地质雷达信号去除水平噪声算法

为了去除地质雷达探测过程中出现的道间水平干扰信号,在研究了数字滤波技术的基础上,将预测算法和IIR滤波器相结合,提出了一种水平预测滤波算法,通过设定预测步长,利用预测反褶积获得预测值与实际测量值之间的相关系数,并根据相关系数设计高通IIR滤波器,从而实现了一种高精度可调的去除水平于扰信号的方法。应用于实际探测的雷达数据中,结果表明该方法能有效去除干扰,提取出有效的信息。     

采用分段思想的中段弹道预测算法

针对传统弹道预测方法存在的不足,提出了基于分段思想的弹道轨迹预测改进方法。介绍了中段弹道预测的一般方法,并对其误差产生的原因进行了分析;提出分段的思想,即将前一段新获得的预测终点作为下一段预测的起始点,来减少预测误差的积累,进而给出弹道轨迹预测的改进方法。对相关算法和流程进行了仿真验证及结果分析,结果表明:改进后的预测方法比传统方法误差减小了19%,验证了所提算法的有效性。     

基于梯度预测网络的气象雷达图像外推算法

针对基于循环神经网络的雷达图像外推算法难以表示雷达回波复杂变化的问题,提出GhuLSTM时空预测递归网络模型,用于高精度雷达图像外推.该模型利用时空记忆单元变体提取和传递雷达图像空间和时序上的高层特征信息,并利用相邻递归状态之间的差分信号处理雷达回波体演变的高阶非平稳性.同时在网络中加入梯度公路结构,以缓解雷达图像序列...     

助推-滑翔无动力跳跃飞行器轨迹预测

针对助推-滑翔无动力跳跃飞行器再入拉起后升阻比大小较为稳定的特点,设计了基于稳定升阻比的轨迹预测算法。首先对目标的弹道特性进行了分析,鉴于其再入后特有的跳跃拉升现象,将再入拉起时刻确定为轨迹预测算法的起始时刻;其次,根据防御方已知信息和未知信息对飞行器跳跃段运动方程进行了转化,给出了转化后运动方程中未知参量的计算方法,并设计了基于转化后运动方程的轨迹预测流程及算法;最后对算法进行了仿真验证,仿真结果表明所设计预测算法对助推-滑翔无动力跳跃飞行器再入拉起后的轨迹具有较好的预测能力。     

基于球面单径容积准则的多雷达分布式再入目标实时跟踪算法

针对多雷达对再入目标的实时跟踪问题,提出一种基于球面单径容积准则的分布式容积卡尔曼滤波算法。首先,利用球面单径容积准则近似计算非线性高斯权重积分,然后由统计线性误差传播方法等价表示滤波过程中的互协方差矩阵;最后通过一致性算法将单雷达容积卡尔曼滤波器所得时间更新结果与邻居雷达间进行信息交互与一致化处理,得到分布式球面单径容积卡尔曼滤波算法。该算法提高了再入弹道目标跟踪精度;无信息融合中心的通信拓扑结构降低了雷达间的通信量与计算量,提高了整个系统的生存能力。数值仿真结果验证了算法的有效性。     

一种新的多普勒天气雷达回波数据无损压缩

为了解决多普勒天气雷达回波数据传输的实时性以及数据存储的有效性问题,提出了一种基于阶梯量化的多普勒天气雷达回波数据无损压缩新算法。针对天气雷达回波数据的特点,首先对天气雷达回波数据进行预处理,即将雷达回波数据进行格式转换;其次提出了一种阶梯量化方法,并采用MED预测进一步去除数据中的相关性;最后对量化和预测后的回波数据采用LZW编码以实现无损压缩。实验结果表明,新方法较其他方法大幅提高了回波数据的无损压缩倍数,可实现对多普勒天气雷达回波数据的有效压缩。     

战术弹道导弹弹道和落点预报探讨

给出了利用地基预警雷达的测量数据预报战术弹道导弹(TBM)弹道和落点的方法，对应用雷达测量数据预报战术弹道导弹弹道和落点的数据处理工作作了初步偿试，对反战术弹道导弹(ATBM)作战理论研究具有一定的参考价值。     

采用相邻像素预测的可逆信息隐藏算法

为了提高图像信息隐藏算法的信息嵌入容量和载密图像的保真度,提出一种采用相邻像素预测的可逆信息隐藏算法.构建局部线性预测模型,以待预测像素的3个相邻像素为目标像素,通过目标像素的相邻像素建立线性方程组,求解预测模型参数.应用预测模型进行预测,计算预测误差,绘制预测误差直方图,通过直方图平移实现可逆信息隐藏.实验结果表明:文中算法可通过较少的预测像素进行预测,比其他算法具有更高的预测精度和更大的信息嵌入容量.     

基于邻块预测的H.264快速帧内预测模式选择算法

针对Pan提出的快速帧内预测模式选择算法存在侯选模式不够精简,以及仅利用了块内部纹理信息进行侯选模式的预测等不足,提出了一种改进的基于邻块预测的H.264快速帧内预测模式选择算法。改进算法不仅采用块内部纹理信息预测,而且利用帧内相邻已编码块进行空域预测,以得到更加精简的侯选模式,从而减少参与选择的模式数量,提高了编码速度。实验结果表明,与Pan算法和JM全搜索算法相比,该算法在保持较好的编码图像质量的同时,可有效地提高编码速度。     

基于HALRTC理论的短时交通流预测算法

针对目前短时交通流预测算法多考虑交通流的低维信息特征,导致无法满足预测精准度要求等问题,引入高精度低秩张量填充理论（HALRTC）,构建基于周、天、时段等多时间维度的动态张量模型,设计了一种融合高维交通流特征的短时交通流预测算法,并以京港澳高速公路杜家坎路段交通流速度数据为例进行实证验证。研究结果显示,算法能够基于较少历史数据较快达到良好预测效果,可有效实现针对工作日与非工作日的交通流预测,平均绝对误差（MAE）平均值约为3.6%,并能及时跟踪交通流波动性。在缺失数据情况下,所提出算法预测精度随数据缺失比例增大而降低,但相较于3种经典预测算法可表现出更好的预测精度。