激光告警接收机灵敏度和信噪比分析及实验验证

为了对抗现代战争中日趋严重的激光威胁,激光告警技术已成为亟需研究的课题之一。灵敏度和信噪比是激光告警系统重要的性能指标,它直接影响告警系统整体的探测性能。文中根据信号统计检测理论,提出了一种计算相干探测光谱识别型激光告警接收机灵敏度和信噪比的方法。首先,分析了激光信号和接收机噪声的概率分布。然后,基于阈值探测理论和奈曼—皮尔逊准则,通过引入探测概率因子和虚警概率因子,建立了信号电流方程,进而得到了灵敏度和信噪比的计算表达式。最后,利用该方法对自行研制的光栅衍射激光告警接收机的探测灵敏度和信噪比进行了理论计算和相关的实验验证,结果表明:由该方法计算的灵敏度和信噪比与实验结果基本相符。

分布式多传感器系统的最佳检测和性能

提出了多传感器分布式检测系统在Neyman Pearson(N P)准则下融合规则和各局部判决规则之间协调关系的理论分析方法 ,完整地给出了两种次最佳系统和全局最佳系统判决规则的理论推导 ,并籍此理论对上 3种系统进行了瑞利信道的仿真及性能比较 ,结果表明分布式检测中全局最佳系统的检测性能和接收机特性均优于两种次最佳系统 .

分布式检测系统的混合优化设计方法

提出了一种用于Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ准则下分布式检测系统优化设计的混合优化方法．该方法同时使用进化计算和Ｐｏｗｅｌ方向加速法进行搜索，无须使用目标函数的导数信息，适用于非线性优化问题以及导数信息难于计算的优化问题，具有适用性好、精度高的优点．

一种视频对象分割技术的研究与实现

本文提出一种可以从复杂场景中分割出视频对象的方法。首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测。然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板。最后利用运动检测算法剔除由于噪声导致的标记块。实验结果表明,本文所述方法能够有效的分割出视频对象。

小波分析在路面不平度信号降噪中的应用研究

阐述了几种传统小波去噪原理及其优缺点,在此基础上提出了一种基于能量元和Neyman-Pearson准则的小波阈值去噪算法,并将其用于路面不平度数据的降噪分析。仿真结果表明,该算法不仅能最大限度地保留路面不平度信号的趋势部分,而且能有效降噪。

基于多分辨分析和近似熵的脑电癫痫波自动检测

脑电癫痫特征的自动提取在临床应用上具有重要意义。分析了小波多分辨分析和近似熵特征提取的特点,提出了8通道脑电信号癫痫波的检测方法。首先每个通道的信号利用小波变换进行5层分解,然后对分解的细节信号作近似熵计算,发现含有癫痫活动的脑电信号与正常脑电有显著的区别,最后利用Neyman-Pearson准则进行检验比较。实验结果表明,在一定误检率下,检测率最高的是在第一层,而且这种方法保证了检测系统具有较小的误检率和较高的检测率。

应用免疫策略的多传感器决策融合设计

使用基于改进型人工免疫策略的优化算法,在统计相关的观测条件下,对固定融合规则的基于奈曼-皮尔逊准则的分布式多传感器决策融合系统进行优化设计。算法首先以筛选算子进行预搜索缩小范围,然后使用人工免疫策略方法进行全局搜索,计算过程无须使用目标函数的导数信息。对分布式多传感器决策融合系统的优化设计结果表明,优化算法在收敛性和精度上均优于传统梯度算法,并在此基础上对不同信号期望值下的最优融合规则进行了讨论。

基于进化策略的多传感器检测系统的优化设计

本文提出一种聂曼 皮尔逊准则下分布式多传感器检测系统优化设计的混合优化算法 ,该算法以进化策略方法进行全局搜索 ,辅以Powell方向加速法进行局部搜索 ,无须使用目标函数的导数信息 .对分布式恒虚警检测系统的优化设计结果表明 ,混合优化算法在收敛性和精度上都优于梯度算法 .

某雷达网的检测仿真

研究了某雷达在布网方式下的目标检测特性,首先讨论了该雷达网的布站方式和检测原理.然后给出了雷达网分布式检测融合系统的最优检测、融合系统全局最优化的必要条件和求解系统全局最优解的数值迭代算法,并进行了仿真。仿真结果表明,采用该融合算法对某雷达在布网方式下的目标检测特性进行优化.可有效提高系统的检测性能。

一种高效的协作频谱感知架构

为了有效利用协作频谱感知中的上传时隙以改善感知性能,该文设计一种新的协作频谱感知(CSS)架构。其核心思想是:当一个次用户上传信息时,后面的次用户继续执行本地感知直至轮到其上传时才停止,该方法合理地将一半的空闲上传时隙用于感知,因而更为高效。同时,该文基于Neyman-Pearson准则,研究了AND准则和OR准则下的最优调度策略问题,并讨论了该架构带来的感知性能增益。仿真结果表明:所提架构可以有效改善协作频谱感知性能,而不带来额外的感知时延。

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼-皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。