基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

双谱法时差估计在井下超声测流中的应用

本文提出将双谱法时筹估计应用到井下超声石油流量计.时差估计对井下超声流量计的准确度起决定性的作用,而传统的互相关时差估计法会受到相关性高斯噪声的影响,导致较大的误差.双谱法时差估计理论上能够完全抑制高斯噪声,因此我们提出用双谱法时差估计替代互相关法来应对有相关性高斯噪声存在的情况.文中通过数值模拟和对实验流量计采集到的数据进行分析,得到了双谱法和传统的互相关法时差估计各自的适用范围和优缺点.