跳频信号参数估计的核函数优化及仿真

跳频通信因其突出的隐蔽性和抗干扰性能,被广泛应用于现代通信的各类场景中。其中在军事通信领域的应用尤为常见。通信对抗是军事通信领域一个重要的课题,而跳频信号的参数估计是实现跳频电台通信对抗的一个重要问题。基于现有的维格纳-威尔分布(Wigner-Ville Distributions,WVD)和模糊函数等时频分析方法,在提取信号模糊函数域自项过程中,对前人设计的核函数进行优化,在最大限度保留自项的基础上,进一步滤除交叉项,提升更低信噪比下跳频信号参数估计的准确性。

一种针对雷达高分辨距离像识别的融合核优化算法

本文提出一种针对雷达一维高分辨距离像(HRRP)的核函数优化算法.该算法基于对模-1距离高斯核和模-2距离高斯核的融合,结合两种核函数的不同特性,不仅优化了核函数,同时抑制了HRRP的闪烁效应.文中,基于雷达实测数据,我们将所提算法应用于核主分量分析(KPCA)的核函数优化中,然后采用支持矢量机(SVM)对提取的特征进行了分类.通过对实验结果比较与分析,我们证明该方法是有效的.

一种融合核优化算法

将Xiong等提出的单核优化算法改进为一种能够进行多核学习的融合核核优化算法.该算法使用了依赖数据变化的核函数,通过最大化核Fisher准则,能够学习出不同特性的核函数的融合系数.为了验证所提方法的有效性,将其应用到核主分量分析(KPCA)的核优化中,在合成数据和实测雷达高分辨一维距离像数据的基础上对KPCA提取特征的分类性能进行了评估,实验结果说明了提出的方法改进了最后的分类性能.

最大间隔核优化的雷达目标识别新方法

基于目标高分辨率距离像的雷达自动目标识别技术在军事和民用上都有巨大的应用价值。但是由于雷达目标高分辨距离像的姿态敏感性以及高特征维数,造成了其非线性可分性。针对此问题,本文提出了一种基于最大间隔核优化的雷达目标高分辨距离像识别方法。本方法首先采用了最大间隔准则算法来优化数据依赖核函数,然后利用支持向量机分类器实现了雷达目标高分辨距离像识别,最后进行了基于5种战斗机目标高分辨距离像的实验仿真。实验结果表明了基于最大间隔核优化的目标识别算法对于SVM分类器可以有效实现核函数优化,从而能够提高目标识别性能。

核优化相关向量机太赫兹频谱特征提取方法

太赫兹频谱对分子非局域振动模式的变化较为敏感。因此,其波形容易受到多种理化因素的影响,会产生峰值改变、频移,甚至整体波形的变化,单一地从固定峰值特征与物质的对应关系上进行组分分析和物质鉴别容易产生较大误差甚至错误。针对此问题,提出区别于局部特征提取方法的基于核优化相关向量机(KO-RVM)的整体图形特征提取方法,并与支持向量回归算法(SVR)进行比较。结果表明,经过期望最大化算法进行基函数参数控制的RVM适用于太赫兹透射谱的特征提取,可对每种物质的光谱数据进行稀疏表示,控制提取图形特征的数量。利用已提取特征构造的模型能够还原频谱曲线的整体特征,对谱线各频段的拟合效果更加一致,同时所提取的特征还可作为不同物质间太赫兹光谱相似性度量和共同特征发现的依据。

仿真环境下不规则物体的高斯过程隐式曲面核函数优化

对于一个物体进行探索时,首要目标就是获取物体的形状,而当针对形状复杂的物体如不规则方块时,隐式曲面往往是最优选择。本文针对MuJoCo仿真平台下的建立的不规则物体,采用RBF(Radial Basis Function)高斯核函数和TPS(Thin Plate Spline covariance)薄板协方差核函数分别建立高斯过程,完成对物体的隐式曲面建模,通过对比,相比于最初的TPS核函数,改用调参后的RBF误差减小了93.07%。通过仿真实验结果表明,对于仿真平台中的不规则物体,高斯过程隐式曲面能够有效通过少量的采集数据完成曲面建模。

基于快速分割核函数的数字抠像模型

针对标准支持向量机(SVM)算法在数字抠像的应用中还存在抠像精度低、点集分类效果不好等问题。本文设计了以快速分割核函数优化SVM算法为基础的数字抠像模型,最先将径向基函数(RBF)当成核函数对推理试验模型进行建立,之后再利用CMSVM设置较大的参数取值范围,对参数进行大间隔步长的循环取值,并通过一定训练和测试,以评分准则为依据对这种状况下建立的最优SVM分析模型所对应的参数值进行确定,指导最终确定出用来建立SVM分析模型的理想参数值,进而对分析模型进行确定。结果表明,本文提出的快速分割核函数优化SVM算法相比较标准SVM算法,具有更好的数字图像抠像效果。

数据挖掘中模糊C聚类算法的寻优能力优化

随着数据库技术的不断发展,现有的聚类分析算法已经无法满足数据挖掘的聚类分析的需求。本文主要针对传统的模糊C聚类算法,将其中存在的问题进行改进,并在核函数和权值优化的基础上,提出模糊C聚类算法。首先对模糊C聚类算法的特征权值进行优化,然后引入核函数的概念,对模糊C聚类算法的寻优过程进行改进。仿真验证得到的结果是,本文所提出的模糊C聚类算法,能够在核函数和权值优化上有更好和更加稳定的聚类。

可拓支持向量分类机

针对分类问题,基于可拓学的思想,提出了可拓支持向量分类机算法。与标准的支持向量分类机不同,可拓支持向量机在进行分类预测的同时,更注重于找到那些通过变化特征值而转换类别的样本。文中给出了可拓变量和可拓分类问题的定义,并构建了求解可拓分类问题的两种可拓支持向量机算法。把可拓学与SVM结合是一种新的方向,文中所提出的算法还有待进一步的理论分析,将在未来的工作里,继续探索如何在可拓学的基础上,构建更加完善的可拓SVM方法。

局部放电稀疏分解模式识别方法

为实现电气设备局部放电(简称局放)模式的准确识别,提出了一种局放稀疏分解模式识别方法。首先由各放电模式局放训练样本信号统计特征向量构建局放统计特征过完备原子库,对此原子库进行非线性映射,可得非线性局放统计特征过完备原子库。对待识别局放信号统计特征向量进行非线性变换,得到非线性统计特征向量,此向量在非线性局放统计特征过完备原子库中进行稀疏分解时,仅可由相应放电模式子原子库中原子进行稀疏表示而难以由其它放电模式子原子库中原子进行表示,进而实现局部放电稀疏分解模式识别。同时,提出一种核函数优化匹配追踪算法,可在无需知道非线性映射具体形式基础上完成稀疏分解,并基于相似性度量系数确定最佳核函数及其参数。设计了两套放电模型,并在不同实验环境中进行了局放测试,所测信号分别作为训练样本信号及测试样本信号,采用所提方法进行了模式识别实验,同时与采用神经网络方法、K近邻法、支持向量机法的局放模式识别实验结果进行了对比。实验结果表明该方法识别效果较好,准确率较高。

分块变换和GPU并行的遥感影像快速正射校正方法

正射校正是整个遥感数据处理过程中计算量最大、耗时最长的步骤之一,已经成为制约整个遥感数据处理快速完成的瓶颈。为了提高正射校正处理效率,文章系统地探讨了基于分块三维直接线性变换和图形处理单元(GPU)并行的遥感影像快速正射校正方法。首先针对正射校正坐标转换计算量过大的问题,提出了分块三维直接线性变换策略,有效地降低了坐标转换的计算量;在此基础上,采用"渐进式"策略开展GPU并行处理,首先通过GPU并行映射(核函数任务映射、基本设置),使方法在GPU上可执行,然后通过"两层次"性能优化(核函数性能优化、整体流程性能优化),进一步提高了方法的执行效率。在CPU和GPU组成的实验环境中,使用文中方法对"高分二号"卫星全色标准景影像进行实验,GPU执行时间仅为5.13s,与CPU相比,相应加速比达到142.42倍,可以满足对大数据遥感影像的快速正射校正需求。

基于遗传算法优化的支持向量机在齿轮故障声发射检测中的应用

支持向量机能够在训练样本较小的情况下,避免过学习现象,使泛化能力最大化。研究了支持向量机的参数无法自适应进行选取的问题,利用遗传算法具有全局搜索的性质,对支持向量机的参数选取进行最优化处理,得到支持向量机的最优参数。应用此法对齿轮故障声发射检测进行了研究,实验系统由PCI-2声发射系统和旋转机械振动故障模拟试验台组成,齿轮故障分类的精度比优化之前提高了10%,对齿轮故障诊断具有重要意义。