16、雷达波形评估与计算机辅助高光谱成像系统研究

雷达波形评估与计算机辅助高光谱成像系统研究

1 LPI雷达波形有效评估指标

1.1 研究背景

低截获概率(LPI)雷达波形对抗无源雷达探测系统已发展数十年,虽有诸多评估指标,如时宽带宽积、峰均功率比和参数捷变特性等,但目前仍缺乏独立于波形参数和时频工具的有效评估指标。普遍认为高斯白噪声是最佳的LPI波形,噪声雷达是最佳的LPI雷达。在时间序列领域,有多种测试高斯白噪声的方法,其中转折点测试是判断时间序列是否为高斯白噪声最有用的方法。

1.2 转折点测试方法

设({X_t})是独立同分布的随机事件,(X_t)、(X_{t + 1})和(X_{t + 2})在六种可能的顺序中出现的概率相等。若(N)表示随机事件的数量,转折点数量的均值和方差分别为(\frac{2(N - 2)}{3})和(\frac{8N}{45})。设(T)为(N)次实验中的转折点数量,当满足以下条件时,该时间序列有95%的置信度被视为高斯白噪声:
(\left|\frac{T - \frac{2(N - 2)}{3}}{\sqrt{\frac{8N}{45}}}\right| \leq 1.96)

1.3 统计平均信噪比(SA - SNR)的估计

1.3.1 假设定义

定义:
(H_1: x(n) = \upsilon(n), 1 \leq n \leq N)
(H_0: x(n) = s(n) + \upsilon(n), 1 \leq n \leq N)
其中,(H_1)表示数据被判断为噪声,(H_0)表示数据不是高斯白噪声。(s(n))表示采样的零均值信号,(\upsilo

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值