检索结果-南通市图书馆

基于时空轨迹信息的目标行为模式在线分类方法

在线全文

学校读者我要写书评

暂无评论

航空学报 2023年第8期44卷 233-245页

作者：姜乔文刘瑜丁自然孙顺简涛海军航空大学信息融合研究所烟台264001

在预警监视领域,及时地预测目标行为模式对于态势认知至关重要。首先,针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题,提出了带有离群检测的归纳式一致性多类预测器(ICMP)。其次,针对目标行为分类算法仅考虑目标的空... 详细信息

在预警监视领域,及时地预测目标行为模式对于态势认知至关重要。首先,针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题,提出了带有离群检测的归纳式一致性多类预测器(ICMP)。其次,针对目标行为分类算法仅考虑目标的空间位置信息,而忽略航向和速度信息的问题,基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离(STHD),从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后,基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数(DSHNN-NCM);在此基础上,提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器(SSHNN-ICMP),能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后,分别在仿真军事场景和真实民用场景中进行实验分析,结果表明本文算法具备较好的准确性和实时性,在预警监视任务中有良好的应用前景。

关键词：时空轨迹行为模式 Hausdorff距离一致性预测在线分类

在线全文

学校读者我要写书评

暂无评论

在线学习的循环自适应机动目标跟踪算法

航空学报 2022年第5期43卷 436-448页

作者：熊伟朱洪峰崔亚奇海军航空大学信息融合研究所烟台264001

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经... 详细信息

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经网络对其进行实时估计。由于Kalman滤波算法本身是一种循环结构,将简单的全连接层网络与其嵌合,全连接层网络实时输出状态转移矩阵、量测和过程噪声矩阵估计,构成一种广义的循环Kalman神经网络,根据网络最终输出的位置估计进行端到端的在线学习,并且通过理论推导证明了其在线学习的可行性。将提出的循环Kalman神经网络同3种经典机动目标算法进行了仿真对比,结果表明:循环Kalman神经网络跟踪需要很少的先验信息,在最优区域内较之其他3种算法具有最高的跟踪精度和鲁棒性,并且具有效率高、训练成本低以及可扩展性强的特点。

关键词：机动目标跟踪循环神经网络 Kalman滤波在线学习端到端

在线全文

学校读者我要写书评

暂无评论

面向非均衡类别的半监督辐射源识别方法

雷达学报（中英文） 2022年第4期11卷 713-727页

作者：谭凯文张立民闫文君徐从安凌青刘恒燕海军航空大学信息融合研究所烟台264001

针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法。该方法通过半监督训练方式优化生成器和判别器的网络参数,... 详细信息

针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法。该方法通过半监督训练方式优化生成器和判别器的网络参数,并向残差网络中添加多尺度拓扑模块融合时域信号的多维分辨率特征,赋予生成样本额外标签从而直接利用判别器完成分类。同时设计代价敏感损失缓解优势样本导致的梯度传播失衡,改善分类器在类不平衡数据集上的识别性能。在4类失衡仿真数据集上的实验结果表明,存在40%无标记样本的情况下,该方法对于5个辐射源的平均识别率相比于交叉熵损失和焦点损失分别提高5.34%和2.69%,为解决数据标注缺失和类别分布不均条件下的特定辐射源识别问题提供了新思路。

关键词：代价敏感学习生成式对抗网络非均衡类别特定辐射源识别半监督学习

在线全文

学校读者我要写书评

暂无评论

临近空间高超声速多目标检测前跟踪算法

航空学报 2022年第5期43卷 499-511页

作者：薄钧天王国宏于洪波张翔宇海军航空大学信息融合研究所烟台264001

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变... 详细信息

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。

关键词：临近空间高超声速目标峰值聚优 Hough变换检测前跟踪多目标

基于多模态特征融合网络的空时分组码识别算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2023年第2期51卷 489-498页

作者：张聿远闫文君张立民海军航空大学信息融合研究所山东烟台264001

针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首... 详细信息

针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首先,在合并卷积层将STBC时域样本映射为一维特征向量的基础上,采用多扩张率下的扩张卷积提取非连续时间窗的STBC码内特征,实现多时延特征自提取;然后,构建多时序特征自提取模块以提取码间时序特征,进一步扩展映射特征类型;最后,将多时延拼接层获取的最大时延特征作为深层融合特征,并增加了带跨越连接的残差层以提升融合特征利用率,实现空时分组码识别.仿真实验结果表明,本文算法在-9dB下对6类STBC信号的识别准确率达到了90%以上,较现有识别算法的性能获得了显著提升,对低信噪比有较强的适应性.本文提出的STBC多时延特征提取和融合方法,为结合传统算法设计深度学习网络结构提供了新思路,其思想同样可应用于其他通信信号识别领域.

关键词：空时分组码深度学习扩张卷积多时延特征多时序特征最大时延融合

基于角域特征PSO的海面目标HRRP识别方法

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2023年第6期45卷 1642-1650页

作者：王哲昊简涛黄晓冬王海鹏刘瑜海军航空大学信息融合研究所山东烟台264001

针对特征空间中各类海面目标特征混叠严重和高分辨距离像(high resolution range profile, HRRP)的角度特征利用率低的问题,提出了一种基于角域特征粒子群优化(particle swarm optimization, PSO)的海面目标HRRP识别方法。该方法引入HRR... 详细信息

针对特征空间中各类海面目标特征混叠严重和高分辨距离像(high resolution range profile, HRRP)的角度特征利用率低的问题,提出了一种基于角域特征粒子群优化(particle swarm optimization, PSO)的海面目标HRRP识别方法。该方法引入HRRP的角度信息优化特征空间,增加特征空间的整体可分性;利用自适应分帧算法对特征空间进行角域划分,增加特征空间的局部可分性,并利用PSO算法确定特征空间角域划分时最优的单帧最小样本数目,增强方法的鲁棒性与适用性。实验结果表明,通过将特征空间优化和区域划分进行结合,可以有效提升多类海面目标的分类识别性能,PSO算法可以有效增强方法的抗误差性和抗噪鲁棒性。

关键词：海面目标识别高分辨距离像特征空间优化自适应分帧粒子群优化算法

神经过程和运动模型混合驱动的机动目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2023年第4期57卷 152-161页

作者：朱洪峰熊伟崔亚奇王子玲海军航空大学信息融合研究所山东烟台264001

针对基于贝叶斯滤波器模型的目标跟踪算法非常依赖先验知识,在复杂场景中跟踪性能下降的问题,提出了一种神经过程和运动模型混合驱动的机动目标跟踪算法。利用神经网络构建一个目标运动的随机微分方程来提高对目标运动的建模能力;使用... 详细信息

针对基于贝叶斯滤波器模型的目标跟踪算法非常依赖先验知识,在复杂场景中跟踪性能下降的问题,提出了一种神经过程和运动模型混合驱动的机动目标跟踪算法。利用神经网络构建一个目标运动的随机微分方程来提高对目标运动的建模能力;使用加速度模型作为领域知识约束目标状态的微分方程,构造一个混合驱动的解码器;利用所构成的混合驱动解码器替换神经过程的解码模块,形成一种无监督学习的混合驱动滤波器。仿真实验结果表明:所提算法同时具有数据驱动和模型驱动算法的优势,依赖先验知识少,能在不同场景下保持稳定的跟踪精度,生成的轨迹较神经过程滤波器更加平滑且具有目标动力学特征;与经典的贝叶斯滤波器相比,所提算法的状态估计峰值误差平均降低了20%。

关键词：机动目标跟踪神经过程混合驱动无监督学习状态估计

在线全文

学校读者我要写书评

暂无评论

海杂波背景下的双极化最大特征值目标检测

系统工程与电子技术 2024年

作者：关键姜星宇刘宁波丁昊黄勇海军航空大学信息融合研究所

基于信息几何的矩阵恒虚警（constant false alarm rate， CFAR）检测器可以在脉冲数较少的海杂波环境下，有效地进行海上目标检测。主要原因在于其通过协方差矩阵很好地利用了数据之间的相关性信息。然而，由于现有的矩阵CFAR检测器仅... 详细信息

基于信息几何的矩阵恒虚警（constant false alarm rate， CFAR）检测器可以在脉冲数较少的海杂波环境下，有效地进行海上目标检测。主要原因在于其通过协方差矩阵很好地利用了数据之间的相关性信息。然而，由于现有的矩阵CFAR检测器仅对单一极化回波进行处理，且计算复杂度较高，导致相关性信息使用不充分、检测场景受限。文章利用双极化雷达回波，计算协方差矩阵，并通过提取其特征值来衡量回波间的关联性。进一步，提出了一种计算复杂度较低的基于双极化最大特征值的检测方法。首先，推导了以最大特征值作为几何距离进行检测的可行性。进一步，设计了可在实际场景中使用的基于双极化最大特征值的矩阵CFAR检测器。最后，通过实测海杂波数据验证了该方法的实际检测能力。

关键词：海杂波目标检测特征值

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于平行线坐标变换的检测前跟踪算法

航空学报 2022年第8期43卷 564-577页

作者：薄钧天王国宏于洪波彭志刚海军航空大学信息融合研究所烟台264001 海军航空大学青岛校区青岛266041

针对微弱目标检测对提高检测概率和优化实时性的需求,提出一种平行线坐标变换检测前跟踪算法。首先将量测点坐标映射为径向距离-时间坐标并规格化,建立以y轴为对称轴的平行线,按照变换规则实现点到线的转化,网格化平面后进行票数积累和... 详细信息

针对微弱目标检测对提高检测概率和优化实时性的需求,提出一种平行线坐标变换检测前跟踪算法。首先将量测点坐标映射为径向距离-时间坐标并规格化,建立以y轴为对称轴的平行线,按照变换规则实现点到线的转化,网格化平面后进行票数积累和能量积累,再进行峰值提取与航迹修正,后输出航迹。仿真结果显示:基于平行线坐标变换检测前跟踪(PT-TBD)算法的检测概率要优于基于Hough变换的检测前跟踪(HT-TBD)算法,二者虚假航迹率相近,运算速度要快于HT-TBD算法,是一种新的效果更好的基于投影变换的检测前跟踪算法。

关键词：微弱目标平行线坐标变换非相参积累检测前跟踪积累损失