位脉冲序列函数,用该函数加权短时自相关函数计算谐波数。最后利用提取的基音谐波和相应的谐波数目进行基音频率估计。实验表明在较低信噪比时,谐波自相关法基音检测错误率为5.0%,比自相关法降低了13.6%。     

基于中心距离特征的人体运动序列关键帧提取

运动捕获数据的关键帧是原始运动序列的简洁表示,对于运动压缩、运动检索和运动分割起着重要的作用。提出了一种基于中心距离特征的人体运动捕获数据关键帧提取方法,通过提取四肢到中心点ROOT的距离,得到一组中心距离特征,将特征分为上肢和下肢来分别表示,并提取上下肢的距离模,得到二维的特征向量模;然后采用主成分分析得到一维特征,并提取其局部极值点作为初始关键帧;最后通过对初始关键帧的重新筛选与插入得到最终关键帧序列。实验结果表明,该方法提取的关键帧序列在视觉上能够很好的概括原始运动序列的内容,且具有高压缩率。     

基于能量关联度的时间序列周期分析

通过对关联度方法的分析,提出了能量关联度概念,结合实例,说明了能量关联度在时间序列周期分析中的应用。     

基于非线性时间序列的胎儿心电信号提取算法

研究了基于非线性时间序列的状态空间投影算法提取胎儿心电信号.母亲、胎儿心电信号以及噪声在状态空间中的吸引子表现形式不同,通过选择不同的邻域半径,将混合信号在某一局部范围内投影,就可以分离出所要监测的胎儿心电信号.对模拟的和实际测量的孕妇腹部混合信号仿真,都得到了较好的效果.相对于其它胎儿心电信号提取算法,该方法只需要一路导联信号就可以分离出胎儿心电信号,方便了医生对胎儿的监测.该算法对其它微弱特征信号提取具有借鉴作用.     

基于神经网络和散射中心模型的目标参数提取

从雷达回波中获取目标几何参数信息往往存在高计算成本、非线性等困难。该文基于卷积神经网络和前馈神经网络, 提出了一种依据散射中心时频像特征的目标类型自动识别和目标几何参数自动提取方法。由于构建一个神经网络需要大量的训练数据样本, 而扩展目标的散射场计算又非常耗时, 利用基于已知目标已建立的散射中心模型, 快速生成大样本训练数据, 有效解决了训练样本难以获得的问题。以弹头类目标为例给出了数值实验结果, 证实了所提方法的有效性。     

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。     

基于稀疏重构的海杂波抑制和目标提取算法

在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性.针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏...     

一种基于紧支子波的雷达船目标特征抽取方法

本文着重研究正交离散子波变换在非相干雷达船目标特征抽取中的应用。采用现场实录的四类船目标雷达视频回波数据进行实验，结果表明本文提出的方法运算简便，所抽取的特征具有典型性，数据压缩能力强。基于子波域特征提出了一种新的显著态回波的检测方法。     

基于神经网络的舰船雷达目标特征抽取与分类方法研究

本文着重研究应用神经网络来进行舰船雷达目标特征抽取与分类问题,提出了一种基于Mellin变换和多层前馈神经网络的特征抽取方法和一种基于Kohonen网络组的特征分类方法。采用实地录取的三类舰船雷达目标视频回波数据对本文提出的有关方法进行检验,结果表明本文提出的雷达目标特征抽取与分类的神经网络方法是切实可行的,其抽取的特征具有良好的稳定性,其分类的精度很高,明显优于传统的K-邻近分类器。     

最优火力分配方案的一种空间表述方法

以向量空间观念来审视作战问题,通过对目标的突防概率的认识,创造性地定义了火力分配矢量及其范数,建立了相应的赋范空间.首次建立了最优火力分配问题在赋范空间中的描述模型,并在理论上证明了解的存在性,从而把防空作战中的火力分配问题转化为赋范空间中的最小范数问题,为研究战争中的火力分配问题奠定了理论基础.     

高速动态空间目标宽带回波仿真方法研究

获取空间高速动态目标的宽带回波数据是进行空间目标电磁特性研究,开展空间目标探测与识别的基础.针对静态测量和动态测量不同形式的雷达发射信号,分别建立了空间目标静态测量条件下扫频宽带回波信号模型和解线频调的高速宽带回波信号模型.在分析两种信号模型差异的基础上,提出了一种利用静态数据仿真生成高速动态目标宽带回波的方法,并详细分析了该方法的适用条件.最后对仿真方法进行了验证,证明了其可行性和正确性.     

奇异值特征抽取目标识别法

图像的代数特征是图像的一种固有的特征。每一幅图像都可以认为是一个矩阵,而矩阵的奇异值具有很多适合图像识别的特征。本文不仅研究了矩阵的奇异值的代数特征,而且找到一种将奇异值特征应用到目标识别中的方法,实验结果证明应用奇异值特征可以取得较好的识别效果。     

基于雷达与图像信息融合的目标跟踪仿真研究

提出了同平台上一种基于雷达与图像信息融合的目标跟踪系统结构和相应算法。该结构引入“反馈加引导”的思想,即在将系统融合状态反馈给局部传感器作为跟踪初始状态的基础上,利用距离信息引导图像传感器捕获目标,利用角度信息引导雷达跟踪目标,真正做到了两种不同传感器的优势互补。仿真结果证明该系统具有良好的跟踪性能。     

基于贝叶斯网络的目标融合识别方法研究

利用贝叶斯网络模型进行目标融合识别是近年来的一个研究热点。以电子战环境中的数据融合为背景，提出了一种以朴素贝叶斯分类器和扩展的朴素贝叶斯分类器为基本结构的目标融合识别模型，采用同质传感器数据优先融合原则对雷达侦察、通信侦察和红外成像侦察数据进行融合。仿真实验表明，该模型可以有效地提高识别系统的准确率、可靠性和稳健性。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。     

面向服务的航天发射场信息化基础框架

为提高航天发射场试验任务能力,需研究航天发射场各类信息化应用之间的互联、互通问题.分析了“信息孤岛”产生的原因;提出了面向服务的航天发射场信息化基础框架,详细阐述了该框架的总体结构、功能体系、技术体系和应用模式构成;设计了基于基础框架的数字发射场应用系统.信息化基础框架强调软件设计的重用性和系统的可扩充性,支持各种服务的动态装配和松耦合集成,可为发射场信息资源集成与共享、服务构件设计、快速便捷搭建信息系统提供组合式、“即插即用”式的架构支持.     

基于方向性粗糙度特征的SAR目标检测算法

针对扩展分形(EF)特征检测SAR目标虚警率高的不足,提出了基于方向性粗糙度特征(Directional Roughness Feature,DRF)对SAR图像目标检测的算法。该算法用指数小波在一个尺度和任意一个方向θ(0 0<θ<900)上对SAR图像滤波,对滤波后图像应用能量关系函数求各像素点的DRF进行目标检测。针对X波段和Ka波段的SAR图像,确定了用该算法检测目标的最优参数。分别用该算法和EF特征方法对不同波段SAR图像进行目标检测,结果表明该算法具有检测虚警率低和目标空间可分辨性高的优点。