一种新的分块恒虚警率检测技术

经典的参量型恒虚警率检测器只在特定的背景环境下才能得到较高的检测性能,而 低空监视雷达的工作环境较为复杂,需要一种对杂波环境具有较强稳定性的检测器。为此, 对传统的检测技术进行了改进,提出了一种新的分块恒虚警率检测技术。该技术通过对参考 单元进行适当分块来提高对不同环境的适应能力,弥补了传统恒虚警率检测技术需要杂波背 景分布的不足,增强了检测算法的通用性。给出了该算法在均匀杂波环境和杂波边缘环境 下的虚警概率理论公式。计算机仿真验证了该技术的可行性和有效性。     

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。     

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工 程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型 CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性 较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的 船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”——截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式（HV、VH）的检测效果优于同极化方式(HH、VV)的检测效果。     

一种双通道雷达恒虚警率处理方法

在分析双通道恒虚警率(CFAR)检测系统原理的基础上,以瑞利杂波分布为背景,建立了一个三元检测的数学模型,推导出线性检波下双通道CFAR检测器的虚警概率表达式。结合公式利用MATLAB仿真,定量分析了影响虚警概率的因素,并将其与单通道情况进行了比较,得出双通道的虚警概率是归一化门限与消隐门限的函数的结论。     

一种指数形式时变加权的机载双基雷达STAP算法

针对机载双基雷达杂波距离向分布非平稳,统计型空时自适应处理技术杂波抑制性能急剧下降问题,提出一种基于指数形式时变加权算法。该方法引入距离的非线性函数表示杂波的变化特性,通过对样本数据进行指数形式扩展,实现杂波非平稳分布的补偿。理论分析和仿真实验表明,所提方法能有效抑制来自不同距离的双基杂波,在急剧变化的杂波环境下性能优于时变加权法和局域处理法。     

超宽带透视雷达回波信号处理技术分析

本文对超宽带透视雷达系统回波信号处理中的杂波抑制算法进行研究,主要针对近距离或浅层应用中的回波数据杂波抑制问题,提出一种新的基于回波数据能量和数学特征的杂波抑制算法.对实测数据分别用均值法、基于图像处理技术的杂波抑制算法以及基于回波数据能量和数学特征的杂波抑制算法进行处理,结果表明基于回波数据能量和数学特征的杂波抑制算法能够在去除杂波的同时,有效地减少运算的数据量.     

小型化高频地波雷达舰船目标检测方法

针对OSMAR2003型小型化高频地波雷达系统的目标检测问题,讨论了对小型化高频地波雷达系统低信杂比回波信号的优化处理过程,给出了一种峰值检测后同时在距离域、多普勒域和波束域进行联合的三维联合恒虚警(CFAR)目标检测方法,利用高分辨力测向算法对检测到的目标进行方位估计,然后利用最邻近法进行目标关联得到目标点航迹,最后结合小型化高频地波超视距雷达的实测数据验证了三维CFAR检测器的有效性。     

以非负矩阵分解提取局部特征的SAR目标稀疏表示分类

合成孔径雷达（SAR）目标分类是自动目标识别系统的核心功能之一,对于战场监视等应用具有重要意义。利用SAR图像局部散射明显的特点,提出了通过训练样本的非负矩阵分解获得低维数局部特征编码,并以该编码作为字典进行稀疏表示分类的方法。采用Gotcha项目民用车辆目标的实测数据进行了验证,结果显示在不同信噪比条件下该方法的分类正确率均优于广泛采用的由降采样、随机投影、主成分分析提取低维数特征的稀疏表示分类方法,表明了该方法的性能优势。另外,还通过实验对比分析了非负约束的稀疏表示与标准稀疏表示在分类性能上的差别,结果显示非负约束的稀疏表示导致分类正确率下降,故针对分类问题不宜在稀疏表示时进行非负约束。     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法。该方法通过判 断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进 行传统的背景预测。设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测 算法。实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波 抑制能力。     

多外观模型的鲁棒人脸跟踪

为了解决在真实场景中进行视觉人脸跟踪时不同挑战之间的外观匹配问题，提出了一种多外观模型的人脸跟踪算法。该算法利用多个具有长期和短期外观记忆的外观模型进行有效的人脸跟踪，对变形、旋转、尺度和光照变化表现出鲁棒性。同时利用先检测后跟踪算法的优点，通过使用人脸检测器来处理人脸的剧烈外观变化，检测器也有助于在漂移过程中重新初始化所提算法。最后提出了一种加权分数级融合策略，通过在可能的人脸位置生成的候选人脸来获得融合值最高的人脸跟踪输出。实验结果证明，该跟踪器在自启动时表现出色，性能优于许多先进的跟踪器。     

一种适用于16QAM的自适应阈值载波锁定检测算法

为避免传统16阶正交幅度调制（16-Quardrature Amplitude Modulation，16QAM）载波锁定指示锁定阈值受输入信号电平的影响，提出了一种基于归一化信号高阶矩的16QAM载波锁定检测算法。针对传统基于固定阈值的检测算法在数据不满足均匀分布时失效的情况，提出了一种基于输入数据统计特性的自适应阈值载波锁定检测算法。实验结果和工程应用结果表明，所提出的自适应门限能更好地适应不同数据下的载波锁定检测。该方法已经在某卫星对接试验中得到了应用验证，取得了满意的效果。     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结 果并不理想。为了解决上述问题,对D S证据理论的证据组合规则进行了改进,给出了一个 在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频 谱感知中。MATLAB仿真测试与结果分析表明改进算法提高了频谱感知性能。     

A hybrid data mining model of feature selection algorithms and ensemble learning classifiers for credit scoring

Data mining techniques have numerous applications in credit scoring of customers in the banking field. One of the most popular data mining techniques is the classification method. Previous researches have demonstrated that using the feature selection (FS) algorithms and ensemble classifiers can improve the banks' performance in credit scoring problems. In this domain, the main issue is the simultaneous and the hybrid utilization of several FS and ensemble learning classification algorithms with respect to their parameters setting, in order to achieve a higher performance in the proposed model. As a result, the present paper has developed a hybrid data mining model of feature selection and ensemble learning classification algorithms on the basis of three stages. The first stage, as expected, deals with the data gathering and pre-processing. In the second stage, four FS algorithms are employed, including principal component analysis (PCA), genetic algorithm (GA), information gain ratio, and relief attribute evaluation function. In here, parameters setting of FS methods is based on the classification accuracy resulted from the implementation of the support vector machine (SVM) classification algorithm. After choosing the appropriate model for each selected feature, they are applied to the base and ensemble classification algorithms. In this stage, the best FS algorithm with its parameters setting is indicated for the modeling stage of the proposed model. In the third stage, the classification algorithms are employed for the dataset prepared from each FS algorithm. The results exhibited that in the second stage, PCA algorithm is the best FS algorithm. In the third stage, the classification results showed that the artificial neural network (ANN) adaptive boosting (AdaBoost) method has higher classification accuracy. Ultimately, the paper verified and proposed the hybrid model as an operative and strong model for performing credit scoring.     

组网红外/雷达协同间歇式目标跟踪

为进一步提高组网火控雷达间歇跟踪系统性能,提出了基于组网的红外/雷达协同 间歇跟踪方法。该方法利用红外/雷达进行协同间歇跟踪,通过数据拟合对连续红外数据与 间歇雷达数据进行时间配准,并对配准后的数据进行压缩,然后采用集中式序贯滤波融合算 法对异类间歇数据进行融合,形成连续的目标跟踪航迹。仿真结果表明,与组网火控雷达间 歇跟踪相比,该方法能够得到更高的低截获性能。     

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。