特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

基于功率谱流形的信息几何DP-TBD算法

针对复杂杂波背景下目标信杂比起伏而导致的漏检问题,本文结合信息几何检测器的性能优势与动态规划检测前跟踪(Dynamic Programming Track Before Detect,DP-TBD)的多帧信息积累能力,提出了基于功率谱流形的信息几何DP-TBD算法.该算法利用功率谱流形与矩阵流形对偶关系,设计了功率谱信息几何检测器,将信息几何检测器的计算复杂度降低了近两个数量级.通过实测数据实验验证,功率谱DP-TBD算法可实现与矩阵DP-TBD算法相近的检测性能,并将运算时间降低为矩阵DP-TBD算法的3%~8%.此外,相较于信息几何检测器,功率谱DP-TBD可将检测信杂比(Signal-to-Clutter Ratio,SCR)提高2~3 dB.

基于矩阵信息几何样本筛选下局域联合处理的低空风切变风速估计方法

针对非均匀杂波环境下,机载气象雷达低空风切变风速估计不准确的问题,本文提出了一种基于矩阵信息几何样本筛选下局域联合处理(Joint Domain Localized,JDL)的低空风切变风速估计方法。该方法首先提取雷达回波信号的特征信息建模为矩阵流形,然后通过选取几何度量方式估计几何均值矩阵,利用广义内积法(Generalized Inner Product,GIP)计算几何均值矩阵与各样本间相似度,并从训练样本中筛选样本相似度较高的训练样本估计待检测单元的杂波协方差矩阵,最后利用JDL方法构造降维变换矩阵,对杂波协方差矩阵进行降维处理,并构造降维处理器对非均匀杂波进行抑制,从而实现低空风切变风速估计。

基于流形等距映射的矩阵信息几何检测方法

雷达目标检测常面临复杂的杂波特性,经典的检测方法通常适合于某些特定的场景,当检测背景发生变化时,其检测性能急剧下降。为有效提升不同杂波背景下的检测性能,提出一种基于流形等距映射(ISOMAP)的矩阵信息几何检测器。该方法首先将信号检测问题转化为矩阵流形上两点之间的区分性问题;然后基于样本数据和流形等距映射原理,自适应地学习出矩阵流形的投影变换矩阵,将矩阵流形变换为可区分的低维流形,最大程度地保持每一个矩阵与其邻域内矩阵之间几何距离大小,增强矩阵流形的可分性;最后利用仿真杂波和实测数据对算法进行验证。实验结果表明,相比于经典的检测方法,所提方法能有效提升目标检测性能。

基于正交投影的子带信息几何雷达弱小目标检测方法

基于信息几何理论的雷达目标检测是一种新兴的技术,它将目标检测问题转化为流形上目标与杂波的区分问题,在低信杂比检测中具有优势。对于复杂背景下的弱小目标检测,目标与杂波难以区分,限制着检测性能。因此,该文基于矩阵信息几何检测器,提出一种基于正交投影的子带信息几何目标检测方法。该文利用滤波器组对雷达回波信号进行子带分解,并在矩阵流形上稳健估计子带内强杂波信号子空间,提出基于流形的正交投影方法以抑制强杂波,增强目标与杂波的区分性。最后,采用仿真数据和实测海杂波数据验证所提方法的有效性。结果表明,所提方法能够有效抑制强杂波,具有较好的检测性能。

基于信息几何去噪的改进SVM的通信信号识别

针对传统人工提取特征进行通信信号识别准确率低的问题,本文在支持向量机(SVM)的基础上,提出了一种基于信息几何去噪的改进SVM的识别方法。该方法通过Choi-Williams分布(CWD)时频变换获得不同通信信号的时频图像,然后利用能够更加准确衡量像素点之间差异性的测地线距离实现时频图像的去噪,进而利用AlexNet卷积神经网络对时频图进行特征提取,并基于信息几何改进的SVM对通信信号进行分类,实现了有效分类识别。仿真结果表明,该方法在0 dB信噪比(SNR)下,识别率仍然能够达到97%以上,除此之外,该方法在小样本的情况下仍然有效。

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。

基于矩阵信息几何的飞机尾流目标检测方法

矩阵信息几何在雷达信号处理和目标检测中的应用是一个正在引起关注的研究方向。飞机尾流回波经过傅里叶变换后,其功率谱是展宽的,传统动目标检测(MTD)方法未能对展宽的功率谱进行有效积累。针对飞机尾流目标检测问题,基于矩阵信息几何理论,该文提出了一种矩阵恒虚警率(CFAR)检测方法,该方法中观测数据协方差矩阵构成一个矩阵流形,类比CFAR检测的思想,利用检测单元协方差矩阵与参考单元协方差矩阵均值间定义的距离作为检测统计量。最后利用噪声中仿真的尾流回波数据,分析了黎曼均值的迭代估计性能、尾流目标协方差矩阵与噪声协方差矩阵的测地线距离随信噪比的变化,比较了常规MTD检测方法和矩阵CFAR检测方法的检测性能。

信息几何在脉冲多普勒雷达目标检测中的应用

信息几何是以微分几何为基础发展起来的一个新兴学科方向,研究流形和度量空间上的统计问题,它提供了解决雷达信号处理和数据处理问题的一种新思路。雷达回波通常表示为复多元高斯分布,基于复多元高斯分布流形上的黎曼几何结构,提出了一种CFAR检测器结构,并分析了高斯杂波环境下的虚警概率和检测概率。仿真实验表明,在短脉冲序列条件下,信息几何方法的检测性能优于常规相参积累方法。研究成果有助于改善机械扫描雷达体制在低的脉冲重复频率工作模式时的检测性能。

一种基于信息几何的矩阵DP-TBD算法

由于单帧相参积累在一些情况下存在较严重的信息损失,且这种损失会随着多帧非相参积累而进一步放大,使得传统动态规划检测前跟踪(DP-TBD)算法的性能下降.本文基于信息几何理论提出了一种矩阵DP-TBD算法,该方法直接利用每个分辨单元的协方差矩阵进行多帧积累,将单帧和多帧积累融为一体,避免了单帧积累存在的信息损失,具有更好的检测和跟踪性能.最后通过仿真实验验证了本文算法的有效性.

雷达目标检测的信息几何方法

信息几何是源于对统计流形几何性质的研究而发展起来的一套理论体系,为解决雷达信号处理等问题提供了一种新的思路和方法。本文基于信息几何理论,从一个全新的角度认识了雷达目标检测问题,并通过定义统计流形上两分布间的距离,进而提出了雷达目标检测的信息几何方法,该方法通过计算统计流形上由观测数据估计得到的分布与目标有无两种假设分布间距离之差的大小就可以实现目标的检测,将统计检测问题转化为了统计流形上的几何问题,简单实用,最后仿真比较了其与传统似然比检测的检测性能。

基于扩展集员滤波与信息几何的机动目标跟踪

面对当前日益复杂的雷达跟踪目标和环境,广泛应用的卡尔曼滤波及其扩展类算法虽然能以较少的计算量得到较好的跟踪效果,但其要求过程噪声与量测噪声符合零均值高斯分布,否则会导致滤波发散。为解决系统状态及噪声未知但有界情况下的机动目标跟踪问题,介绍了一种扩展集员滤波机动目标跟踪算法,并辅以基于信息几何的跟踪性能监测处理。通过仿真分析验证了基于集员滤波与信息几何的机动目标跟踪边界约束性能及跟踪准确度较好,且能通过统计流形距离的变化来探测目标是否发生机动。

基于信息几何的卷烟焦油SVM(支持相量机)预测

由于样本少且是非线性关系,卷烟配方中焦油量预测非常困难,为此引入能较好的解决小样本非线性预测问题的SVM(支持向量机)进行卷烟焦油预测,其中的核函数选择是关系到预测精度的关键,而现有方法仅能试验试凑。本文从信息几何的角度,通过保角映射,给出核函数构造的一般方法,提高了预测精度和效率并通过试验证明该模型能更准确的预测卷烟焦油量。

基于信息几何的混沌支持向量机预测

复杂环境中存在大量的混沌现象,难以用传统的预测方法进行准确预测.针对这一问题,本文利用信息几何理论、支持向量机理论与重构相空间理论,提出混沌支持向量机CSVM,对含有混沌现象的时间序列进行预测;针对混沌环境下核函数难于构造,从信息几何角度,提出在混沌环境下,如何方便准确得进行构造核函数;最后将CSVM应用于Henon混沌系统实验.实验结果表明,误差随嵌入维数变化和延迟时间变化趋于恒定;与BP、RBF和SVM相比,CSVM具有所需支持向量少,收敛速度快,准确性高等特点.

股票收益率的信息几何

基于信息几何建立股票收益率满足的概率分布族所构成的微分流形,给出流形的几何结构.算出流形的Fisher信息矩阵及其α-联络系数,获得流形在α-联络下的高斯曲率.由流形的α-测地线方程,求出α=0时的解.得到流形的α-散度,-αKullback散度及J-散度,并说明两种散度之间的关系以及各种特殊情况下的散度.

信息几何-计算神经科学的几何学方法

信息几何是九十年代初开始形成的理论，它将流形上的现代微分几何方法引入到计算神经科学中，为神经网络和信息论提供了十分有用的新的数学工具，也为大脑信息传输方式引入新的观念。近年，信息几何在Ｂｏｌｔｚｍａｎｎ机、神经网络的学习方法、隐单元模型理论、统计推断及序列分析诸方面产生了成功的应用。理论的发展与丰富的应用显示出几何学方法在神经科学与信息科学中具有强大的作用。

基于信息几何理论的信号检测方法

信息几何理论将统计推断问题转换为几何问题进行处理,从而能够从几何的角度分析进行统计推断。以高斯噪声下的信号检测为研究对象,给出了基于信息几何理论的信号检测所需的理论基础,分析了测地线距离与检测器性能之间的关系。分别以简单假设和复合假设两种情况,分析了两种距离检测器的性能,并与Neyman-Pearson检测器和广义似然比检测器进行了对比。计算机分析结果表明,测地线长度和方向共同决定了检测性能,且距离检测器性能与似然比检测器性能相当。

基于信息几何构建朴素贝叶斯分类器

朴素贝叶斯分类器是机器学习中一种简单而又有效的分期方法。但是由于它的属性条件独立性假设在实际应用中经常不成立，这影响了它的分类性能。本文基于信息几何和Fisher分，提出了一种新的创建属性集的方法。把原有属性经过Fisher分映射成新的属性集，并在新属性集上构建贝叶斯分类器。我们在理论上探讨了新属性间的条件依赖关系，证明了在一定条件下新属性间是条件独立的。试验结果表明，该方法较好地提高了朴素贝叶斯分类器的性能。

基于信息几何的统计回馈神经网络非线性自适应预测控制

研究统计回馈神经网络（ＳＲＮＮ）的非线性自适应预测控制．基于混合统计模型，利用信息几何的处理方法，将ＳＲＮＮ 的参数估计转化为一般的线性ＡＲＭＡ 系统的最小均方误差参数估计算法，最终获得ＳＲＮＮ 参数估计．获得ＲＮＮ 预测的参数估计以后，可以十分方便地利用线性ＡＲＭＡ 系统的控制规律来设计ＳＲＮＮ 的预测控制规律，解决了非线性ＳＲＮＮ 预测参数估计、复杂非线性系统控制规律设计等问题．在研究单隐元ＳＲＮＮ 的基础上，进一步探讨了多隐元ＳＲＮＮ 的自适应预测控制问题．

修剪算法的信息几何分析

修剪法是确定和优化神经网络结构的重要方法之一.当前对修剪法的研究大多集中在方法描述上,对于修剪法内在机理的研究尚不多见,而研究修剪的内在机理可以为修剪策略提供理论基础和依据.从信息几何的角度研究了修剪法的内在机理,给出了神经网络结构修剪法的信息几何理论解释,利用神经流形参数结构的层次性,将修剪法表述为一系列从当前模型流形到其子流形的信息投影过程,在此基础上提出了新的修剪算法,并给出了算法可行性与有效性的实验验证.