频率分集阵列多输入多输出 (FDA-MIMO)雷达由于其波束具有距离依赖特性而受到广泛关注。建立了FDA-MIMO雷达的回波模型, 将传统的特征空间(ESB)波束形成算法扩展到该体制雷达。针对该算法在低信噪比 (SNR)性能较差的问题, 提出了一种改进的 ESB波束形成算法。仿真结果表明该体制雷达能够抑制来自角度主瓣的距离依赖干扰, 并证明了新算法的有效性。

针对室内非法信号源定位应用的特点, 提出一种基于到达方向 (DOA)估计的无源定位方法。采用具有解相干能力的基于特征空间的到达角 (ES-DOA)估计算法估计来波到达角度空间谱和对应的信号功率; 采用一种新的直达路径集成搜寻算法判断信号的直达路径方向, 并通过交叉测量法估计非法信号源的位置。仿真实验表明, ES-DOA算法在处理相干阵列信号时, 具有高分辨力和较强的抗噪声能力, 提出的直达路径识别算法能够在不同室内环境中准确识别信号的直达路径方向, 具有较强的鲁棒性。研究证明, 该定位方法具有较强的系统可实现性, 既能单站定位, 又可多站协同工作, 部署方便, 使用灵活, 是一种有效的室内非法信号源定位解决方案。

为解决高光谱探测条件下的假目标光谱设计问题, 从特征空间中目标显著性的角度分析了假目标的设计原则。区别于其他目标探测, 高光谱目标探测是高维数据的处理过程, 目标显著性反映在数据经降维处理后形成的特征子空间中。据此提出的假目标设计原则如下。先在特征子空间内设计假目标, 使其一方面凸显自身, 另一方面则遮掩真目标。而后依据特征子空间与光谱通道的线性关系, 通过子空间中假目标与其他目标的相对位置确定假目标的光谱特性。对相关图像的检测表明, 这样设计的假目标能够有效降低真实目标的探测效果。相关结论对高光谱隐身技术有一定指导作用。

土壤水分是影响植被、 土壤和大气之间能量和水分循环的重要因素, 及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间（NIR-RED）发展了一种新型土壤水分遥感监测模型ADI（angle dryness index）, 提高了可见光与近红外波段监测土壤水分的精度。经过研究表明, 在红光与近红外（NIR-RED）特征空间中, 存在一个中间角度变量θ, 利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况, 而不受植被覆盖度的影响, 因此利用该原理构建了ADI方法。最后利用两组遥感数据（分别为TM5与MODIS产品数据）以及对应的地面观测数据进行验证, 结果表明计算值与实测值均具有较高的一致性, R2分别达到0.74与0.64。同时, 将MPDI的计算结果与实测值进行了比较, 两组数据的R2均小于0.60, 表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度, 这可能是引起计算结果误差的主要因素。此外, MPDI的计算结果表征土壤湿度的相对值, 而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元, 还有其他类型端元的概率高于TM数据, 因而MODIS数据的计算精度低于TM。因此, ADI是一种简单可行且具有较大应用前景的土壤水分反演方法, 适合于推广应用。

加权支持向量机回归算法,几乎都是以样本输入空间中的一个重要特征量的函数来确定权值,造成了在高维特征空间中作回归可能存在较大误差。针对这一问题,提出利用高维特征空间中的欧基里德距离来确定权值的方法,构造了一种改进的加权支持向量机回归算法,并将其应用到电子器件高功率微波易损性评估中。仿真结果表明: 该方法具有比模糊神经网络法、标准支持向量机回归算法和一般的加权支持向量机回归算法更高的预测精度。由于增加了权值的计算过程,相对于标准支持向量机回归和模糊神经网络方法,该方法的效率较低,但与一般的加权支持向量机回归算法相当。

水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分亏缺平衡, 指导农业生产灌溉具有重要意义。 基于NIR-Red二维光谱特征空间, 尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。 以冬小麦作物植被水分含量估算为尝试对象。 首先, 利用地面实测小麦冠层高光谱数据, 结合对应卫星光谱响应函数, 模拟当前常用卫星HJ-CCD和ZY-3多光谱数据; 然后, 对基于NIR-Red二维光谱特征空间的现有植被指数PDI（垂直干旱指数）和PVI（垂直植被指数）进行改进, 通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC）。 结果显示: 基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果, R2分别达到0.684和0.683, 均达到了极显著水平。 利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764, 3.837%和3.840%, 这表明应用提出的新指数PWI估测作物含水量具有一定可行性。 同时, 也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。

提出了一种光谱角匹配(SAM)加权核特征空间分离变换(KEST)高光谱异常检测算法.在基于核的特征空间分离变换(KEST)算法基础上，利用光谱角匹配(SAM)测度对高维特征空间中检测点邻域差异相关矩阵(DCOR)中的每个样本引入权重因子，各样本权重因子取决于该样本光谱向量与检测窗口数据中心向量夹角，从而抑制检测窗口中的病态数据，突出主成分数据的贡献，使得DCOR矩阵能够更好地描述目标、背景数据分布差异.通过理论分析和对模拟、实际数据实验比较，证明该算法较传统异常检测算法和KEST算法具有更高的检测率.

提出一种基于局部特征提取的目标识别方法, 用于自动识别不同尺度, 视角和照度条件下的目标。首先,建立图像的尺度空间; 结合海森矩阵和Harris算法提取局部特征点, 计算该特征区域的方向和灰度梯度及方向; 统计出每块子区域的标准灰度梯度直方图, 得到128维的特征向量。然后, 基于主成分分析的降维算法来降低特征向量的维数, 加快识别的计算速度。最后, 采用特征空间分类器增加目标识别的速度。实验结果表明：基于局部特征提取的目标识别达到了较高的识别率, 在视角、尺度和照度变化下的识别率分别为61.9%, 80.5%和84.4%, 平均识别时间为130.9 ms。与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比, 本算法不仅在不同的视角, 目标尺度及照度条件下具有较高识别率, 而且识别速度比SIFT方法高。

干旱是一种频繁发生的自然灾害， 遥感监测干旱已成为重要的研究方向。 可从农田遥感干旱监测最主要的两种地物类型（植被和土壤）的光谱特性分析入手， 选择了对水分变化敏感的红光、 短波红外波段来监测干旱状况， 以短波红外与红光的差值和短波红外与红光的和构建新的光谱空间特征， 提出了干旱监测的新方法——归一化的干旱监测指数NPDI。 用野外实测的土壤含水量对NPDI模型进行验证， 结果表明： NPDI， MPDI与10 cm处的土壤含水量模型都具有较高的相关性， 其R2分别为0.583和0.438， NPDI模型的监测效果要优于MPDI。 此模型是对PDI， MPDI和SPSI等模型的进一步改进， 可实现对不同植被覆盖度的、 整个生长季的农田干旱监测， 在实际的农田干旱监测中具有较高的应用潜力和推广价值。