刘振
- 作品数：10 被引量：18H指数：3
- 供职机构：解放军电子工程学院更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种用于SAR目标特征提取的I2DLDA方法
- 2013年
- 通过分析传统鉴别分析的"小样本"和"次优性"问题,提出一种改进的二维线性鉴别分析(I2DLDA)算法并用于SAR图像目标特征提取。首先对线性鉴别分析中散度矩阵的构造进行加入权值的改进以缓解次优性问题,然后使用二维线性鉴别分析准则在图像矩阵上进行特征提取。对美国MSTAR计划公开的SAR图像数据的仿真实验结果表明,基于I2DLDA的SAR目标识别方法不仅有效增强了提取特征的可鉴别性,同时也减小了所需的特征维数,降低了运算量,识别性能有了很大的提高,证明了方法的有效性。
- 刘振姜晖
- 关键词：合成孔径雷达目标识别线性鉴别分析
- 基于Randomfaces与稀疏表示的SAR目标识别被引量：3
- 2013年
- 为了准确地进行SAR图像目标识别,提出一种基于Randomfaces与稀疏表示的SAR目标识别方法,该方法首先利用Randomfaces进行训练样本的降维处理,然后利用降维后的训练样本构建稀疏线性模型,通过1范数最优化求解测试样本的稀疏系数解x,最后利用系数的稀疏性分布进行目标的分类识别。基于MSTAR数据进行了仿真验证,实验证明:基于Randomfaces与稀疏表示的SAR目标识别方法,在目标方位角未知的情况下识别率仍可达到98%以上,且Randomfaces的降维方式降低了在特征提取过程中对训练样本的要求。
- 刘振姜晖王粒宾
- 关键词：SAR目标识别
- 基于加权两向二维线性鉴别分析的SAR目标识别方法被引量：1
- 2013年
- 为解决传统Fisher线性鉴别分析(LDA)在SAR图像目标识别中存在的"小样本"问题和"次优性"问题,提出一种基于加权的两向二维线性鉴别分析方法(W(2D)2LDA)。该方法对两向二维线性鉴别分析准则中散度矩阵的构造进行加入权值的改进,采用加权的两向二维鉴别准则函数进行特征提取,从理论上有效解决了"次优性"问题,并缓解了"小样本"问题。对美国运动与静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行的仿真实验结果表明,该算法增强了提取特征的可鉴别性,能够以较小的特征维数和运算量获得更高的识别率,验证了该算法的有效性。
- 刘振姜晖王粒宾
- 关键词：合成孔径雷达目标识别线性鉴别分析小样本
- 二维非参数最大散度差鉴别分析的SAR图像识别被引量：2
- 2014年
- 为增强线性鉴别分析(LDA)在图像识别中所提取特征的可鉴别性及避免小样本问题,提出了二维非参数最大散度差鉴别分析(2DNMSD)的图像特征提取方法。首先根据非参数特征分析的准则直接在二维图像矩阵上构造散布矩阵,然后基于最大散度差鉴别分析准则求取投影矢量。基于MSTAR计划录取的数据的仿真实验结果表明:即使方位角信息未知并且使用简单的最近邻分类器,该方法所提取特征在较低特征维数下的识别率也可以达到98%以上,表明了方法的有效性和正确性。
- 姜晖刘振王鹏
- 关键词：FISHER线性鉴别分析最大散度差鉴别分析合成孔径雷达目标识别
- 一种改进的RFID自适应防碰撞算法被引量：3
- 2012年
- 当读写器响应范围内的标签数目较多时,自适应搜索矩阵算法的性能会迅速下降。为此,提出一种改进的无线射频识别自适应防碰撞算法。采用查询机制,利用碰撞信息,获得查询前缀,通过构造动态搜索矩阵进行逐段查询,并根据时隙状态自适应调整搜索路径,对算法的碰撞时隙数、空间时隙数、吞吐量和传输比特数进行性能分析。实验结果表明,该算法能提高系统吞吐量和识别效率。
- 徐海峰姜晖刘振
- 关键词：无线射频识别防碰撞吞吐量
- 一种新的RFID混合防碰撞算法
- 2013年
- 针对射频识别(RFID)系统随机性防碰撞算法中标签识别效率低的问题,提出了一种新的RFID混合防碰撞算法。新算法采用帧时隙ALOHA(FSA)机制,根据碰撞时隙数直接估计出总的未识读标签数目,经多次动态调整帧长,获得最优帧长,然后使读写器按照最优帧长分配时隙以供标签响应,在碰撞时隙内调用自适应搜索矩阵(ASM)算法对响应标签进行识别。理论研究和仿真表明,新算法有效实用,可有效提高系统性能,使时隙吞吐量达到40%以上。
- 徐海峰姜晖刘振
- 关键词：射频识别防碰撞
- 两向二维NMSD及其在SAR图像识别中的应用被引量：1
- 2013年
- 结合非参数特征分析和最大散度差鉴别分析的思想,提出了两向二维非参数最大散度差((2D)2NMSD)鉴别分析,并用于SAR图像目标识别。首先计算二维图像的非参数散布矩阵,然后使用最大散度差准则求取投影矩阵,最后同时对数据图像矩阵的行方向和列方向进行特征提取。基于美国运动和静止目标获取与识别(MSTAR)公共数据库提供的实测数据的实验结果表明:该方法所提取的特征用于识别,可大大降低特征维数、提高识别性能,识别率可达98%以上。
- 刘振姜晖秦立龙
- 关键词：线性鉴别分析最大散度差鉴别分析合成孔径雷达目标识别
- 两向二维NFA及其在SAR目标识别中的应用
- 2014年
- 通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。
- 刘振姜晖王粒宾
- 关键词：合成孔径雷达目标识别线性鉴别分析
- 基于二维非参数特征分析的SAR图像目标识别被引量：3
- 2012年
- 在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两种形式的二维非参数特征分析(2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTAR计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。
- 刘振姜晖徐海峰
- 关键词：合成孔径雷达目标识别FISHER线性鉴别分析
- 基于稀疏表示的SAR图像目标识别方法被引量：7
- 2014年
- 为了准确地进行SAR图像目标识别,提出一种基于稀疏表示的SAR目标识别方法,在用主成分分析(PCA)进行降维的前提下,利用降维后的训练样本构建稀疏线性模型,通过?1范数最优化求解测试样本的稀疏系数解x,利用系数的稀疏性分布进行目标的分类识别。基于MSTAR数据进行了仿真验证,实验证明,基于稀疏表示的SAR目标识别方法在一定的特征维数下能够获得很好的识别性能,在目标方位角未知的情况下识别率仍可达到98%以上。
- 刘振姜晖王粒宾
- 关键词：目标识别
