摘要：在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性。针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏系数向量;将对应字典和稀疏系数向量相乘,恢复出目标和杂波分量,同时实现了杂波抑制和目标信息提取。最后,通过实测数据验证了该算法的有效性。

摘要：对于海量和高维的大规模数据聚类问题,其数据个数以及模式种类通常处于一个动态增加的过程之中,为此进行增量、并行算法的设计,以提供更好的计算能力是十分必要的.注意到人脑增量学习的本质和RSOM(Re-cursive Self-Organizing Map)的层次化、分布式结构特点,本文研究了基于高性能集群并行计算环境的增量、分布式RSOM并行算法,并以视频图像特征集实例证实了算法的可行性.

摘要：空域矩阵滤波器通过保持空域通带内的信号,抑制空域阻带内的干扰与噪声来提高DOA(Direction Of Arrival)估计的精度。本文使用二阶锥规划(Second-order Cone Programming)方法设计空域矩阵滤波器,利用滤波后数据的四阶累积量进行信号源到达角估计,以消除空域矩阵滤波作用时产生的色噪声的影响,从而提高信号源DOA估计的性能。此外,通过滑动空域矩阵滤波器的通带,还使得阵列具有估计多于阵元数目信号源到达角的能力。计算机仿真结果验证了算法的有效性。

摘要：聚类算法常需处理海量和高维的大数据集,为了提高算法的效率,设计并行的聚类算法,以提供更好的计算能力是十分必要的。集群系统是目前流行的高效并行计算环境,针对大数据集聚类问题,集群系统的运用是一种很好的选择。由于RSOM(recursive self-organizing mapping,RSOM)模型具有内在的层次化及分布式结构特点,本文研究了基于集群的集中调度式RSOM树并行算法,并通过视频图像特征集实例证实了算法的可行性。

摘要：为了提高杂波背景下检测性能约束的扩展目标估计性能,提出一种基于凸优化和随机化方法的波形优化设计算法。文中考虑了实际雷达系统应用对目标检测性能的要求,定义了随机目标场景下的信杂噪比,并将之作为约束条件,以最大化接收回波与目标随机冲激响应之间的互信息作为优化准则,利用凸优化和随机化方法进行恒包络相位编码信号的设计。仿真实验结果表明,该算法获得的发射信号能够满足系统最低检测信杂噪比的要求,最大化互信息,提高了目标的估计性能,将扩展目标估计性能和检测性能有效统一起来。

摘要：远程相控阵雷达担负目标搜索任务时,在一定检测概率下,特定波位的驻留时间与脉冲重复周期密切相关,如何优化设计脉冲重复周期值以节省时间资源,是一个值得研究的问题。针对远程相控阵雷达单帧搜索工作方式,提出了一种基于最小捕获时间的参数优化设计方法,并以探测临近空间高超声速目标为例,分析了捕获时间与脉冲重复周期之间的关系,给出了最优脉冲重复周期值的赋值区间。仿真结果表明,所提方法能有效节省雷达系统时间资源。

摘要：论述了运用BP神经网络对图像进行识别。介绍了BP神经网络的算法设计、隐层节点的选取等问题。结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率。