时间序列的模式距离

为了有效度量时间序列变化趋势的相似性,基于时间序列的分段线性表示,针对变化趋势,提出时间序列的模式模型表示.该模式模型表示不对测量尺度进行标准化处理,实现了模式距离的快速计算.序列模式距离克服了以点距离为基础的时间序列误匹配以及物理概念不明确等缺陷.对应于时间序列线性分段数目的不同,模式距离体现了多分辨特性,可以有效反应不同分析频率下时间序列的相似程度.

基于序列移动距离的用户行为挖掘与相似度计算

为了对用户的行为进行相似性度量,从用户行为流程产生的行为序列出发计算用户行为的相似度。将推土机距离算法应用到用户行为相似度的计算领域,提出用户行为相似度计算的序列移动距离方法。首先定义了基于最长公共子序列的用户行为序列距离度量方法;其次定义了用户行为序列多重集之间距离的度量指标,在此基础上提出用户行为相似度计算的SMD方法;最后提出行为序列多重集之间距离度量应遵循的基本准则。在人工和真实数据集上进行了实验,实验结果表明了所提方法的有效性。

利用一维距离像序列估计弹道中段目标进动参数

进动是自旋弹头固有特性,进动参数是中段真假弹头识别的重要特征量,已发表的文献多利用进动目标的RCS序列估计进动参数。本文通过对平底锥弹头散射特性及其进动模型的分析,指出进动将造成一维距离像序列上散射中心位置的周期性走动。在此基础上,提出了一种利用进动目标上两个强散射中心在一维距离像序列上的位置差来估计进动参数的方法,并给出了应用该方法的具体步骤。仿真结果验证了所提方法的正确性和有效性。

基于高分辨距离像序列的锥柱体目标进动和结构参数估计

弹道目标特征参数估计是进行目标识别的基础。针对缺少先验参数信息时锥柱组合类弹头目标进动和结构参数联合估计难题,该文提出一种基于高分辨距离像序列实现锥柱体目标进动和结构参数联合估计新方法。以旋转对称锥柱体目标为研究对象,基于静态电磁散射数据,结合目标运动模型仿真生成了目标高分辨距离像序列,分析了4个观测区域内锥柱体目标的1维距离像特性。研究了常见雷达观测视角内锥柱体各散射中心的1维距离像序列变化规律,建立了序列中散射中心间的相对位置变化的极值与目标参数之间的关系式,据此完成了锥柱体目标进动和结构参数的联合估计。最后,仿真实验结果验证了文中方法的有效性和适应性。

基于一维距离像序列的雷达目标微动参数估计

雷达目标微动参数估计是微动特征用于目标识别必须首先解决的一个问题。以典型的转动模型为例,分析了微动对一维距离像的影响,推导了不同情况下微动补偿需满足的精度要求,提出了利用自相关法、峰谷值检测法及单脉冲测角原理联合估计微动参数。仿真实验验证了所提算法在信噪比为-5 dB时仍有效。

关于多重序列比对距离矩阵的一点注记

因为多重序列比对的最优解问题是一个非易计算问题,所以在生物信息学中,对多重序列分析常常采用两两序列比对来实现。因此由两两比对所产生的距离矩阵在多重序列比对分析中起重要作用。证明了由两两序列比对所产生的距离满足距离关系的三公理条件,从而使两两序列比对分析在距离空间中进行。

基于单站一维距离像序列的进动锥柱体目标特征提取

惯量比是中段弹道目标识别的重要特征,要求得惯量比需要得到目标的进动参数。锥柱体目标的进动参数估计需要其结构参数方面的某些先验信息。本文在分析锥柱体目标进动特性的基础上,提出了"伪惯量比"特征量,该特征量不需要目标结构参数的先验信息,并给出了通过一维距离像序列提取"伪惯量比"的方法,降低了目标特征提取的复杂度。仿真结果验证了"伪惯量比"和其提取方法的有效性。

基于Attention-Inception网络集成的雷达HRRP序列目标识别方法

传统的雷达高分辨距离像(High Resolution Range Profile,HRRP)序列识别方法依赖于人工提取特征,并且在使用现有的经典深度学习方法识别小数据集时存在梯度消失和过拟合问题,导致收敛速度慢,识别率低。针对上述问题,提出了一种基于注意力机制的集成Inception网络模型,通过集成Attention-Inception单分支网络,实现了HRRP序列更深层次特征的提取;通过对模型的损失函数加入L2正则化,缓解小数据集在集成网络中的过拟合问题;利用Inception Ⅰ和Inception Ⅱ结构提取HRRP序列多尺度特征,并引入注意力机制计算特征序列的分配权重;加入残差结构,减缓了集成网络梯度消失问题。在预处理后的HRRP序列上进行实验结果表明,所提方法的目标识别率达到93.3%,并且与未去除噪声的HRRP序列相比目标识别率提高了14.67%。

时间序列等距离粗集预测模型研究

根据粗糙集的特点,结合灰色理论GM(1,1)模型的结构体系,给出特征数据列和上、下-等距离数据分布、等距离粗集模型等定义,提出基于粗糙集的时间序列等距离粗集模型结构,并给出该模型的生成过程和等距离模型x^((1))(k+1)的存在性定理、外推值定理及相关命题;利用非线性规划工程最佳化理论,改进了模型的数据预测精度.船载GPS导航数值仿真实验结果表明:本文模型的预测结果比较精确,优于其他预测方法.

排序序列对比方法研究

排序是很多应用问题的抽象,排序序列的对比是研究这些抽象问题的必要步骤。现有对排序序列的对比多是考察其中重要节点序位变化,缺少对序列整体的评价和对比。针对这点,首先总结归纳现有研究中常见的对比方法,主要分为基于距离和基于相关系数两大类。在此基础上,通过原理分析和实验对比,发现某些方法在应用于排序序列对比时,存在原理缺陷和受排序元素量纲影响等问题。最后推荐排序序列对比使用斯皮尔曼或肯德尔相关系数进行衡量,并给出了二者的适用范围。

符号序列的预训练HMM分类方法

隐马尔可夫模型(Hidden Markov Model,HMM)是一种双重随机概率模型,已广泛应用于序列数据建模.针对符号序列分类中距离度量定义的困难,提出一种符号序列的预训练HMM分类新方法.首先,定义一种基于HMM状态转移矩阵的序列距离新度量;其次,为得到不同序列在HMM隐状态共享条件下的状态转移矩阵,提出一种两阶段的预训练方法,先在所有序列上进行HMM预训练以学习所有序列共享的隐状态,再使用共享状态为每条序列进行训练得到各自的状态转移矩阵;最后用近邻分类器对符号序列进行基于距离的分类.在三个应用领域的真实序列上进行了实验,并与基于子序列、HMM变体模型等现有分类方法进行对比,结果表明,所提出的方法能使用较低的特征维度取得较理想的分类精度.

6种笛鲷属鱼类Cyt b基因片段序列的比较

采用聚合酶链式反应直接测序法,获得紫红笛鲷(Lutjanusargentimaculatus)、白星笛鲷(L.stellatus)、千年笛鲷(L.sebae)、勒氏笛鲷(L.russelli)、红鳍笛鲷(L.erythropterus)5种笛鲷属鱼的线粒体细胞色素b(Cytb)425bp序列,并结合基因库中的斜带笛鲷(L.decussatus)Cytb同源序列进行比较分析,共发现88个核苷酸位点存在变异(20.7%)。用MEGA2.1软件中的Pairwisedistance工具计算了6种笛鲷属鱼类的相对遗传距离,表明6种笛鲷属鱼类的序列差异在0.096—0.129之间,其中红鳍笛鲷和紫红笛鲷序列差异最大为0.129,千年笛鲷与红鳍笛鲷的序列差异最小为0.096;序列变异的转换/颠换比值较低,平均只有2.160。

机械扫描天线电磁计算与距离像特征分析

针对主动雷达导引头对防空导弹武器系统制导雷达站检测与识别的需求,研究了机械扫描天线电磁散射特性的计算方法,并对其距离像特征进行了分析。首先采用图形电磁计算法对反射面天线的电磁散射特性进行了建模和计算,然后利用其宽频带雷达散射截面计算数据合成天线的一维距离像,进而对不同姿态下天线的距离像特征进行了分析。结果表明,由于天线的旋转,距离像序列的强度、宽度和位置呈现周期性的变化规律,从而为采用距离像序列对机械扫描天线进行识别以及对旋转周期和尺寸等参数的估计提供了可能。

基于一维像序列的弹道中段目标进动特征提取

鉴于进动周期、进动角等微动参数的提取有助于解决弹道中段弹头、诱饵的识别问题,以中段旋转对称锥体弹头为研究对象,建立了锥体目标进动模型,分析了目标进动对一维距离像的影响,推导了散射点的投影距离变化公式.在此基础上,给出了一种进动周期估计方法,并提出了一种利用锥体目标一维距离像长度变化来估计进动角的方法.该方法可在弹头结构尺寸未知的条件下实现对进动角的提取.仿真结果表明:所提方法有效、稳定,其处理过程简单.

结合预确定距离的BIST测试矢量优化

在分析和介绍了海明距离与笛卡尔距离的基础上,通过改进细胞自动机生成的测试矢量间的链接性,提出了结合预确定距离的测试矢量优化方法.该方法通过设计最大海明距离和笛卡尔距离构造预确定距离序列,并利用遗传算法的全局寻优得到最佳预确定测试序列.通过ISCSA’85实验结果表明,该方法生成的预确定测试矢量比LFSR-CA结构的测试方法有更高的故障覆盖率和测试效率,在检测难测故障中效果更明显.

基于注意力机制的堆叠LSTM网络雷达HRRP序列目标识别方法

传统的雷达高分辨距离像(high resolution range profile,HRRP)序列识别方法依赖于人工特征提取,并且现有的深度学习方法存在梯度消失问题,导致收敛速度慢,识别精度低。针对上述问题,提出一种基于注意力机制的堆叠长短时记忆(attention-based stacked long short-term memory,Attention-SLSTM)网络模型,该模型通过堆叠多个长短时记忆(long short-term memory,LSTM)网络层,实现了HRRP序列更深层次抽象特征的提取;通过替换模型的激活函数,减缓了堆叠LSTM(stacked LSTM,SLSTM)模型梯度消失问题;引入注意力机制计算特征序列的分配权重并用于分类识别步骤,增强了隐藏层特征的非线性表达能力。模型在雷达目标识别标准数据集MSTAR上多种不同目的的实验结果表明,所提方法具有更快的收敛速度和更好的识别性能,与多种现有方法对比具有更高的识别率,证明了所提方法的正确性和有效性。

基于HRRP序列的中段目标二维几何特征反演方法

针对导弹防御系统中的目标识别问题,该文研究弹道中段目标的2维几何特征反演方法。基于中段目标的特殊物理结构,分析了进动锥体目标在雷达径向投影尺寸的变化规律,建立了中段目标2维几何特征与其径向尺寸序列的映射关系,进而提出一种基于HRRPs的2维几何特征反演方法,能够稳定反演出中段进动目标在不同姿态下的2维几何特征。通过电磁计算数据和暗室测量数据验证了所提方法的有效性和稳定性。

基于改进核函数的支持向量机时间序列数据分类

针对传统支持向量机(support vector machine,SVM)对时间序列数据分类,仅通过样本在空间中的几何距离判别样本的类别,提出了一种基于改进核函数的支持向量机算法(SVM_IK,SVM with improved kernel function)。该算法计算样本与空间基数据的时间序列互相关距离,将样本数据映射到新的特征空间中,实现对线性核函数改进,最终根据改进的线性核函数SVM算法对样本数据进行分类。算法通过25组UCR数据集的验证,实验结果显示与1-NN算法和传统SVM算法相比,SVM_IK算法对时间序列数据具有较好的分类效果。

利用低数据率HRRP序列进行弹道中段目标识别

雷达目标识别是弹道防御阶段的关键环节,为节约雷达时间资源和降低对计算机处理能力的要求,需研究低数据率雷达回波信号的弹道中段目标识别方法,本文以低数据率目标高分辨一维距离像序列(High Resolution Range Profile,HRRP)为研究对象,提出了基于图像投影法的进动频率特征提取算法和基于特征级融合的弹道中段目标识别方法,解决了由于HRRP回波序列数据率过低而导致的时频曲线周期模糊和单一特征造成目标识别准确率浮动大的问题。本文通过仿真弹道导弹中段飞行场景中弹头、重诱饵、轻诱饵、碎片目标的特性数据,同时考虑目标尺寸、形状和微运动模型等差异,结合仿真数据对本文所提算法进行验证。实验结果表明在低数据率(10~100 Hz)下,HRRP序列利用本文算法提取的进动频率特征结果误差值小于0.05 Hz,具有较高准确性和稳定性,通过特征融合方法联合进动频率和目标结构特征将弹道中段目标的识别准确率提升到了96%以上且趋于稳定。

基于RID序列的微动目标高分辨三维成像方法

微动是指目标或目标上某些部件沿雷达视线方向的小幅、非匀速运动。通过对微动目标进行逆合成孔径雷达(ISAR)高分辨3维成像,能够获得其结构和运动信息,从而为微动目标检测、跟踪、分类与识别提供重要依据,并在空间态势感知与防空反导中发挥着重要作用。由于微动目标运动形式复杂、回波非平稳性强,现有的参数化ISAR成像方法已经不再适用。针对该问题,该文提出基于散射中心航迹矩阵分解的微动目标高分辨3维成像方法。该方法首先生成距离-瞬时多普勒(RID)像序列,利用watershed图像分割方法提取RID像的散射中心支撑域,并基于最小欧氏距离准则实现航迹关联。然后,针对散射中心航迹关联时瞬时斜距估计精度受距离分辨率影响等问题,进一步提出基于现代谱估计的散射中心航迹矩阵精估计方法。最后,通过带约束的航迹矩阵分解实现微动目标的高分辨3维成像。仿真结果表明,该文所提的成像方法能够有效实现章动等复杂微动目标的高分辨3维成像。