一种双基地MIMO雷达的相关目标定位方法

多输入多输入(MIMO)雷达是最近几年提出来的一种新体制雷达,在探测目标空间位置时,若空间目标相关,很多算法将会失效。针对该问题,提出一种双基地MIMO雷达的相关目标定位方法,通过在MIMO雷达的发射端和接收端构造虚拟阵列,从而实现空间相关目标信号的解相关,得到空间目标正确的位置,且估计参数自动配对。该方法避免了阵列孔径损失,估计精度高。理论分析和计算机仿真结果验证了该算法的有效性。

上海、武汉、成都城市近郊农家乐家庭相关目标实证研究

本文基于对上海、武汉、成都市近郊型农家乐业主问卷调查的实证分析,得出业主在民主决策、就业、促进家庭和谐和事业传承等家庭相关目标的调查结果,通过进一步分析,得出研究结论如下:3地业主均表现出决策的民主意识;农家乐使家人有更多团聚机会,促进了家庭的凝聚力与和谐;农家乐促进了家庭成员就业,但作用相当有限;业主对农家乐未来家庭传承的反应大多比较冷淡。另外,3地业主由于受教育程度、价值取向、家庭就业结构和经营状况的不同而呈现出各自差异化的特点。本研究理论上丰富了农家乐对乡村社区的社会影响研究,实践上,也为衡量农家乐对社会主义新农村建设的社会效应提供了量化的参考。

双基地MIMO雷达强相关目标的DOD和DOA估计

当双基地多输入多输出雷达的多个目标反射的信号具有相同的多普勒频率和反射幅值时,直接采用谱估计类算法或者旋转空间不变法均无法准确估计强相关目标的波离方向和波达方向。为解决以上问题,先建立包含多普勒频率和反射幅值的双基地MIMO雷达信号模型,分析强相关目标角度估计中协方差矩阵的秩,以及此时协方差矩阵的本征值对角度估计的影响。然后讨论了具有Hermitian性质的Toeplitz矩阵的协方差矩阵重构方法,并将之用于双基地MIMO雷达的强相关目标波达方向和波离方向估计中。仿真结果表明,上述算法提高了双基地MIMO雷达强相关目标的角度估计精度。

基于互相关目标函数的反射波波形反演

在速度—密度参数化模式下,传统全波形反演(FWI)得到的密度结果存在严重的偏移效应,即无法恢复模型中的低波数信息。反射波波形反演(RWI)能够反演密度模型的低波数分量,将其与FWI结合能够更准确地反演密度模型。为此,提出基于互相关目标函数的速度—密度双参数RWI方法。首先回顾了传统声波变密度方程双参数反演,并利用辐射模式分析了密度反演的偏移特征;然后在实施RWI过程中借助速度和密度高度耦合性,通过Gardner公式同步更新速度和密度参数;再将最终的反演结果作为输入模型进行传统速度—密度双参数FWI;最终建立了基于RWI+FWI的速度—密度双参数反演流程。简单双层模型和重采样的Sigsbee 2A模型测试结果表明,RWI可克服反演局部极值并减弱密度偏移特征,在实施RWI过程中利用Gardner经验公式同时对速度和密度进行更新,可精确地恢复速度、密度的低波数信息。

杂波中相关目标的雷达检测

本文提出了目标雷达回波的一般模型。其原理是将回波作为由高斯白噪声驱动的线性动态系统的输出来考虑。有两种产生目标N个回波的模型;一同产生或一个一个顺序产生回波样本。这种模型可以提供脉冲间的任意相关性和目标的非平稳属性。接着就是要考虑设计最佳接收机结构的问题。对于杂波和热噪声背景下的高斯分布的时间相关目标,使用“估计-相关”接收机的理论,可以得到两个相应的检测框图 (即一次性 (batch) 检测器和递归检测器),分别对应上面提到的两种雷达回波产生方法。将分析-数值结合法用于有意义的运行情况,以便得到一组新颖的检测曲线。最后,考虑到杂波协方差矩阵的在线 (on-line) 估计和恒虚警门限问题,本文建议采用自适应方法实现上述处理器。在上述两种情况下,自适应所造成的检测损失已用蒙特卡罗模拟方法估算出来。总的来讲,本文的独特贡献在于建立了一个十分有效的雷达回波数学模型和一系列检测曲线。另外,是将雷达工程师并不常用的一个重要概念,即“估计-相关器”应用到雷达中。

基于全局和局部目标点相关性的多标签学习

传统单标签学习一般都是假设一个示例仅仅与一个标签相关。然而,随着科技的发展和数据形式的日益复杂,现实中的学习问题,往往一个示例同时与多个标签相关,面对这种情况,多标签学习框架被提出。现有的多标签学习大多都是从标签相关性的角度考虑,而目标点的相关性也是一个值得研究的问题。目前目标点相关性算法都是只从全局角度,或者只是从局部角度研究多标签学习问题,这对实际情况并不完全适用。本文提出一种新的同时利用全局目标点相关性和局部目标点相关性的多标签学习算法。首先运用深度神经网络学习得到全局目标点的相关性,再使用k近邻算法将全局目标点划分为局部目标点,进而运用欧式距离度量局部目标点的相关性。最后,将全局目标点相关性和局部目标点相关性结合在一起得到一个最优解。8个多标签数据集上的实验结果验证了本文所提出算法的有效性和可行性。

基于相关机会目标规划的风光储联合发电系统储能调度策略

为改善风电、光伏发电出力的不确定性,使风光储联合发电系统具有可调度性,将风电和光伏发电的出力表示为确定性的出力和具有模糊性的误差之和。利用相关机会目标规划方法,以风光储调度出力曲线与计划出力曲线匹配程度最大,储能电池充放电功率最平缓和储能电池可持续工作性最佳为目标,建立了风光储联合发电系统储能调度模型。利用将模糊模拟、神经网络与改进粒子群算法嵌套结合形成新型混合智能算法对模型进行了求解,给出了联合发电系统日前储能调度计划。算例分析表明,新算法能够较好地求解高维数不确定规划问题,其收敛速度快,全局和局部搜索能力强。

基于相关机会目标规划的电力系统优化调度研究

在可再生能源大规模接入电力系统的背景下,考虑功率预测误差对电力系统调度模型功率平衡方程的影响,主要就含有不确定变量的功率平衡方程的求解问题进行研究,建立基于相关机会目标规划的电力系统优化调度模型,实现功率平衡方程中含有随机预测误差的调度模型的求解。首先,为了实现含有随机变量功率平衡方程的求解,将功率平衡的等式约束松弛为不等式约束,把功率平衡约束转化为不确定环境下极大化随机事件发生概率的相关机会规划模型。然后,为兼顾方案的经济性和安全性引入机会约束条件,为模型的快速求解,引入目标规划模型,建立基于相关机会目标规划的电力系统优化调度模型。最后,算例验证了所建模型的有效性。

结合目标特定特征和目标相关性的多目标回归

多目标回归旨在使用一组共同的输入变量来预测多个连续变量,其现有方法可归类为问题转换法和算法适应法.它的主要挑战在于如何对输入与输出空间的复杂关系进行建模,以及如何有效利用目标间的相关性.然而,现有的问题转换法很少同时考虑到这两方面.基于此,本文构建了一种问题转换法同时应对这两大挑战,提出了一种结合目标特定特征和目标相关性的多目标回归方法(Multi-Target Regression via Specific Features and Inter-Target Correlations,TSF-TC).TSF-TC通过对分箱后的样本进行聚类分析构建目标特定特征从而对输入与输出空间的复杂关系进行建模,通过有选择性地堆叠单目标预测值揭示目标间的相关性.本文使用TSF-TC在18个多目标回归数据集上与现有多目标回归方法进行了对比实验,实验结果充分表明了TSF-TC的优势.

目标搜索雷达数据相关处理方法

目标搜索连续波雷达在目标探测方面有着固有的优势,而对多目标雷达数据处理在去除虚警、目标相关等方面具有相当的难度。目标探测连续波雷达多目标数据处理相关算法运用于某连续波低空搜索雷达,通过实时数据相关处理,进行方位/时间、位置、速度等的相关处理,滤除虚警,获得真实目标的航迹参数,并在试验中取得了很好的效果。

逆向物流再造网络成本优化的相关机会目标规划模型研究

逆向物流凭借着其重大的经济社会价值,成为了企业物流战略的重要组成部分。本文简要介绍了逆向物流的经济价值和特点,划分了逆向物流产品构成,重点研究了逆向物流再造网络的结构和特点,并运用相关机会规划理论建立了逆向物流再造网络的成本优化模型。

论心理测试中相关目标问题(R 问题)再开发

心理测试技术作为人机结合的刑事科学技术手段,经过大量的实践检验证明,其科学性得到大量广泛的认可,在案件侦办领域发挥着巨大作用,特别是在心理测试中,对受测人进行测试时,如何开发好R 问题,对受测人进行甄别、认定起到关键的作用,为侦办案件提供了可靠的依据。

目标参数相关性能的指标分析

结合舰艇编队传感器系统的应用 ,对信息融合系统中的目标相关性能进行了说明 ,重点对相关概率、综合相关度等性能指标进行了系统的分析 ,并在这个基础上建立了一组性能指标。

运用目标计算法对决定短跑成绩相关因素的计算与分析

笔者提出了一种新的目标相关计算方法,将其应用在100m15项因素指标与成绩(目标)的相关分析中,对决 定100m成绩的体能、技术、形态三大类因素指标与成绩目标的相关程度进行排序,得到了较理想的结果。为体育运动 运动中多因素分析提供了一个简便而实用的计算方法。

基于相关机会目标规划的钢板切割分配建模

为实现从多个不确定供给端向数控切割机分配钢板的多目标要求,运用相关机会目标规划对钢板切割的供给-分配系统进行建模.该模型修正了同一优先级下对多目标的处理过程,并在给定优先级下极小化各目标偏差,采用融合随机模拟、神经网络和遗传算法的混合智能算法进行求解.计算结果极大化了关键设备完成最大切割长度的机会,提出了加大临时抽板量的同时保证分配有序性的方法,基本满足了生产的多目标要求.结果表明,将相关机会目标规划用于多供给端分配系统中,可以消除和控制由于供给的不确定性对生产造成的影响.

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。

一种流程企业生产计划的多目标优化方法

传统的流程企业生产计划研究缺少大系统建模方法和相应的优化算法,而且多为单目标、确定性模型,使生产计划缺乏应有的灵活性。提出了一种新的流程企业生产计划的优化方法,将投入产出分析与模糊相关机会目标规划结合,建立流程企业生产计划的模糊优化模型,并使用基于模糊模拟、神经元网络和遗传算法的混合智能算法进行求解。

对企业可持续发展视角下企业财务管理目标的认识

企业作为国民经济的微观主体,其可持续发展能力在一定程度上会影响社会经济的持续发展。财务管理目标作为企业管理的核心内容,对于实现企业的可持续发展起着尤为重要的作用。本文从企业可持续发展的视角,重新分析了财务管理目标的主流观点,提出相关者利益最大化是对企业可持续发展具有推动作用的,是企业财务管理目标的合理选择。

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。

基于序列图像中运动小目标检测

根据序列胶片图像中运动目标帧间相关特性,提出一种弱小目标检测的方法。采用图像积累的方法,提高信噪比,去除图像背景;采用自适应门限进行阈值分割,得到二值化的图像;利用帧间目标相关的特性去掉噪声点,检测出目标点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的微小运动目标。