【摘 要】
：
基于参数联合估计的假目标鉴别方法可通过增加雷达站数量来提高假目标鉴别概率,然而,过度增加雷达站数量会造成设备资源的严重浪费.对此,提出基于多站雷达系统假目标鉴别过程
【机 构】
：
西安电子科技大学 电子工程学院,西安710071
论文部分内容阅读
基于参数联合估计的假目标鉴别方法可通过增加雷达站数量来提高假目标鉴别概率,然而,过度增加雷达站数量会造成设备资源的严重浪费.对此,提出基于多站雷达系统假目标鉴别过程中渐进收缩的子站选择策略.对于空间已有的雷达站,在满足预设假目标鉴别性能的前提下,考虑通过快速收缩和全局收缩2种筛选方式,迭代选出系统中空间分布更有优势、鉴别能力更强的发射或接收站,共同组成雷达子站.相比于穷举搜索方法,子站选择策略可大幅降低筛选过程的时间复杂度.仿真结果表明,子站能够保持与原多站雷达系统近似的鉴别效果,同时优化了雷达设备数量,减少了融合中心处理的数据量和所需的通信链路,有效节约了运作成本.
其他文献
针对未来网络转发信息库(FIB)中多模态数据带来的差异化快速索引、高效存储转发信息和多模态数据最长前缀匹配等问题,设计了一种支持多模态数据索引的混合型FIB,称为Hybrid-F
移动边缘计算(MEC)系统中密集的计算任务卸载使得资源受限的终端设备能量效率低,能量服务单一,对此,提出了一种基于能量收集的系统能效优化方案.该方案首先在满足卸载发送功
为了克服现有人脸欺诈检测方法在少样本应用场合下的局限性,将前向学习网络用于欺诈检测.通过前向学习的方式从图像中无监督地学得卷积滤波器,在人脸欺诈检测应用场合下,对前向学习网络进行了改进,改进后的网络使用了面向人脸欺诈检测任务的卷积滤波器.使用主成分分析变换所得的最小特征值对应的特征向量作为卷积滤波器提取图像的特征.将所提方法在CASIA-FASD、Idiap Replay-Attack和OULU-