翟海天
- 作品数：7 被引量：22H指数：3
- 供职机构：西北工业大学电子信息学院更多>>
- 发文基金：航天科技创新基金国家自然科学基金西北工业大学研究生创业种子基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 一种新的基于证据距离的证据合成算法被引量：4
- 2011年
- 针对D-S证据理论对于高度冲突证据合成时出现与常理相悖结论的问题,提出了一种基于证据距离的加权证据合成方法,并给出了具体算法。新算法仍然使用D-S合成公式,但需考虑融合系统中证据源的修正问题。利用证据总体的期望值将Jousselme提出的证据距离修正,从而得出证据权,通过证据权对源证据的基本可信度分配函数进行修正,并通过算例比较,说明新的算法具有更有效的合成结果。
- 翟海天李辉潘凯
- 基于自适应卡尔曼滤波的盲多用户检测算法被引量：3
- 2011年
- 对强多址干扰情况下码分多址系统的盲多用户检测算法进行研究,针对多径信道的码分多址系统,提出一种基于自适应卡尔曼滤波的盲多用户检测算法。该算法可在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法收敛于期望用户,提高检测器在动态环境下的跟踪性能。仿真结果表明,与最小均方算法及递推最小二乘算法相比,该算法具有更好的收敛性和动态性能。
- 高维廷李辉翟海天
- 关键词：直接序列扩频码分多址多址干扰盲多用户检测自适应卡尔曼滤波
- 高分辨雷达信号的平移不变KPCA特征提取算法被引量：4
- 2012年
- 研究高分辨雷达信号特征提取,针对传统提取平移不变特征存在信息损失量大、识别的准确率低的问题,提出了一种平移不变KPCA特征提取算法。首先计算高分辨雷达信号的原点矩,并在低信息损失的前提下利用高分辨雷达信号相对原点矩的位置来描述原信号,从而消除高分辨雷达信号的平移敏感性。然后结合KPCA特征提取算法得到平移不变的特征信号。最后应用SVM分类器对特征信号进行分类识别。实验证明,改进算法识别率高于雷达目标识别系统中的传统特征提取算法,略低于KPCA特征提取算法,且在常用雷达探测距离内都能够保持较高的识别率。
- 李辉金宝龙翟海天
- 关键词：特征提取雷达目标识别
- 基于最小均方误差的串扰消除多用户检测算法被引量：3
- 2011年
- 在存在强多址干扰的直接序列扩频码分多址(DS-CDMA)系统中对传统串行干扰消除检测器的优点及缺陷进行分析,提出一种基于最小均方误差的串行干扰消除多用户检测算法。该算法能够对时变信道环境进行有效跟踪,避免判决误差扩散。仿真结果表明,在加性高斯白噪声环境中一个同步DS-CDMA系统中对于信号功率弱的用户,该算法相比传统串行干扰消除算法及迫零算法的检测性能有较大的改善,在消除原有检测算法检测精度不稳定的同时能提高算法的误码性能。
- 高维廷李辉翟海天
- 关键词：串行干扰消除最小均方误差直接序列扩频码分多址迫零算法
- 基于区域划分的红外超分辨率重建被引量：7
- 2015年
- 提出了红外超分辨率重建系统以获取高分辨率红外数据。首先,根据红外图像获取过程建立了数学模型,讨论了降采样、模糊、运动以及高斯噪声对红外系统的影响;在非退化特征提取的基础上提出了基于特征的亚像素配准算法,其根据所得到的非退化特征应用归一化均方根误差来估计两帧之间的亚像素位移。然后,分析了传统全变分因子在高分辨重建时的不足并对其进行改进;利用区域划分将图像划分为平滑区域和细节区域,并根据区域的不同情况自适应全变分因子,从而使细节区域不至于过平滑。最后,利用MM(Majorization Minimixation)算法对合成的低分辨率红外图像和真实红外图像进行了超锐度重建。与同类相关算法的比较实验显示:所提算法亚像素配准最大误差为0.09pixel,重建后的红外图像质量优于其他同类算法。所提算法可以对低分辨红外图像序列进行有效重建,具有配准精度高、重建图像细节丰富等特点,可应用于各种红外成像系统。
- 翟海天李辉李彬
- 关键词：分辨率增强红外图像超分辨率重建亚像素全变分
- 一种新的盲自适应拟Newton迭代Kalman滤波MUD检测器
- 2012年
- 针对ISI、MAI并存情况下码分多址系统盲自适应Kalman滤波算法检测稳定性不足的问题进行了研究,结合Newton迭代法提出了一种适于多径信道下DS-CDMA系统的盲自适应拟Newton迭代Kalman滤波MUD算法。该算法能够在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法能够有效收敛于期望用户提高了检测算法在动态条件下的用户跟踪能力。仿真结果表明,BN-Kalman算法具有更好的收敛性和动态性能。
- 高维廷李辉翟海天
- 关键词：卡尔曼滤波
- 基于小波矩和证据理论的图像目标识别算法被引量：1
- 2013年
- 针对单传感器进行图像目标识别时识别率较低,判决阈值较为苛刻这一弱点,提出了一种小波矩和Dempster-Shafe(rD-S)证据理论相结合的多传感器信息融合图像目标识别算法。利用小波矩提取图像的平移、伸缩、旋转不变矩特征,BP神经网络获取待识别目标属性的基本概率分配,最后利用D-S证据理论将单传感器的识别结果进行决策级融合,完成图像目标的识别。仿真结果表明了该算法在图像目标识别中具有更高的精度和可靠性。
- 刘兵李辉翟海天
- 关键词：小波矩BP神经网络信息融合图像目标识别
