基于时间-距离-多普勒像的编队目标架次检测

针对实际编队目标在距离上的分布特性和目标多普勒频率的变化规律,利用联合时频变换代替传统傅立叶变换,建立目标时间-距离-多普勒立体像,提出一种基于立体像的目标架次检测方法。该方法不仅能给出清晰的瞬时距离-多普勒像,而且能反映目标距离-多普勒像的时间演变特性,较好地解决了目标在距离上的分布和多普勒像的模糊。实测回波数据验证了该方法的有效性,成功地实现了4架编队飞机目标的架次检测。     

α稳定分布噪声下基于最优L-柯西加权的LFM信号参数估计

针对传统维格纳霍夫变换(Wigner-Ville Hough transform, WHT) 时频分析方法在稳定分布噪声环境下性能退化的问题,基于L-估计理论,提出了可有效抑制该噪声的最优L 柯西加权(L-Cauchy weighted, LCW)新方法。3En准则是一种常用的异常值剔除方法,其可从数理统计的角度对异常值进行有效抑制,对此,结合柯西分布提出了基于分散系数的异常值剔除准则,并依据数值仿真选取降噪效果最优的分散系数γ。在LCW方法有效抑制α稳定分布噪声的基础上,采用WHT对线性调频(linear frequency modulation, LFM)信号进行参数估计。仿真结果表明,最优γ值的选取与该文提出的异常值剔除准则一致,且与基于分数低阶、加权Myriad滤波以及L-估计等多种方法相比,提出的基于LCW的WHT(LCW-WHT,LW)方法在强脉冲噪声下具有良好的鲁棒性和优良的LFM信号参数估计性能。     

多隐层输出矩阵极限学习机

得益于隐层节点学习参数的随机选择,极限学习机（extreme learning machine, ELM）在学习速度极快的基础上,可以达到较为良好的分类性能。但是,当隐层节点参数完全随机选择时,ELM的性能并不总能达到最优。本文提出多隐层输出矩阵极限学习机（multiple hidden layer output matrices extreme learning machine, M-ELM）方法解决这一问题,该方法通过对不同输出矩阵加权运算以优化隐层节点结构,其中权系数与输出权值在学习过程中同时分析确定。另外,利用该方法可以实现特征级融合ELM。实验证明,对于真实分类问题,M-ELM可以提供比ELM更为准确的分类结果。     

基于FPGA的Turbo码译码算法实现

在分析Turbo码编译码中MAP类译码算法的基础上,重点研究了Max-Log-MAP译码算法的工程实现方法.为解决Turbo码译码嚣FPGA实现时的复杂性高、存储量大的问题,提出了一种基于FPGA的优化译码器结构和译码算法实现方案,有效减少了存储容量,提高了处理速度,并在Altera的EP2S90芯片上实现了10MHz速率的Turbo码译码器,通过时序仿真验证了译码结构的有效性.     

标签箱粒子概率假设密度群目标跟踪算法

针对现有的箱粒子概率假设密度(probability hypothesis density, PHD)群目标跟踪算法计算量大、在群数目较多时状态提取不稳定以及无法获得群的航迹等问题,提出标签箱粒子PHD群目标跟踪算法。该算法首先对量测进行预处理,剔除其中的杂波量测,以降低量测更新的计算量。然后,通过为箱粒子添加标签,区分不同的群目标,获得不同群的航迹。最后,依据不同标签提取群目标的状态,有效避免k-means聚类不稳定带来的影响。仿真实验表明,所提算法具有运算量小,在漏检环境下仍能很好地维持不同群的航迹,并在群数目较多时可准确提取群目标状态等优点。     

一种基于三维小波的视频水印空时算法

针对数字视频的版权保护,以及基于数字视频的信息隐藏,提出了一种基于三维小波的视频水印空时算法。它利用了视频场景镜头分割技术和三维小波变换的空时多分辨水印嵌入策略,以及根据最大似然准则的水印检测算法。针对视频的版权保护,作为版权标志的水印图像先用两个序列扩频预处理成一个图像序列,扩频后的水印图像序列自适应地嵌入到视频镜头的三维小波系数上。该基于三维小波域的水印策略充分利用了视频序列良好的空时多分辨特点,水印算法可靠。针对视频水印的几种特殊攻击,仿真实验证明了该算法具有很强的鲁棒性。     

一种先切分后检测的分层镜头边界检测方法

针对现有渐变镜头边界检测算法的不足,提出了一种先切分后检测的分层镜头边界检测方法。该方法综合了小波分析、模糊聚类和统计量等多种技术,可以同时检测突变过渡和渐变过渡,并能准确地定位渐变过渡的边界。同时,提出了对加权系数进行非盲调节和盲调节的方法,为系数调节指明了一条新思路。该方法减少了经验阈值的数目,避免了人为因素,同时克服了其它方法仅适用于某一类和某几类视频序列的限制,因而具有很强的鲁棒性。用实际视频数据所得到的实验结果证明了该方法的有效性。     

一种针对大规模数据集的快速分组算法

基于空间点集的连通性构造的等价关系,提出一种针对大规模数据集的快速分组算法。该算法的本质仍是基于等价关系的集合划分算法,但在关系矩阵传递闭包的构造算法中,提出一种快速的实现方法。与传统等价关系的构造方法相比,新算法需要较少的存储空间,而且算法复杂度由O(n3)降为O(km2)(k n,m≈n)。在医学断层图像表面重建的应用中证实,新算法具有重要的应用价值。     

α稳定分布噪声下一种稳健加权滤波的统一框架

针对传统滤波方法在α稳定分布噪声环境下性能退化的问题,从加权Myriad滤波以及加权Merid滤波方法出发,以M估计理论为基础,推导得到稳健加权(robust weighted,RW)滤波方法的统一算法结构,并据此提出了基于RW滤波的新算法,即基于稳健加权滤波的统一框架,从而将加权Myriad、加权Merid以及基于广义柯西分布的加权滤波器统一起来。此外,针对线性调频(linear frequency modulation, LFM)信号采用基于RW的LVD(RW LVD)方法估计其参数,并根据估计性能对RW方法的抑噪效果进行分析。仿真结果表明,与基于加权Myriad滤波、加权Merid滤波以及基于广义柯西分布的加权滤波等多种方法相比,在强脉冲噪声下RW滤波方法能有效抑制脉冲噪声,并具有良好的稳健性。     

多被动传感器UKF与EKF算法的应用与比较

针对多被动传感器条件下的目标跟踪问题,给出了推广卡尔曼滤波在多被动传感器条件下的具体算法;考虑到多被动传感器目标跟踪需要解决观测非线性的问题,故而将用于非线性系统的基于UT变换的UKF算法应用于所讨论的跟踪问题中,采用检测融合方案,将多个被动传感器的角度观测组合成量测向量,推导了多被动传感器的UKF滤波算法,实现了对目标在三维空间中的全被动跟踪.将两种算法进行了仿真比较,结果表明,采用多被动传感器的UKF算法可以获得比传统的推广卡尔曼滤波算法更为精确的跟踪效果.