雷达海杂波尖峰时频分布特性研究

对雷达海尖峰进行了重新定义,使用短时傅里叶变换、平滑伪维格纳分布以及平滑内维格纳分布的重排形式3种工具分析了IPIX雷达杂波数据的单个距离分辨单元内海尖峰与时频分布之间的关系。研究表明,伴随海尖峰的发生,杂波对应的时频能量分布也较强。

小波变换结合盲源分离的EEG情感识别

由于脑电信号独立源数目的不确定性以及其他噪声的干扰,使得采集的脑电信号各导信号之间产生串扰、源信号难以估计以及噪声混杂等问题,严重影响了对脑电信号的分析研究。将小波变换与盲源分离算法相结合,并对盲源分离算法中维格纳分布存在的交叉项干扰现象进行重排处理。主要思路是首先将每一导信号进行小波变换,提取出特征波β波,然后对这些β波信号进行基于重排光滑伪维格纳分布的盲源分离,分离出关联性极大的β波成分。实验结果表明,所用方法分离出了各导信号中关联性大的脑电信号成分,并在一定程度上解决了源信号难以估计等问题,使识别结果有明显的提升。

双基地ISAR成像分析

在建立远场条件下双基地ISAR转台模型的基础上,阐述了双基地ISAR的成像原理。针对双基地ISAR系统中相对转角计算复杂的问题,给出了一种利用合多普勒带宽计算双基地ISAR方位分辨率的方法。详细分析了双基地ISAR系统的收、发分置结构对目标成像的影响,针对双基地ISAR系统中机动目标多普勒频率信息的时变特性,将基于时频分析技术的距离-瞬时多普勒成像算法引入双基地ISAR目标像的重建过程中。最后,仿真实验验证了算法的有效性。

层次狄利克雷过程隐半马尔科夫模型识别飞行员脑疲劳状态

在民航及军用航空领域,长期恶劣飞行环境的影响将导致飞行员精神不集中,产生疲劳现象,严重影响飞行员的判断能力.因此,研究飞行员的脑疲劳状态对飞行安全来说非常重要.脑疲劳推理主要面临二个基本问题:一是如何提取脑疲劳认知的特征,二是如何识别带驻留时间的脑疲劳认知潜在状态.针对第1个问题,本文提出一种基于Kaiser窗函数的光滑伪仿射维格纳–维勒分布的方法,提取主要认知脑区的脑电节律的瞬时频谱特征.并与其他时频分布的特征进行对比,本文的特征具有明显的局部显著性.针对第2个问题,本文建立一种基于剩余寿命的隐半马尔科夫模型(HSMM)的飞行员脑疲劳认知动力学推理模型,解决了传统隐马尔科夫模型潜状态快速切换及无法对潜状态驻留时间进行建模的问题.飞行员脑疲劳认知行为是由多通道的脑节律融合的整体表现行为,建立多通道共享狄利克雷过程先验参数的层次学习网络,形成共享疲劳认知主题的子任务学习机制.实验结果显示本文的模型具有较高的推理飞行员脑疲劳状态的能力,具有广泛的应用价值.