基于密度聚类的改进PRI 分选方法

在雷达被动信号分选中,对脉冲重复间隔(pulse repetition interval,PRI)值的提取至关重要.针对直方图统计和PRI变换法在脉冲重复周期值提取精度方面的不足,提出一种基于密度聚类的PRI值提取方法.通过对脉冲到达时间做三级差值,对其进行基于密度的聚类处理,选取类内均值作为PRI估计值.仿真实验结果表明:该方法提取出的PRI值在精确度方面明显高于传统方法,对于存在误差抖动和杂散脉冲的雷达信号有较好的分选效果,提高了复杂环境下被动雷达的脉冲信号分选能力.     

基于形态学与聚类相结合的图像特征提取方法研究

利用可见光图像进行军事侦察与制导时,目标往往掩盖在复杂背景中,难以准确识别,研究一种能准确提取目标特征的图像处理方法就成为图像精确制导的关键。文中提出了利用数学形态学的方法先确定目标范围,然后结合聚类方法进行小目标精确检测的算法。实验证明这种算法在背景复杂、目标可视面积较小的情况下,仍可以精确识别目标。该算法克服了聚类运算速度慢的缺点,从而能够快速的、准确地将目标提取出来,且具有良好的适应性。     

高速弹道目标进动微多普勒分析及脉内补偿!

弹道目标在高速运动情况下,会导致雷达回波一维距离像主瓣展宽和频谱峰值偏移,影响后续的真假弹头识别。文中首先分析了在高速运动下弹头进动的微多普勒特征,得出导致弹头进动微多普勒特征一维距离像展宽和频谱峰值偏移的相位误差,为获得理想的弹道目标微多普勒特征信息,提出应用多项相位变换的方法对脉内调制引起的相位误差进行补偿,最后的仿真实验验证了理论分析结果及所提方法的有效性。     

基于相位差分的弹丸进动周期提取

进动周期是表征炮弹、火箭弹等常规武器无控弹丸弹道特性的重要指标。为有效获取弹丸进动周期,提出了基于相位差分的弹丸进动周期提取方法。弹丸进动会对连续波雷达回波产生微多普勒调制,建模分析表明,进动弹丸的微动速度遵循正弦规律变化,其相位变化率与进动周期呈反比关系。利用Hilbert变换可以提取微动速度的瞬时相位,由相位差分即可获得弹丸进动周期。仿真实验验证了该方法对信噪比大于7 dB的微动速度提取进动周期具有更好的性能。利用该方法对实际测量数据进行处理,获取了弹丸准确、平滑的进动周期数据。     

一种基于网格的等密度线聚类算法

提出了一种基于网格的等密度线聚类算法,通过对样本所在空间进行网格划分,从样本分布等密度线图的思想出发,可自动发现任何形状的类,时间复杂度和空间复杂度较好,实现了对不同类样本空间容积的计算,具有很好的聚类效果和容积计算能力.     

一种基于单片机的导引头进动信号产生方法

研究了导引头进动信号常见的产生方法,根据进动信号的特点,提出一种新的产生方法,采用数据存储队列和锁相倍频实现进动信号相位移相和频率控制,给出了方法的原理、实现电路和程序设计.对产生的进动信号测试表明,这个方法完全满足导引头跟踪的要求.方法简单、成本低廉、应用广泛.     

基于层次聚类态势估计中的目标分群算法

为减轻指挥员的认知负担,研究了作战目标的分群问题.首先,以目标间的关系为基础,建立作战网络结构模型;然后通过计算相似度,提出了基于层次聚类的目标分群算法;最后,运用该方法给出了一个实用算例,得到了较好的分群结果,验证了文中方法的可行性和正确性.     

进动停止引起的弹头再入散布

本文对弹头进动停止的现象作了分析研究并对造成这种现象的几种假设进行了讨论。文中既给出了解析解,也给出了六自由度模拟的结果。除弹头滚转过零、滚转近零和攻角发散外,还存在另外四种气动力激励函数。这些函数都十分重要,因为它们会导致所谓的“空间固定配平”,即升力矢量在空间瞬问固定。四个激励函数是:(1)高动压环境下固定于体轴的配平力矩转变成固定于风轴的配平力矩;(2)弹头具有瞬态的不稳定气动力稳定性导数;(3)由于一系列不对称的端头剥蚀而引起的配平平面转动;(4)马格努斯型平面外力矩与由烧蚀滞后现象造成的固定于风轴的力矩相组合。当出现上述现象时,弹道偏差就会大到不允许的程度。按照现有的解析结果和数值计算结果,弹头的初始自旋速率对弹头散布的大小和方向来说都是起关键作用的因素。最后对可能造成弹头进动停止的物理机理提出了一些看法。     

基于距离聚类的圆柱类实体路标特征提取算法

针对移动机器人激光扫描仪探测定位算法计算量大,实际应用受限,提出了基于距离聚类的圆柱类环境特征提取算法。通过数据预处理,滤除噪声干扰等无效数据;通过距离聚类的区域分割,将有用的激光测距数据分类为归属于各个环境路标特征点的数据子集,并去掉各类不合理特征点;通过几何计算进行参数拟合,提取出圆柱类实体路标的中心位置及其直径。仿真结果表明:该算法能够有效滤除噪声干扰,实现准确的路标特征提取。     

基于灰色聚类的海上目标威胁等级评估

基于灰色聚类理论，阐述了灰色聚类分析的基本原理和步骤，并结合目标威胁等级归属实例，对其进行了应用分析．最后得出目标威胁等级表，取得了良好效果．这表明：灰色聚类分析是解决威胁等级归属问题的一条有效途径．     

基于滑动散射条件的弹道目标微动特征和结构特征提取

雷达目标的微动特征为目标精确识别提出了新的技术途径。针对宽带雷达体制下弹道目标回波,利用采样得到的强散射中心径向距离线性和信号,估计微动周期和回波初相,接着对图像进行两参数扩展Hough变换,提取出旋转散射中心的微动参数,最后利用分离后的滑动散射中心的径向距离线性差信号和线性和信号,通过最小二乘拟合以及多元非线性方程组求解,提取了目标微动特征和结构特征。仿真实验验证了方法的有效性。     

基于高阶谱的战场声目标特征提取

由于高阶谱对于高斯噪声不敏感的特性，在战场噪声环境中。提取被动声目标的双谱、双谱切片和相位耦合特征，通过建立声目标的高斯混合模型（GMM），进行声目标信号的识别。将基于此模型的识别结果与功率谱方法比较。仿真结果证明：基于高阶谱特征提取方法优于AR功率谱特征，该方法在抑制背景干扰中具有优越性。     

基于DGL/IMM算法的随机机动弹头拦截研究

讨论了反导拦截高速随机机动再入弹头弹道末段的制导律和滤波器设计。基于线化假设和完全信息对策模型,推导出微分对策制导律(DGL)的表达式。在此基础上考虑一般拦截情形,即非完全信息对策以及测量含噪声,提出采用交互式多模型滤波(IMM)估计状态变量,推导出滤波方程,并与以往方法进行比较,仿真分析表明所提出的算法滤波效果好,运算量低,脱靶量均值小,而且对于未知目标机动模式有很强的适应能力。     

基于改进ISODATA的无先验扩展目标聚类分析算法

基于弹载雷达多扩展目标检测的应用需求,在CFAR检测输出的基础上,对检测结果的聚类分析方法进行了论证分析,提出了改进的ISODATA算法。该算法摆脱了常用聚类分析算法对目标个数、聚类初值等先验信息的要求以及孤立点的影响。数字仿真实验验证了新算法的有效性。     

基于统计中心线的目标特征提取算法研究

为了有效识别激光近场探测环境下的目标和云,提出了一种新的易于FPGA实现的目标特征提取算法。该算法提取了目标图像的突变、多分支、大角度、宽度变化等特征。测试结果显示,该算法能对目标进行有效识别。     

基于小波包分析的战场被动声目标特征提取

针对战场环境存在噪声干扰的情况,提出了一种基于小波包分析的声目标特征参数提取方法.该方法将小波包分析和Mel倒谱分析相结合,提高了特征参数的鲁棒性.实验结果表明,在噪声条件下,基于小波包分析的平均识别率比MFCC参数提高6.78%,在信噪比为5dB时,识别率仍能达到94.5%.     

基于改进测地距离的等度规映射及其在声目标特征提取中的应用

经典等度规映射(ISOMAP)算法由于其固有的拓扑不稳定性,容易受噪声影响出现“短路边”,导致其在声目标特征提取的应用中性能不佳。提出了一种基于改进测地距离的ISOMAP算法,将近邻图的构造看作是建立一个电路模型,以电路中各节点电容从初始阶段到一定的状态所需要的时间为测地距离的量度,将保持局部结构的鲁棒性与保持全局几何结构的准确性结合在一起,克服了噪声短路点对算法的影响,提高了算法性能。在SensIT实验数据和外场实际采集数据上的实验结果表明,基于改进测地距离的ISOMAP算法的准确性和鲁棒性都有了较大提高。     

针对非合作目标的自适应网格聚类算法

武器系统的探测设备通常面对的是非合作目标,观测样本在特征空间中的分布形式难以预期,噪声、不规则的类簇形状以及差异化的类簇密度给聚类分析带来极大挑战。提出了一种自适应的网格聚类算法,该算法包括基于k-近邻方法的空间分辨率自适应网格化处理方法,以及基于自适应分水岭变换的类簇结构检测与划分方法。实现了对噪声以及密度差异极大类簇的自适应处理,同时保留了网格聚类方法对类簇形状不敏感、不需要类个数作为先验参数等优点。通过雷达、电子侦察以及复杂人造数据集的仿真,证明了该算法的有效性。     

一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法

针对坦克装甲目标的图像检测任务,提出一种基于分层多尺度卷积特征提取的目标检测方法。采用迁移学习的设计思路,在VGG-16网络的基础上针对目标检测任务对网络的结构和参数进行修改和微调,结合建议区域提取网络和目标检测子网络来实现对目标的精确检测。对于建议区域提取网络,在多个不同分辨率的卷积特征图上分层提取多种尺度的建议区域,增强对弱小目标的检测能力;对于目标检测子网络,选用分辨率更高的卷积特征图来提取目标,并额外增加了一个上采样层来提升特征图的分辨率。通过结合多尺度训练、困难负样本挖掘等多种设计和训练方法,所提出的方法在构建的坦克装甲目标数据集上取得了优异的检测效果,目标检测的精度和速度均优于目前主流的检测方法。