一种基于主瓣波束图优化的鲁棒自适应波束形成方法

    公开(公告)号:CN106960083A

    公开(公告)日:2017-07-18

    申请号:CN201710128178.8

    申请日:2017-03-06

    CPC classification number: G06F17/5009 G06F2217/08

    Abstract: 本发明属于阵列信号处理技术领域,涉及一种适用于模型失配时的基于主瓣波束图优化的鲁棒自适应波束形成方法。包括:对阵列数据进行采样获得时域快拍模型,并估计数据协方差矩阵;输入观测导向矢量、主瓣畸变因子、阵元数,构建主瓣波束图畸变的度量函数;对及输出功率进行约束来修正导向矢量,得到一个非凸非线性的优化问题;将该优化问题转化为等价的凸二次约束二次规划问题;采用高效的内点法结合矩阵秩‑1分解运算进行求解QCQP问题得到修正后导向矢量的估计值;将代入到SCB的权系数公式中得到本方法的波束形成器权系数并处理阵列数据,得到高输出信干噪比的期望信号。本发明存在基阵模型失配时输出信干噪比更高。主瓣波束图抗畸变能力更强。

    一种基于递归型核机器学习的高光谱异常目标检测方法

    公开(公告)号:CN105184797A

    公开(公告)日:2015-12-23

    申请号:CN201510593935.X

    申请日:2015-09-17

    CPC classification number: G06T7/0002 G06T2207/10036

    Abstract: 本发明涉及一种基于递归型核机器学习的高光谱异常目标检测方法。本发明包括:(1)输入高光谱数据;(2)选择核函数k(x,xi)=(xTxi)d,d∈N,建立核机器学习的高光谱目标检测模型,初始化Gram矩阵;(3)建立Gram矩阵KB(n)的状态方程;(4)利用Woodbury恒等式更新高光谱Gram矩阵KB(n)的逆矩阵[KB(n)]-1;(5)结合异常检测算子对高光谱图像进行快速检测;(6)高光谱图像检测完毕,输出结果。本发明无需重复计算KB(n)及其逆矩阵,可以大大减少算法计算时间,提高了高光谱异常目标检测效率。

    基于稀疏误差矩阵的高光谱图像目标检测方法

    公开(公告)号:CN104794457A

    公开(公告)日:2015-07-22

    申请号:CN201510223971.7

    申请日:2015-05-05

    Abstract: 本发明涉及的是一种基于稀疏误差矩阵的高光谱图像目标检测方法。本发明包括:读入高光谱数据这一图像的大小为m×n,输入正定权重系数λ;利用RPCA方法,将高光谱图像分解为一个低秩矩阵A和一个稀疏误差矩阵E;利用稀疏误差矩阵E第一波段进行目标检测。在此目标检测模型中,不需要假设目标和背景的分布特性,检测方法简单。由于背景像元和目标像元本身光谱特性的区别,它们分布在不同的子空间中。根据上述特性,将不同子空间的图像数据映射到一个低秩矩阵和一个稀疏误差矩阵:低秩矩阵中通常包含图像中背景信息,稀疏误差矩阵中包含目标信息及噪声信息。通过鲁棒主成分分析方法解得稀疏误差矩阵,利用稀疏误差矩阵第一主成分即可检测目标。

    一种图像特征提取和描述方法

    公开(公告)号:CN102663401B

    公开(公告)日:2013-11-20

    申请号:CN201210114061.1

    申请日:2012-04-18

    Abstract: 本发明涉及图像处理与计算机视觉领域,具体提供了一种适用于BoW(Bag of Words)模型应用在计算机视觉领域的图像特征提取与描述方法。本发明包括:对输入图像进行格式判断,若是灰度图像则不作处理,若不是灰度图像,则转换为HSV模型;选取尺度参数;采用均匀采样方法,按选取的尺度参数,以相同像素间隔对图像的特征点进行提取,计算图像H通道、S通道、V通道的DF-SIFT描述子,将颜色信息应用到分类任务中,采样密度由参数步长进行控制,得到图像的密集特征;对密集特征进行描述。本发明通过密集采样,使视觉词典更加准确可靠,利用双线性插值代替图像与高斯核函数卷积过程,使实现过程变得更简单、高效。

    一种小样本高光谱图像蒙特卡罗特征降维方法

    公开(公告)号:CN102663438A

    公开(公告)日:2012-09-12

    申请号:CN201210140027.1

    申请日:2012-05-08

    Abstract: 本发明的目的在于提供一种小样本高光谱图像蒙特卡罗特征降维方法,具体步骤是:1.蒙特卡罗特征降维算法特征参量的选取;2.蒙特卡罗特征降维算法随机数的生成;3.蒙特卡罗特征参量的统计估计。本方法在选取特征参量时,考虑了高光谱图像的类内紧性与类间分离性,提高了数据进一步处理的可靠性;同时本方法可以自适应的给出最优降维波段个数,选取原始高光谱图像中的重要特征波段用于图像的后续处理,提高了高维数据处理的便利性。

    一种长基线场景下幅度信息辅助粒子滤波的水下目标跟踪方法

    公开(公告)号:CN120009827A

    公开(公告)日:2025-05-16

    申请号:CN202510165088.0

    申请日:2025-02-14

    Abstract: 一种长基线场景下幅度信息辅助粒子滤波的水下目标跟踪方法,本发明属于长基线场景下的水下目标跟踪领域,涉及长基线场景下幅度信息辅助粒子滤波的水下目标跟踪方法。本发明的目的是为提高长基线场景下水下目标跟踪精度。包括以下步骤:一、初始化粒子的状态和权值;二、采用卡尔曼滤波器对所有粒子的状态向量的均值和协方差进行预测;三、根据测量值,对所有粒子结构体中的信息进行更新;四、根据粒子的权值计算有效粒子数;若有效粒子数小于门限值,则对粒子进行重采样,执行五;若有效粒子数大于等于门限值,则执行五;五、重复二到五,直到遍历完所有测量值;基于最后一个测量值中权值最大的粒子,得到时延跟踪结果。

    一种基于平滑循环周期图的谱相关估计方法

    公开(公告)号:CN118964805A

    公开(公告)日:2024-11-15

    申请号:CN202411151062.2

    申请日:2024-08-21

    Abstract: 一种基于平滑循环周期图的谱相关估计方法,本发明属于非平稳信号处理领域,涉及基于平滑循环周期图的谱相关估计方法。本发明的目的是为了解决现有的快速谱相关估计方法难以同时兼顾谱相关的估计质量、计算速度与内存需求,导致分离信号的循环频率和谱频率信息计算速度慢,代价高的问题。过程为:一:对信号进行L点快速傅里叶变换得到频谱;二:确定重叠保留法的最优分段段长M;三:基于频谱、最优分段段长M和重叠保留法对每一个k计算谱相关在谱频率fk的一个切片(α,fk),所有(α,fk)切片组成谱相关#imgabs0#四:对谱相关#imgabs1#进行幅度修正,获得修正后的谱相关#imgabs2#

    一种复杂场景检测前跟踪轨迹起始终止判定方法

    公开(公告)号:CN118587572A

    公开(公告)日:2024-09-03

    申请号:CN202410820599.7

    申请日:2024-06-24

    Abstract: 一种复杂场景检测前跟踪轨迹起始终止判定方法,本发明涉及检测前跟踪轨迹起始终止判定方法。本发明的目的是为了解决现有复杂多目标场景尤其轨迹之间邻近时轨迹起始终止判定准确率低的问题。本发明方法水下多目标轨迹起始终止和方位角估计分离,较传统方法降低了粒子数需求,提高了计算效率。同时该方法能获取各目标批次且适用于各种水下多目标场景,尤其在水下多目标邻近交叉时发生轨迹起始终止情况下本发明方法仍然适用,而传统方法只适用于非邻近情况。仿真结果表明,本发明方法能有效判断各种场景下的被动纯方位水下多目标检测前跟踪的轨迹起始终止。

    一种方位变化率约束下的基于DBSCAN聚类的轨迹维持方法

    公开(公告)号:CN118169634A

    公开(公告)日:2024-06-11

    申请号:CN202410285455.6

    申请日:2024-03-13

    Abstract: 一种方位变化率约束下的基于DBSCAN聚类的轨迹维持方法,它属于多目标纯方位跟踪领域。本发明解决了在目标邻近场景下,采用现有聚类算法的数据关联效果差的问题。本发明首先对当前时刻的目标状态进行估计并计算每个粒子估计的状态对应的权值;再提取上一时刻的所有聚类结果,并根据上一时刻的聚类结果和权值计算任意两个聚类中心的差值,并将差值与目标邻近门限进行比较,根据比较结果得到当前时刻的初始聚类结果,再基于初始聚类结果对粒子群估计的状态进行基于密度的聚类,得到当前时刻的最终聚类结果,通过本发明的聚类方法显著提升了数据关联的效果;最后根据聚类结果与历史轨迹进行轨迹判决。本发明方法可以应用于多目标纯方位跟踪。

    非合作线谱分布式水声定位方法

    公开(公告)号:CN115792806B

    公开(公告)日:2024-02-20

    申请号:CN202211585678.1

    申请日:2022-12-09

    Abstract: 非合作线谱分布式水声定位方法,本发明涉及分布式水声定位方法。本发明的目的是为了解决现有分布式水声定位方法利用观测到的目标辐射信号频率随时间的变化,基于单个观测节点即可获得匀速直线运动目标距离的无偏估计,但不能实现目标位置估计,无法获取目标运动轨迹的问题。非合作线谱分布式水声定位方法过程为:步骤1:构建分布式定位模型;步骤2:求解目标运动轨迹与各个测量单元之间的致近点距离;步骤3:利用步骤2求解的致近点距离解算出匀速直线运动轨迹的斜率和截距,得出匀速直线运动目标的运动轨迹。本发明用于分布式水声定位领域。

Patent Agency Ranking