基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

本月热点

0.5米；不成功则成仁；三核；微软失帅；近2万元     

基于谱域-空域组合核函数的高光谱图像分类技术研究

针对传统高光谱图像分类算法多利用目标的光谱信息,不重视空间信息的问题,本文提出了一种综合利用谱域-空域信息的最小二乘支持向量机分类算法。首先利用主成分分析进行特征提取,然后在保留的主分量图像上用数学形态学得到目标的空域信息。并结合光谱域特征,探讨了各种组合策略,构造组合核函数。通过在分类器中引入空域信息,提高了分类准确率。而且采用了最小二乘支持向量机,将标准向量机的二次规划问题转换为求解线性方程组的问题。利用了其训练速度快、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比表现出了一定的优越性,从而适用于较大规模的高光谱图像分类。      

基于802.16网络的非实时业务分组调度算法研究

根据802.16系统的特点,本文提出一种新的分组调度算法.该调度算法采用一种新的优先级度量因子,在保证系统吞吐量的前提下,使更多的用户得到服务.计算机仿真结果表明,与传统的分组调度算法(PF算法)相比,新算法在保证频谱利用率的前提下更多的用户得到了服务.     

各向异性核函数均值漂移目标跟踪算法研究

针对传统均值漂移算法利用固定核或对称核函数进行目标跟踪时出现目标跟踪丢失或跟踪失败的问题,提出了基于各向异性核函数的自适应带宽均值漂移目标跟踪算法,以提高目标跟踪的准确性、实时性.在符号距离核函数的基础上引入符号距离约束函数,构成各向异性核函数,满足目标外部的区域函数值为零,为目标跟踪提供准确的跟踪窗.依据基于各向异性核函数的均值漂移应用到目标跟踪中需满足跟踪窗内的样本点到中心点的向量权重之和为0的思想,计算各向异性核函数模板的均值漂移窗口中心.利用相似度阈值对前后两帧目标模板的变化情况进行限制,实现各向异性核函数模板的自适应更新及目标的准确实时跟踪.实验结果表明所提出算法的准确性和实时性较高.     

可程控核能谱信号放大器设计

为了提高能谱测量系统中放大成形部分的灵活性,采用单片机控制DAC与一级放大结合的方法,研制一种放大倍数可程控的核能谱信号放大器,使其能同时适用于X荧光仪,伽玛谱仪等核能谱测量仪器,实现0～100倍程控放大。试验测试结果表明,设计电路完全达到设计指标要求。     

被表面繁荣遮住双眼的2010中国电子

2010年在一片的缺货声中即将走完,但中国人为国外公司打工的日子仍在继续。工信部肖华司长在IC China 2010高峰论坛演讲中说,新一代信息技术、节能环保、新能源、生物产业、高端装备制造、新材料等     

空间光通信中应用于精密指向的面阵探测器的定位精度分析与验证

为了实现空间光通信中高精度的链路,本文重点研究了影响面阵探测器对于目标定位精度的关键因素。首先从机理上分析了质心算法的误差,并仿真验证了满足空间无损采样条件的必要性。我们定义了NU值并以此为指标来量化探测器的非均匀性,随着NU自0开始线性增长,质心的定位误差持续增长但是速度放缓。当NU值为0.005时,最大定位误差为0.043 像素。在目标入射到光学系统的光强不断改变的条件下,NU值越小,质心位置越接近光斑的真实位置。我们通过实验测试了某种典型的CMOS探测器在不同光照强度下的像元响应,建立了像元响应非均匀性的数理模型,计算出NU值于线性响应范围内在0.0045到0.0048范围内波动。光斑质心定位精度的实验结果表明,绝对定位误差小于0.05 像素,可以满足高精度链路的需求,验证了理论和仿真的有效性。     

面向航天应用的SpaceWire节点单元的IP核设计与实现

Space Wire是一种面向航天应用的LVDS串行传输技术,对于解决目前数据处理系统的总线带宽不足和提供一种通用接口标准以简化和规范异种设备之间的互连有着重要作用.文章首先介绍了SpaceWire技术的特点,然后论述了SpaceWire节点单元的IP核设计和实现,最后对实现的结果做了简单介绍.     

一种改进的支持向量机模式分类方法

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用.首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法.与基于IRIS数据,进行了计算机仿真实验,与基干模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzy k-Nearest Neighbor,FKNN)的分类性能更好,运算时间更短,更易于实时实现.