利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究,该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真,结果表明该方法除对噪声具有很好的拟制效果外,还有效地保留了目标回波波形特征,从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

用反卷积法获得雷达目标回波波形特征

本文探讨了高、低分辨力两类雷达视频回波与目标散射特性的关系,提出了适用于低分辨力雷达目标识别的回波卷积模型;利用微波暗室测量与数字仿真得到低分辨力雷达视频回波波形,并采用投影迭代反卷积算法,获得目标散射中心特征波形,这些波形在提取目标特征及识别方面优于原始视频回波,从而验证本文模型及算法的可行性。     

子波神经网络及其在自动目标识别中的应用

本文分析了于波神经网络（ＷＮＮ）的生理依据，构造了便于启发式特征抽取的子波。研究了该子波及其相应的ＷＮＮ在非相干雷达船目标特征抽取中的应用。对现场实录的四类船目标回波数据进行实验，结果表明新构造的低维特征具有较高的目标分类应用价值，抗噪性能良好．     

超宽带雷达目标回波建模

根据复杂目标在超宽带信号照射下的电磁散射特性 ,建立起超宽带雷达目标合理的冲击响应模型 ,并分别针对线性调频、冲击、二相编码无载波等三种典型超宽带雷达信号 ,确定了给定目标的回波特征 ,对回波相关处理的结果表明 ,其输出能反映出目标特征 ,有利于雷达目标的识别。     

子波变换在红外目标图像边缘提取中的应用

对红外目标图像进行了图像增强和边缘提取。首先采用直方图均衡、非线性灰度变换、滤波的方法对红外目标图像进行增强、抑制噪声 ,然后基于子波变换的原理 ,采用双阈值自动门限化方法 ,对增强后图像进行边缘提取。分别采用了经典的边缘检测方法、正交子波和非正交二次样条子波对红外图像进行了边缘提取试验 ,结果表明 ,采用非正交二次样条子波提取到的红外图像边缘比采用正交子波及经典的图像边缘检测方法的效果好。提出的方法不仅有较强的噪声抑制能力 ,而且检测到的边缘清晰准确。     

特征结构提取的高阶Hopfield神经网络实现

本文首先建立了特征结构提取问题的罚函数表示，通过对罚函数求极小可以求得原始协方差矩阵的主特征向量及其对应的特征值。为了求得其他特征结构，特构造了一个协方差矩阵序列。如果将罚函数展开并进行整理，高阶Ｈｏｐｆｉｅｌｄ神经网络可被引入到特征结构提取中。这种方法比较直观，它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应，而网络稳定时的能量则对应于协方差矩阵的迹与所求特征值之差，计算机仿真结果验证了这种方法的正确性。     

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。     

子波变换新方法

本文在理论分析子波变换物理概念的基础上,提出了一种工程上应用的新颖快速子波变换算法,即“频谱切割法”。该方法能够在电路上实现实时的快速子波变换。     

运用目标回波来识别目标的探讨

本文根据雷达目标脉冲响应的极点不随视角而变的特点,选用目标的固有极点作为目标识别的特征。对于目标回波的极点提取,介绍了时域的Prony法,推导了抵消脉冲法,评价了它们的优缺点。总结以上两种方法,提出了选用上两法的P次多项式的系数为特征的特征参数法,井把性能优良的Burg算法运用于特征参数法中。最后,对这三种方法进行了计算机模拟识别的比较。     

基于子波变换和神经网络的舰船目标识别

特征提取方法和分类器的选择是舰船目标识别的关键。介绍了一种目标分类和识别的方法。首先利用子波变换和多分辨分解算法对实际采集到的各类舰船目标辐射噪声进行特征提取 ,获得目标的线谱和调制谱特征 ,然后利用模糊自组织聚类网络 (FKCN)分类器对各类目标进行分类识别。最后利用实测数据进行仿真分析 ,并与其它特征提取和分类识别方法比较 ,验证了所用方法的可行性 ,且获得了较好的效果。     

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。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

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。     

基于连续小波变换的水下目标特征提取与分类

在连续小波变换的基础上,提出了信号的尺度-小波能量谱和时间-小波能量谱的概念 ,同时定义了选择特征的一种判别函数。利用信号的尺度-小波能量谱、时间-小波能量谱提取了菜蒙湖底沉积物反射回波的特征,依据判别函数给出了回波的特征向量,并用最近距离分类器和近邻分类器对反射回波进行了分类。结果表明,尺度-小波能量谱和时间-小波能量谱相比有较好的分类效果和较低的特征维数。最后研究了所提取特征的鲁棒性。     

一种新的图像特征抽取方法

本文描述了一种新的图像特征提取方法.它基于小波变换的多尺度方法,这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征.文中给出了图像特征提取的实例.