RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

利用Gamma CFAR进行SAR图像目标检测

利用二项式Gamma核进行SAR图像目标检测,并提出自适应选取扫描窗大小的方法,给出了一种基于改进的二项式Gamma核SAR图像检测方法提高二项式Gamma核检测器的性能。用于高分辨率单视单极化的极不均匀的SAR图像,能够在较小虚警率下将人造目标全部检测出来,而且能很好地保持人造目标的结构信息。实验证明所提方法的有效性。     

算法级数据融合测试床的关键设计与实现

针对一级多传感器数据融合,开发了一个算法级测试床STE-One,支持对包括带反馈在内的各种数据融合结构进行测试和评估。简单介绍了STE-One测试床的体系结构,详细描述了它实现算法级测试和置换能力的一些关键方法,包括分层设计模型、算法排序与数据池技术等。     

天基双基地雷达杂波仿真技术研究

在天基双基地雷达系统配置下,研究了杂波建模的方法。根据双基地雷达分辨率通常低于单基地系统的特点,提出一种基于单基地散射单元划分的双基地杂波仿真方法,以解决天基情况下地球曲率带来的散射单元划分困难的问题。给出了天基双基地杂波仿真流程,具体介绍了散射单元划分、坐标转换以及相关杂波合成等关键步骤。仿真结果验证了该方法的有效性。     

用于目标跟踪的多传感器优化分配方法

在多传感器对多目标的监视环境下 ,传感器对目标的优化分配是传感器管理的重要研究内容。本文采用目标跟踪过程中信息增益最大的优化准则 ,探讨了多传感器对多目标的优化分配问题 ,并对优化分配算法进行了实验仿真验证     

迭代误差分析方法在高光谱异常检测中的应用

提出了一种基于迭代误差分析法(IEA)的异常检测算法。IEA算法能够提取图像中有代表性的光谱信息,可为异常检算子的构造提供端元信息。对基本的IEA算法进行了改进,使它能够区分背景端元和异常端元。算法适合在没有先验光谱信息条件下检测高光谱图像中的小目标。     

基于空间分布特征的阵群目标数据关联算法

在低数据率条件下,对监视区域内的每个目标进行有效分析是非常困难的。针对该问题,将阵群目标作为研究对象,并给出了一种基于空间分布特征的阵群目标数据关联算法。首先,在近邻点集聚合的基础上,从传感器给出的单目标观测集合中提取出阵群目标观测(简称阵群观测);其次,按照自顶向下的方式逐次计算各个阵群观测不同子集空间分布的距离度量,并以此为基础计算阵群观测之间的关联度量;最后,通过在关联代价矩阵上应用二维分配算法得到不同时刻各个阵群观测之间的对应关系。仿真结果证实了该算法的有效性。     

时延-多普勒频移对伪码捕获影响的性能分析

在扩频信号处理中,伪码的捕获一般通过相关来实现。以m序列为研究对象,首先针对一种典型的相关过程分析了其时延、多普勒频移对相关的联合影响,结论表明两者耦合影响非常小,几乎可忽略不计。在此基础上提出另一种利用FFT进行能量积累的伪码捕获方法,该方法相对一般相关可对多普勒进行补偿,并可得到时延-多普勒频移的联合二维估计。     

Performance evaluation of sensor allocation algorithm based on covariance control

1 .INTRODUCTIONSensing platforms for target tracking have becomein-creasingly complex as more and more types of sensorshave been added to them. Sensor management tech-niques can provide automatic or semi-automatic con-trol of a suite of sensors to i mprove the performanceof sensing and give an effective usage of sensor re-sources. Traditionally, sensor allocation approachesselect sensor sets which mini mize a cost function ormaxi mize an efficiency function consisting of sensor-target pair…     

C3I系统中的目标综合识别技术

C3I系统中的目标综合识别技术是将关于目标身份的多源信息进行综合，产生比系统中任一单源更有效、更精确的身份估计和判决。在归纳综合国内外研究的基础上，结合C3I系统多源目标身份信息的特点，提出了目标综合识别的基本框架，并对一些关键技术做了初步阐述，最后展望了该领域的技术发展趋势。