基于改进型相关向量机的高光谱图像分类

相关向量机(RVM)高光谱图像分类算法是一种基于贝叶斯概率模型的监督机器学习算法,其分类精度较高、测试时间较短。然而算法本身存在训练时间随着训练样本增加直线上升、分类效率整体降低等问题。针对这种情况,提出一种基于改进型相关向量机(VRVM)的高光谱图像分类算法。本算法在传统概率模型中引入一个新的分布,使得计算复杂度较高的积分运算可近似地拆分成两个较为简单的对数和形式。实验结果表明,VRVM高光谱图像分类算法的总体分类精度和相关向量的数量与RVM基本相同,但训练时间随样本数的增加有明显的减少。     

基于最大化N维立体光谱角的高光谱端元提取

提出了一种基于最大化N维立体光谱角(Maximum N-dimensional Solid Spectral Angle,MNSSA)的端元提取方法.该方法通过计算N个光谱向量在高维欧几里得空间的光谱夹角,定量衡量该N个光谱向量的独立性.在线性混合模型假设下,端元光谱向量的欧几里得空间夹角大于混合像素构成的夹角.MNSSA法不受待提取端元数目及波段数目的限制,对光谱向量幅值变化不敏感,能够克服阴影及光照因素对端元幅值的影响.使用模拟数据及AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)获取的真实高光谱数据对MNSSA端元提取法及现有基于几何的端元提取法进行了对比评价.仿真结果表明,MNSSA法能够克服阴影影响因子对端元幅值的影响,端元提取准确率优于现有端元提取法,且具有良好的抗噪声性能,能显著降低高光谱数据的重构误差.     

检测前跟踪中的目标交叉航迹标签分层管理EI北大核心CSCD

针对检测前跟踪算法无法提供目标航迹标签以及传统算法在轨迹交叉情况下批次编号管理混乱的问题,提出了一种标记关联的航迹管理方法。该方法为各个目标的方位航迹标记不重复的标签,并针对标签多伯努利算法非共轭先验的问题,采用将标签多伯努利分布逼近δ-广义标签多伯努利分布的方法进行解决。另外还提出一种辅助门限进行分层逐级更新的方法,实现了对不同的航迹赋予不同的标签,解决了方位交叉情况下轨迹中断、目标跟丢和错跟的问题。仿真及海试试验表明,该方法的平均误差稳定且接近为0,定位精度高且轨迹连续清晰,不仅能在目标轨迹交叉时进行准确跟踪,还能实现对多目标数的精准估计,为基于声呐阵的水下目标态势感知方法提供了新的技术支持。     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

单基阵三维纯方位水下信标声学定位方法

针对水下静止信标的纯方位定位问题,提出一种基于单基阵平台纯方位信息的定位方法。通过水下无人运动平台两次量测的空间角度信息建立非线性方程,利用拟牛顿迭代方法实现稳定数值求解。同时,对量测信息进行预处理和定位后置处理,以进一步提高算法的稳定性和精度。利用计算机模拟水下声传播环境进行定位仿真,结果表明,基于常规波束形成的方位估计结果,在方位量测误差标准差为1°时,所提方法的定位结果相对误差可达3.5%以内。同时,研究了不同方位量测误差条件下、不同海深测量误差条件、观测平台和目标不同态势下定位算法的定位性能。结果表明,此方法可用于对水下静止信标的声学定位,且鲁棒性好。      

联合多传感器的水下多目标无源声学定位

在多传感器无源声学定位问题中,不同传感器接收的来自同一目标的信号均对应于此目标位置,依据这一物理基础,提出了一种基于粒子滤波的无源声学定位方法,以有效融合多传感器数据,进而提高定位性能。该方法将粒子滤波中的似然函数定义为粒子状态所对应不同传感器信号之间互相关输出的乘积。该似然函数的设计确保所提方法可以充分获取多传感器的处理增益。此外,所提方法摆脱了传统定位范式,因此可以规避传统定位范式必须面对的测量-跟踪关联问题。湖上试验表明,在强多途干扰的条件下,传统定位方法的平均定位误差为7.2 m,而所提方法的平均定位误差为1.2 m,具有更好的性能。