新生参数未知的ET-GM-PHD编队目标跟踪方法

为了解决多个编队在新生目标参数不明确背景下的目标跟踪问题,提出了一种新生目标相关参数未知的编队目标跟踪算法,它可以有效地提高跟踪性能,从而更好地满足需求。通过采用高斯混合概率假设密度(ET-GM-PHD)滤波框架,对PHD参数进行预测,进而分析各个高斯分量之间的相关性,从而筛选出最优的量测集合,最终消除大多数的噪声干扰。再利用在编队目标运动区域内量测分布密集的特性,通过目标检测方法找到其位置并跟踪。最后,仿真实验表明,在新生目标相关参数未知的情况下,提出的方法能够快速有效地跟踪编队目标,具有较好的跟踪性能。

一种类线性调频雷达波型自动识别方法

随着电子技术的发展,雷达信号调制方式趋于复杂化,对雷达信号波形进行可靠的识别是雷达侦察系统面临的一个难题。其中,类线性调频雷达信号(LFM、Frank码、P1~P4码)是识别难度较大的一类信号。针对该问题,论文提出了一种基于深度学习的雷达波形自动识别方法,首先计算类线性调频雷达的基于S-method的时频分布,在此基础上计算信号时频分布的Zernike矩,然后通过卷积神经网络进行分类识别。实验表明,在-2dB信噪比下,信号的整体识别率达到94.33%,能够有效识别雷达波形。

基于随机摄动再采样的粒子概率假设密度滤波器

作为概率假设密度滤波的典型实现方式,粒子概率假设密度滤波器无需线性高斯等先验假设,因而在多目标跟踪中得到了广泛的应用。为解决粒子退化问题并保持粒子规模,该滤波器引入了重采样机制,然而,该重采样机制易引起粒子多样性耗尽,导致粒子贫化问题产生。为解决这一问题,该文提出一种新的基于随机摄动再采样的粒子概率假设密度滤波器。首先,全面分析了粒子概率假设密度滤波因粒子贫化问题导致目标失跟的过程。然后设计了一种随机摄动再采样算法,该算法在重采样导致粒子多样性缺失时,根据源粒子的位置与复制次数随机产生相应数目的新粒子,并对源粒子进行删减,其可在保留源粒子信息的前提下保持粒子的多样性。最后,该文将该算法纳入概率假设密度滤波框架,提出了一种新的粒子概率假设密度滤波器。仿真结果表明该滤波器在不显著增加运行时间的前提下能够克服粒子贫化问题,相比标准的粒子概率假设密度滤波器具有更好的跟踪性能。

弱湍流下基于LDPC码和PPM的性能分析

引入LDPC码作为大气光通信的信道编码方式,采用PPM调制方式,讨论了在高斯信道和弱湍流信道中,在PPM调制下应用LDPC码的差错性能,并对LDPC的log-BP译码算法进行一些相应的修正。并通过对经LDPC编码与未编码下在高斯信道和弱湍流信道中的差错性能的计算机仿真比较,结果表明引入LDPC码后可以有效改善了高斯信道和弱湍流信道下的通信差错性能,最后对经LDPC编码后在弱湍流信道下的性能和在高斯信道下的性能进行比较,具有一定的应用价值。

基于小波降噪预处理的组合导航系统研究

根据离散小波变换可降噪的特点,对捷联惯性导航系统(SINS)中惯性测量元件(IMU)的输出精度进行了研究,再与卫星定位系统(GPS)的输出进行卡尔曼滤波组合,进而达到降噪的目的,最后分别由静态时的实际量测数据以及动态时的理论仿真试验给予结果验证。试验结果表明,采用小波降噪预处理后的组合导航系统各项导航参数的精度都有了明显提高,从而提高了组合导航系统的可靠性。

面向群目标典型机动的多传感器精细跟踪方法

为解决多传感器探测下群目标发生机动时群内目标的精细跟踪问题,提出了一种面向群目标典型机动的多传感器精细跟踪方法,该方法深入分析群目标机动时量测特性,面向整体机动、分裂、合并、分散四种典型的群目标机动模式,首先基于杂波剔除模型及点迹合并模型,结合交互多模型思想建立群整体机动跟踪模型,然后基于群整体机动跟踪模型,利用多帧互联模式建立群分裂跟踪模型,并基于循环阈值模型,给出群合并跟踪模型,最后基于修正的3/4逻辑法建立群分散跟踪模型,实现四种典型群目标机动模式下群内目标的多传感器精细跟踪。

基于循环平稳特性的跳频信号盲检测算法

跳频信号作为扩频通信的一种,由于其具有较强的抗干扰,抗截获的能力,并能作到频谱资源共享,因此在军事应用中得到了广泛的应用。文章针对通信对抗中的跳频信号盲检测问题,提出了一种基于循环平稳特性的跳频信号盲检测算法。该算法将渐进最优χ2检验方法推广到跳频信号的检测问题上,提出检测统计量,从而完成对高斯白噪声环境下的跳频信号检测。实验结果表明,与传统能量检测方法相比,该算法对于高斯白噪声环境中的跳频信号具有更好的检测性能,且计算量小,易于实现。

基于PC/104总线和ADS7805的多路小信号实时监测系统

开发了基于PC/104总线和ADS7805的实时监测系统.该系统主要由信号转换模块、A/D转换模块、CPLD逻辑控制模块EPM7128和PC/104总线组成.它能够在板卡上实现信号的采集监测,并能通过PC/104总线与上位机通信,实现数据的存储、后端处理及显示.参考了实时数据采集处理系统的设计思想,重点阐述了系统原理及硬件、软件的设计.

基于特征建模的航行规律挖掘方法

对航迹大数据进行分析,利用聚类技术可以挖掘出船只的航行规律。当前航迹聚类研究集中在度量准则和聚类算法的改进上,精细化的设计与多参数的引入往往受限于场景的限制,降低了算法的普适性。论文从度量对象的转化入手,力图能够采用经典的度量准则与聚类算法实现模式挖掘。通过分析船只不同航行规律的特点,提出了一套特征建模方案,将航迹样本转化为特征空间的特征点,从而将原始的航迹矩阵度量,转化为对特征点的度量,即可采用经典的度量与聚类算法进行聚类,经过仿真数据的实验分析,验证了方法的有效性。

基于Transformer融合的遥感图像文本跨模态检索方法

论文提出了一种基于Transformer融合的遥感图像文本跨模态检索方法,模型采用包含自注意力模块的单模态编码器获取各模态的特征表示,再经基于交叉注意力的跨模态融合模块使得不同模态信息相交互,并通过对比损失充分挖掘遥感图像和文本表示之间的潜在语义关系,进一步提高了遥感图像跨模态检索性能,在多个公开数据集上进行了实验验证,结果表明所提方法能够较准确地实现这两种模态信息之间的相互检索,验证了所提方法的有效性。

基于深度置信网络的手写数字识别系统设计

手写数字识别在现实生活中的各个领域应用广泛,已经成为近年来研究的热点问题。基于多种人工智能方法的手写数字识别系统得到了研究,但传统的方法存在着精度不高、容易陷入过耦合等问题,本文采用深度学习理论中的深度置信网络方法对手写数字识别系统进行设计,得到一个新的手写数字识别系统,应用结果证明,该系统精度较高,可以有效进行数字识别。