雷达信号分选是电子战系统中的关键技术,是战场态势感知的重要环节,新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题,提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion,WWCD)优化算法和Canopy算法相结合,实现了Canopy算法距离阈值的优选,并为后续K-means聚类优化了K值的选择,有效降低了K-means算法对初始聚类数选择的敏感性。实验中,主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证,并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明,所提方法有较高的聚类分选准确率,且对初始参数的设置不敏感。
为解决现有VSLAM特征提取器在室内环境中对纹理和光照变化敏感、特征点冗余导致的局部依赖性过强以及硬件资源受限时的存储开销问题,提出了一种面向纹理的均匀FAST特征提取器(texture-oriented and homogenized FAST feature extractor,...
详细信息
为解决现有VSLAM特征提取器在室内环境中对纹理和光照变化敏感、特征点冗余导致的局部依赖性过强以及硬件资源受限时的存储开销问题,提出了一种面向纹理的均匀FAST特征提取器(texture-oriented and homogenized FAST feature extractor, TOHF)。结合HVS(human visual system),采用二阶段阈值策略来更敏感地应对纹理的清晰度和复杂度差异。根据特征点密度的变化来动态调整特征点的分布,在兼顾计算效率和存储开销的同时,保证特征点分布结构信息。在资源受限设备录制的数据集和官方Eu Roc数据集上基于ORB-SLAM3框架开展实验,采用匹配率、重投影误差、绝对轨迹误差(ATE)和耗时作为评估指标。实验结果表明:TOHF在视觉加惯导模式下带来更高精度和鲁棒性的同时,仍满足实时性要求。
聚焦轨道角动量(orbitalangularmomentum，OAM)技术在无线通信中的应用，针对收发端均匀圆形天线阵列未对准的多径通信场景，提出OAM域与空间域联合的信道估计方案。由于收发端均匀圆形阵列天线(uniformcircularantenna，UCA)难以严格对齐且OAM波束易产生多径效应，方案分两阶段进行信道估计。第一阶段在OAM域估计直达径参数，应用旋转不变子空间信号参数估计算法(estimation of signal parameters via rotational invariance techniques，ESPRIT)得到直达径信道；第二阶段在空间域估计散射径参数，通过混合信号与直达径信号相减得到散射信号，利用逆离散傅里叶变换(inverse discrete Fourier transform，IDFT)和多信号分类算法(multiple signal classification，MUSIC)估计角度参数完成信道估计。仿真结果表明，该方案能准确估计直达径和散射径参数，均方误差曲线性能良好，为轨道角动量技术在无线通信中的应用提供有效方案。
暂无评论