随机二相码脉冲压缩雷达信号分析

本文首次给出了随机二相码脉冲压缩雷达信号的数学模型及其平均模数函数,进而对该平均模糊函数进行了分析,最后通过计算仿真结果表明,该雷达信号具有近似“图钉”型的平均模糊函数,具有良好的无模糊测速、测距性能和抗干扰能力。     

核主元分析特征提取法的研究

核主元分析是统计主元分析的非线性形式,是统计主元分析的自然推广.本文在统计主元分析的基础上探讨了核主元分析的概念,研究了核主元分析映射数据的标准化实现,揭示了核主元分析与统计主元分析的内在联系,得出了核主元分析用于特征提取的方法.核主元分析用于特征提取,是借助于核函数,将输入空间的训练样本数据经过非线性映射转换到特征空间,然后向所选择的多个主特征矢量方向进行投影,最后可以获得多个不相关的主元,为特征提取以及模式识别的应用提供了一条有效途径.     

一种改进的基于主成分分析的人脸识别技术

人脸识别的研究内容主要包括人脸特征提取和识别两部分。文章基于传统的PCA(主成分分析)人脸识别原理及优缺点,采用KPCA(核主成分分析)实现人脸识别的改进。该算法通过非线性映射,把原始图像数据变换到特征空间,再利用PCA实现人脸识别。在MATLAB环境下,进行基于ORL(Olivetti研究实验室)人脸库的实验仿真,KPCA能较好地提取非线性成分,其识别性能优于传统的PCA方法。     

二次监视雷达信号的处理和分析

二次监视雷达是国内民用航空主要的监视手段,在空中交通疏导、飞行器管理、提升空中交通效率和安全方面发挥着重要的作用,通过对雷达信号分析和处理,获取飞行器和航线的位置关键数据,本文阐述了现今民航领域管制雷达的信号处理技术,随后又对雷达的接收机灵敏度的测量方法做了详细分析,使其保持数据高精度、可完成大量运算、能处理复杂算法等特征。     

基于核主成分分析的EMD去噪算法

本文以超声回波信号去噪为目的,研究了基于经验模态分解（EMD）分解的去噪方法。分解过程中固有模态函数（IMF）信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析（KPCA）的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。     

基于核方法和主成分分析(PCA)的探地雷达目标特征提取新方法

常用探地雷达目标特征提取方法LDA(又称为FDA)直接在低维的探地雷达数据空间提取探地雷达目标特征, 提取的探地雷达目标特征的区分度小;常用的正则化技术存在正则化参数选取困难的问题。本文提出先通过基于核方法的 非线性变换把低维的探地雷达样本数据投影到高维空间,然后在高维空间中用PCA对奇异的核矩阵降维重建,最后对重 建后的非奇异核矩阵用LDA提取探地雷达目标特征。对实测数据的对比处理分析表明,本文所提探地雷达目标特征提取 方法优于其它方法。     

雷达脉冲压缩信号仿真分析

线性调频信号和相位编码信号是两种典型的脉冲压缩信号,它具有大的时宽带宽积,满足距离分辨力和速度分辨力两项指标,文章采用Matlab详细解释了两种脉冲压缩信号的产生方式,在给出仿真结果的同时,对结果进行了分析,取得了较好的效果。     

基于核主分量分析的高分辨雷达目标特征提取与识别

研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分辨雷达目标特征提取与识别方法。在核函数的选取上构造了一个组合核函数,最后用4类目标数据进行了实验,并与采用高斯核函数方法进行了比较,实验结果表明,该方法能够提高目标识别性能。     

一种混合噪声调制的脉冲多普勒雷达信号分析

本文研究了随机脉冲位置调制与脉冲之间随机相位调制相结合的脉冲多普勒雷达信号。首次给出了该随机序列的模糊函数数学表达式，对其推导所采用的主要方法作了叙述，研究了该序列的产生方案，最后对结果进行了分析。     

基于核主元分析法的组合核函数改进算法

提出了一种新型的组合核函数应用于构建支持向量机当中.这种组合核函数将高斯核函数与多项式核函数各自的特点融合在一起,构建了一种兼具内推和外推性能的核函数.经实验验证,将这一核函数应用在核主元分析法中,可以有效地提高识别精确度和效率.     

基于核主元分析和Fisher线性判别的掌纹识别

提出了基于核主元分析(KPCA)和FLD相结合的掌纹识别方法.对每幅掌纹图像应用KPCA进行降维,然后将二维图像矩阵转换成一维图像矢量.PolyU掌纹图像库中所有图像矢量组成的数据矩阵作为FLD的输入,进行特征提取,计算特征矢量间的余弦距离进行掌纹匹配.实验结果说明,与传统的PCA+FLD相比,在不同的特征个数下,本文方法均取得了较小的等错率(EER),而且特征提取时间较短,运行速度较快.在三种不同的核函数中,RBF核函数的识别效果最佳,等错率最小为0.     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

基于独立分量分析的雷达信号分选研究

独立分量分析是近几年来发展起来的一种有效的盲信源分离方法,可以根据输入源信号的基本统计特性,由观测数据进行信号分离,最终恢复出源信号。在深入分析ICA基本理论的基础上,本文将基于负熵最大化的FastICA算法应用于雷达信号分选。仿真试验表明,该算法应用于雷达信号分选可以获得比较好的分离效果。     

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

An efficient method of P2P traffic identification based on wavelet packet decomposition and kernel principal component analysis

Peer‐to‐peer (P2P) traffic identification is currently an important challenge to network management and measurement. Many approaches based on statistics have been proposed to identify P2P traffic. However, flow features extracted by traditional methods are rough and one‐sided, which might lead to inaccuracy identification of network traffic. Besides, P2P traffic has too many statistical features, which is a challenge to the time complexity and space complexity of the classifier. This work focuses on the study of flow features. First, micro features of flow signals are extracted based on wavelet packet decomposition, and we combine them with the traditional features into combination features. The experimental results show that combination features have better performance than traditional features for P2P traffic identification, and 16 kinds of wavelet functions were tested to find the best one. Second, a feature reduction algorithm based on improved kernel principal component analysis is provided. The results show that the feature reduction algorithm proposed in this paper plays good performance to P2P traffic identification, because it could greatly reduced the number of features while having no affection on identification accuracy. Copyright © 2012 John Wiley & Sons, Ltd.     

基于Multilinear PCA的烟雾图像识别算法

为了提高火灾烟雾图像识别正确率,更好地预防火灾,提出一种基于multilinear PCA的火灾烟雾图像识别算法。在提取烟雾疑似区域的基础上,首先分别提取烟雾的静态和动态特征,然后采用multilinear PCA对特征进行融合,消除其中冗余特征,并根据选择特征进行训练样本构造,最后将训练样本输入支持向量机建立烟雾图像分类器,并对测试样本进行识别。仿真结果表明,相对于其他烟雾图像识别算法,提出的算法不仅提高了烟雾图像识别正确率和识别效率,而且具有良好的抗干扰能力,可以满足不同环境下烟雾图像识别要求。     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于双频段FMCW雷达的人体动作识别

针对单频段雷达利用微多普勒特征识别人体动作能力有限的问题,提出了一种基于双频段调频连续波(Frequency Modulation Continuous Wave, FMCW)雷达的人体动作识别方法。首先利用K频段与C频段两部不同频段的FMCW雷达分别对人体不同动作进行探测收集到回波数据,对回波数据进行预处理分别得到距离时间、距离多普勒与微多普勒时频谱图像;然后,运用主成分分析法对图像进行特征提取得到特征向量,对提取到的特征向量进行特征级融合;最后,将融合后的特征作为支持向量机的输入从而实现人体动作识别。采用雷达实测数据的实验结果表明,基于双频段FMCW雷达联合工作的探测方法对五种人体动作的识别正确率为96.25%,优于单个频段FMCW雷达单独工作时的动作识别正确率。     

基于代数特征的多光谱图像特征提取方法

多光谱图像特征提取的好坏直接关系着目标识别算法的复杂程度,也影响着最终目标识别的性能。研究了一维主成分分析（1DPCA）、二维主成分分析（2DPCA）、一维奇异值分解(1DSVD)和二维奇异值分解(2DSVD)等代数特征提取方法,并用这些方法构成图像识别框架的特征提取部分,通过识别率的大小来验证是否适合于多光谱图像特征提取。实验结果表明：①与可见光图像目标识别相比,PCA和SVD特征更适合于红外图像目标识别;②训练样本分类时,PCA和SVD特征的识别性能改善不明显;③训练样本少时,SVD重构图像、2DSVD和1DPCA特征的识别性能较好。