简介：针对高分辨雷达目标散射回波的非平稳特性，提出了利用Hilbert—Huang变换进行时频分析获得目标特性的方法。首先利用简单电磁散射模型仿真了三类目标的一维距离像，然后采用Hilbert—Huang变换对各类目标在不同姿态角下的回波进行时频分析，提取时频分布图的边际谱作为目标特征矢量，利用径向基函数神经网络分类器对特征矢量进行训练和学习，最后对三类目标作了识别，仿真对比实验验证了该方法的有效性。

简介：特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征，稀疏约束将被添加在非负矩阵分解法中，并应用于图像目标特征提取，通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解，构建具有稀疏性的目标特征矢量，提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验，试验结果表明，添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比，能够显著提高目标识别的稳定性和准确率。

简介：在对现有的山脊线和山谷线的提取算法进行分析、研究的基础上,根据基于等高线-次性构建Delaunay三角网模型算法中数据结构的特点,提出了一种等高线地形特征提取的简易算法,并在VisualC＋＋编程环境下对本文中的算法进行了编程与实现.实验结果表明,用该算法所提取的山脊线和山谷线与实际地形相符合.

简介：在超宽带穿墙雷达成像领域，交叉极化雷达能有效识别建筑物角散射中心，而交叉极化接收到的回波信号较弱，成像中的耦合信号得到增强，角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心，然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度，最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明，该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。

简介：为后续目标识别作准备，针对采集并且存储之后的飞机目标雷达回波信号，完成后端雷达信号处理。首先，基于MATLAB提取波门内采样的回波信号并且实现目标的一维成像。然后，采用传统的傅里叶变换模值、双谱奇异值分解法对目标的一维距离像进行特征提取。为了获得较为稳定的目标特征，针对以上两种方法，主要从特征相似性的测量角度分析单一目标特征提取方法的性能优劣。最后通过实验，从相关系数概率密度分布情况得出双谱奇异值分解特征提取法性能较佳，所得到的目标特征较稳定。

简介：目标长、宽、高三维几何特征，对SAR图像解译与目标识别等具有重要意义。从SAR成像几何出发，根据SAR观测俯仰角、目标及阴影之间的几何关系，研究提出了基于两维高分辨SAR图像阴影信息的车辆目标三维几何特征提取方法。该方法既可由某一方位角的单幅SAR图像提取目标三维几何特征，也可通过任意有限（3～5）个方位角SAR图像的融合提取目标三维几何特征，而且融合还可有效提高目标三维几何特征的提取精度。通过大量MSTAR实测SAR图像数据的实验结果，验证了其有效性。

简介：基于时域和频域两种循环谱密度估计方法,研究和总结了Frank码信号的循环谱特征及其与信号参数的对应关系。提出了一种没有先验知识条件下Frank码截获信号参数提取方法。首先介绍了Frank码信号的表示形式,给出了信号主要参数之间的关系;然后使用时域和频域两种循环谱密度函数估计方法分析了信号的循环谱特征,得到了循环谱特征与信号参数之间的对应关系;在此基础上提出了基于循环谱特征的信号参数提取方法。通过对六个Frank码信号参数提取相对误差的计算,验证了该算法的有效性。

简介：本文介绍了不同类型的通信网络拓扑以及这些网络以邻接矩阵和特征值形式的表示法。一种自组织特性图神经网络用来描述不同类型的通信网络拓扑特征，并给出了模拟结果。

简介：针对目前多维次成分提取算法限制条件多和初始参数难以选择问题，在研究Douglas次子空间算法基础上，基于加权矩阵法提出了一种新型多维次成分并行提取算法。对该算法的自稳定性和收敛性分析表明：在输入信号有界和学习因子足够小时，该算法状态矩阵的模值总能收敛至一个常数；当且仅当状态矩阵收敛至需提取的多维次成分时，该算法达到稳定状态。仿真试验表明，与现有算法相比，该算法具有参数选取方法简单、易于实现和收敛速度快的优点。

简介：安全性需求的提取是确保软件安全的关键。介绍了安全性需求的定义、目的以及种类，研究了当今主要的安全性需求提取方法，指出了未来安全性需求研究的重点和发展方向。

简介：电离层斜向探测工作在高频段,密集的外部干扰如短波通信,广播电台以及大气噪声等污染了接收数据,严重影响斜向探测电离图描迹的提取.针对上述问题,本文提出了一种提取斜向探测电离图描迹的算法.该算法由频域去干扰,有序统计量OS-CFAR检测,去虚警点三个步骤构成.对实测数据的处理结果表明这种方法的有效性和实用性.

简介：摘要为了全面提高RPN网络提取预选框的召回率(recall)，提出一种全新优化RPN网络的算法，首先，使用深层网络特征图训练一个RPN网络，称之为深层RPN，其次，使用浅层网络特征图训练一个RPN网络，称之为浅层RPN，最后，通过弱化的非极大值(soft-NMS)算法将深层RPN和浅层RPN输出的预选框进行融合，从而，全面提高预选框的抓取潜在目标的能力。基于PASCALVOC数据集的训练和测试实验表明，该优化后的预选框提取网络比RPN提取预选框的召回率提高7%。

简介：针对利用雷达侦察信号挖掘雷达脉冲重复间隔（PRI）模式问题，提出了一种基于频繁项集挖掘的雷达PRI模式提取方法。首先，对PRI值进行离散化聚簇分析，将杂乱的PRI数据变成一组PRI特征值，并按照时间、方位及载频进行聚类分析，从而将同时侦测到的数据归为一类；然后，按类分别提取PRI特征值，得到以PRI特征值为元素的频繁项集；最后，对PRI特征进行关联提取，挖掘出雷达PRI模式。在Spark集群中仿真分析表明，该方法能够从海量数据中并行、高效和准确提取雷达辐射源的PRI特征参数模式。

简介：在大孔径成像的条件下，目标上散射中心的等方向性模型将不再适用。目标散射中心的方向性是与其散射结构相联系的，此时散射中心的方向性成为目标的一个重要特征。文中将滤波逆投影算法与子孔径思想相结合，提出了一种提取目标散射中心方向特性的方法。该方法具有计算简单、运算量少的优点，从而为进一步的目标特征提取和目标识别提供了更多的信息。仿真试验验证了该方法的有效性。

简介：从道路特征提取的角度，对四种经典道路特征提取方法进行了分析和对比，探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上，结合在道路的灰度特征或其在自然界中特有的几何特征，形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上，研究了四种道路提取方法在超宽带SAR图像中的适应性，开展了超宽带SAR图像的道路提取实验，系统总结了各方法针对超宽带SAR图像的优点和不足，形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程，相比经典方法性能得到提高。

简介：线性调频连续波（LFMCW）与圆锥扫描（cs）相结合的雷达体制，可在获得目标高分辨距离像的同时分别测得各个散射中心的角度信息，从而有利于对距离扩展目标的检测和识别。文中给出了圆锥扫描线性调频连续波（CS-LFMCW）雷达信号的形式，研究了角度信息提取方法，详细分析了噪声、天线旋转不稳定、泄漏、弹体旋转等非理想因素对角度信息提取精度的影响，并提出了相应的解决方法。仿真结果验证了分析的有效性。圆锥扫描线性调频连续波雷达具有距离分辨率高、结构简单、体积小、重量轻、能够获取角度信息等优点，因此在近距离、末制导雷达中有着广泛的应用前景。

简介：智能交通系统中的运动目标参数的研究和提取在智能交通系统（ITS）中扮演着极其重要的角色。本文综述了目前的ITS领域中所最新采用的数字图像的采集设备，图像处理的硬件和图像处理的软件，对交通参数进行了提取和处理，并给出了大量的应用实例。最后结合目前的研究成果对其今后的发展进行了展望。

简介：为了能够从单一SAR图像中提取出建筑物的三维信息,基于SAR成像原理提出了从图像中建筑物叠掩和阴影区域计算平面矩形屋顶尺寸以及高度的方法。针对SAR平面矩形屋顶建筑物仿真图像,利用灰度直方图信息定位建筑物二次散射区域,通过线灰度累加分割出叠掩和阴影区域,再采用恢复公式计算屋顶尺寸和高度。实验结果表明,对于具有明显几何形变的平面矩形屋顶建筑物单一SAR图像,此方法有效恢复屋顶尺寸和高度,提高了建筑物检测识别的准确度和精度。

简介：提出了基于小波去噪结合自适应阈值的Canny算子进行返回散射电离图前沿提取的方法；简单介绍了小波变换去除噪声和用Canny算子进行边缘检测的基本步骤,结合返回散射电离图的统计特性和基本全局阈值技术,提出一种自适应阈值方法进行Canny算子硬阈值的确定方法.所研究的方法可有效的降低噪声对返回散射电离图前沿提取的影响,将返回散射电离图前沿成功提取出来.

简介：针对传统算法难以实现对相邻积累回波不连通慢速小目标航迹起始的问题，提出了一种基于Hough变换慢速小目标航迹提取方法。引入目标回波最小外接矩形长宽比（F3）和占空比（F2）对目标回波进行分类处理，在每个分类域中，利用目标回波最小外接矩形长宽比（F3）、占空比（F2）和像素值（F1）三个参量值作为Hough变换加权因子，并运用图像标记技术提取目标回波上述加权因子，通过加权Hough变换提取出每个分类域中的慢速小目标航迹，最后把所有分类域航迹提取结果进行累加，得到最终的SST航迹。仿真结果验证了该算法的有效性。