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．     

相控阵雷达的在线注入式中频目标信号模拟方法

提出了一种新的在线注入式相控阵雷达中频目标信号模拟方法,以线性调频信号为例,结合相控阵雷达目标回波的多通道接收特点,建立了和差信号的模型;然后研究了模拟产生的目标回波信号与雷达接收的原始回波信号的合成过程,给出了相应的合成方法,并且详细讨论了合成过程中的各种状态,对其中一些合成过程进行了仿真验证。研究为今后在线注入式相控阵雷达中频目标模拟器的研制提供了理论指导和设计借鉴。     

一种通用雷达数据采集卡设计方法

针对传统雷达数据采集卡适用雷达类型单一、不能采集雷达监视区域全景数据的弱点,采用可更换接口子卡与可重复编程控制逻辑技术,设计了能够满足多种型号非相参警戒雷达使用的通用雷达数据采集卡,该采集卡能够提供PPI全景图像、A/R视频回波和精采回波等三路数据,能够和多种型号非相参监视雷达连接。使用该方法设计的采集卡已经在多种实用化的雷达目标识别系统中使用,效果良好     

雷达目标特性的毫米波紧缩场测量方法

紧缩场暗室测量系统是获取雷达目标特征信号的重要技术手段,是复杂的系统工程,设计、施工、测试和应用难度大。本文主要分析了测量频段、静区质量、背景噪声电平、灵敏度和动态范围等指标与反射面类型选择、总体尺寸设计、制造安装精度的约束关系,以及与电磁波收发与测量设备的测量频率与带宽、灵敏度与动态范围、设备选型与集成的约束关系,建立了定性/定量分析模型,为该类系统的设计、选型与应用提供技术指导     

基于集群的集中调度式RSOM并行训练方法

聚类算法常需处理海量和高维的大数据集,为了提高算法的效率,设计并行的聚类算法,以提供更好的计算能力是十分必要的。集群系统是目前流行的高效并行计算环境,针对大数据集聚类问题,集群系统的运用是一种很好的选择。由于RSOM(recursive self-organizing mapping,RSOM)模型具有内在的层次化及分布式结构特点,本文研究了基于集群的集中调度式RSOM树并行算法,并通过视频图像特征集实例证实了算法的可行性。