基于形态分层的膛内高速运动体摆动角度测量方法研究

在使用微波干涉仪对膛内高速运动体目标摆动角度的测量中,提出一种基于形态分层的方法对膛内目标摆动角度进行估计。首先对在靶场中采集到的实际信号预处理并通过短时傅里叶变换获取高速运动体的纵向速度变换规律;接着对预处理后的信号进行小波变换和局部均值分解(LMD)变换相结合的形态分层处理获得膛内高速运动体目标的微动特征;最后根据实际的高速运动目标初始偏移程度对其摆动角度进行估计。研究表明,通过形态分层的分析方法能够定量的获取到膛内高速运动目标摆动角度大小的变换规律,为判断运动目标本身的稳定性和身管内的平衡性提供依据。

一种自适应邻域选择算法

提出一种自适应邻域选择算法,适用于所有基于局部的流形学习算法.该算法能够根据数据集分布的不同密度和曲率选择合适的邻域大小,同时结合局部多维尺度变换(LMDS),在合适的邻域下直接降维并通过全局整合得到数据集的低维坐标.实验表明该算法可较好恢复较复杂数据集的低维几何结构.