基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

Novel clutter map CFAR algorithm with amplitude limiter

The traditional clutter map constant false alarm rate (CM-CFAR) detector is affected by interference and self-masking[1] which will cause the low probability of detection. To solve these problems, a novel algorithm named clutter map CFAR with amplitude limiter (ALCM-CFAR) is proposed, in which the amplitude of the input signal is limited by a filter. The simulation results prove the effectiveness of ALCM-CFAR algorithm.     

基于分数阶Fourier变换的多分量LFM信号的检测和参数估计

提出了一种基于分数阶Fourier变换的多分量LFM信号的检测与参数估计的方法. 针对分数阶Fourier域上的优化搜索问题, 提出了基于拟Newton法的两级搜索算法, 在不影响估计精度的前提下, 降低了计算的复杂度. 对于多分量信号的检测, 提出了分数阶Fourier域上的信号分离技术, 有效地抑制了检测过程中强信号分量对弱信号分量的影响. 并给出了估计误差的统计分析, 使得这一方法在理论上更加趋于完善, 仿真结果也证明了其有效性.     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

多源信息处理技术——数据融合

在介绍数据融合技术的基础上，分析了不同融合层次的性质和作用，提出了数据融合大脑功能模型，进而给出一种广义的多传感器数据融合通用结构，该结构具有神经网络的特性，但不涉及权值和学习算法问题；总结、分析了不同融合层次的原理、结构和算法，强调了神经网络在数据融合技术中的应用；分析了数据融合技术中存在的问题，并探讨了其宏观和微观的发展方向。     

基于人工系统的系统理论提纲

本文提出了工程系统理论这一新思想并对该理论进行了纲领性描述。试图以人工系统为研究对象,实现系统科学与人工系统的有机结合,以建立在人工系统基础之上的系统理论来指导工程实践。文中把抽象的人作为人工系统的重要元素,研究了人工系统的特性及与环境相互作用的动态演化规律。在此基础之上,对人工系统分析、设计提出了一些建设性意见。     

一种新的无源雷达动目标检测方法

以数字电视信号为机会照射源的雷达系统研究为背景 ,提出用以多抽样率信号处理为基础的多级抽取信号处理算法解决运动目标检测中海量数据处理问题。叙述了数字电视广播信号回波的数学模型、多级抽取基本原理和目标检测算法。以数字电视信号为反射回波作了仿真 ,对运动目标进行检测 ,并对仿真结果作了分析     

基于Radon-Ambiguity变换和分数阶傅里叶变换的chirp信号检测及多参数估计

研究噪声环境中chirp信号的检测以及多参数估计问题．分析和比较了Radon-Wigner变换(RWT)法、Radon-Ambiguity变换(RAT)法和分数阶傅里叶变换(FRFT)扫描法的优缺点．提出了一种基于RAT和FRFT的新算法，并提出了幅度估计的一种适合于计算的表达式．最后通过计算机仿真验证了该方法的有效性．这种方法与RWT法和FRFT扫描法相比，将chirp信号的检测问题变为一维搜索问题，简化了计算，与单纯的RAT法相比，有效地解决了chitp信号的初始频率和幅度的估计问题．因此，适合于对chirp信号多参数联合估计．     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪的算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点。提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度。     

多传感器ATR系统中传感器的选配

多传感器数据融合引入 ATR系统首先面临的是传感器的选配问题。从系统中可选传感器的分析出发 ,阐述了传感器选配中应考虑的几个基本因素 ,部分解决了目前传感器选配中的盲目性和随意性问题 ,指出 ,多传感器 ATR系统中传感器选配方法的发展趋势是引入系统工程理论和优化设计方法。