基于主成分分析的空中目标识别

在对空中目标类型进行归类的基础上,建立了融合目标战术特征和物理特征的评价指标体系,运用多元统计分析中的主成分分析法对空中目标识别中的多项指标进行了综合聚集,在理想点的基础上建立了综合优化决策模型.实例验证该模型能有效地解决目标类型识别的问题.     

基于层次分析法的目标属性识别模型

空中目标的属性识别是一个复杂问题,在火力单元级进行目标识别只能根据上级指挥所或和目标指示雷达传来的目标信息和从相控阵雷达中给出的目标特征信息中提取关于空中目标的信息,对目标进行识别,并能对自动识别目标进行监视。如何快速准确地识别目标属性是当前防空指挥自动化所必须解决的问题。给出了影响目标属性识别的主要因素和各因素判断目标属性的模型,给出了基于层次分析法综合识别目标属性模型,定量地给出了综合识别空袭目标属性值,在一定程度上避免了属性识别的主观性。最后用实例验证了该模型的可行性和合理性。     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

基于2DPCA的弹道导弹目标特征级综合识别方法

为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(Radar Cross Section,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(Principal Component Analysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。     

基于解线频调ISAR成像与散射中心匹配的弹道目标识别

为了能充分利用目标的散射中心进行弹道目标识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换(FFT),实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息。最后提出了一种新的匹配识别的方法实现对目标的分类识别,该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,判定目标所属的类别。仿真实验表明,该方法在设定情况下具有良好的目标识别能力。     

基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。     

基于黑板模型的空袭目标识别专家系统

在对空袭目标信息进行综合利用的基础上,建立了基于黑板模型的多传感器空袭目标识别融合专家系统模型,模拟专家识别思维.给出了知识库的构造方法和知识的表示方法;推理机的设计结合了问题求解的黑板模型和D-S证据推理方法.该模型对目标的综合应用识别具有很好的借鉴作用,测试表明该系统具有很强的推理能力,融合模型有较高的识别准确性和可靠性.     

基于Multi-Agent的信息共享行为建模研究

针对信息共享行为的优化需求,构建了基于Multi-Agent的信息共享行为模型,该模型由Agent特性、Agent信念、Agent连通性和Agent行为4个模块组成。在Agent信念模块,提出了关于信念的信任值量化更新方法,将其作为信息共享行为交互的优先级排序的依据。规范了Agent发送信息、接收信息和处理信息的实验流程。通过仿真实验,得出了较为理想的信息共享行为组织模式,实现了信任阈值下的信息过滤,通过实验结果分析验证了信息共享行为模型的有效性。     

基于直线特征的图像－模型匹配算法

提出了一种新的基于直线特征的图像与模型匹配方法。该方法选择那些可以描述目标边界的直线建立模型。识别时 ,分层次地综合使用直线的多种特性 ,从而提高了效率 ,减少了误匹配的可能性。文中给出了用仿真图像和真实图像所做的实验结果。该算法可以用于目标识别、变化检测和视觉导航等多个领域     

基于PCA和BP神经网络的水下目标识别方法研究

针对被动声纳信号的特点,提出了基于信号线谱特征的主成分分析(PCA)特征选择方法,其优点是从复杂的目标信号中提取目标的特有信息,降低了目标特征维数.将此方法用于实录的三类水下目标数据,采用BP神经网络对目标进行识别分类,仿真结果说明了所提出的方法的正确性和有效性.     

空中目标类型识别的直觉模糊集方法

在防空作战中为了有效地对空中目标的类型进行识别,利用直觉模糊集理论对目标识别信息的不确定性进行量化处理,并在直觉模糊数排序方法研究基础上,提出了一种基于直觉模糊集理论的空中目标类型识别方法。实例分析表明,该方法能够定量描述目标判断信息的不确定性以及在避免信息丢失的同时有效地处理不确定性程度较高的目标判断信息,可为防空作战中目标类型识别提供理论参考。     

基于主成分分析的区域装备保障能力评估方法

针对区域装备保障能力评价问题,提出基于主成分分析的区域装备保障能力评价方法.该方法利用主成分分析法,在数据信息丢失最少的原则下,对区域装备保障多指标变量空间进行降维处理,用主成分解释资料的综合性指标,用以评价区域装备保障能力.建立了区域的装备保障能力的指标体系,建立基于主成分分析的评估模型,通过算例证明方法的有效性.     

大型复杂武器装备质量综合评价及其支持系统设计

从大型复杂武器装备系统的具体特点出发,运用基于TOPSIS主成分价值函数模型的主成分分析法（PCA）,构建了大型复杂武器装备质量综合评估模型。进行了实证分析,结果表明,该方法的应用使前三个主成分综合携带了原系统全部信息的96.04%,避免了信息的重叠和交叉,也克服了主观因素对评价的影响,更客观全面地反映了设备的质量状况。最后通过对其支持系统的设计,实现对企业与部队不同质量管理决策层的信息支持。     

两级融合系统中目标身份与行为识别技术

建立两级融合系统,联接一级、二级融合系统中的识别功能.提出基于模糊集理论的特征层目标识别技术,基于D-S理论、Bayes理论的时空域决策层目标识别技术、基于贝叶斯网络推理的行为识别技术.解决应用中普遍存在的目标特征界限模糊、身份冲突、身份不稳定、缺少行为识别信息等问题,实现对目标身份和行为的综合识别,以达到对目标的全面...     

航天遥感监测信息态势感知能力分析

针对遥感监测信息的效用评估问题,提出了一种态势感知能力定量分析的新方法。首先利用NIIRS等级尺度和GIQE模型建立了遥感图像与地面目标检测率之间的联系,由此得到这些目标在监视区域出现的概率分布。然后,以地面目标在监视区域的实际分布表示使用者信息需求,并利用信息理论中的Kullback Leibler距离来度量不确定性分布和信息需求之间的差异,从而得到不同遥感侦察与监视系统态势感知能力曲线,给出了传输处理时延对态势感知能力曲线的影响。     

基于高分辨距离象的雷达目标识别特征分析

高分辨距离象是高频区雷达目标识别的最基本的依据。文中对高分辨距离象用于目标识别的两个方面的特征进行了分析 ,提出了相关角度的概念。该概念反映了距离象与目标整体之间的相似性 ,是基于距离象目标识别的又一个重要特征 ;分析了距离象相位信息的重要性 ,指出了利用距离象相位信息进行目标识别的方法和途径。     

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制,提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析,将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决,然后将基于目标的低通特征和高通特征的判决信息进行综合,得到最终的识别结果     

基于置信规则库的防空目标意图识别方法

为解决防空反导体系对于目标意图识别中多源信息处理的问题,提出了一种新的防空目标识别方法——置信规则库(Belief Rules Base)识别模型,该方法是基于BRB专家知识系统的自学习方法,可以有效处理多源不确定性信息。同时,为了提高其识别效率,建立了一种与之相匹配的参数优化模型,并选择差分进化算法作为BRB识别模型的优化引擎。此外,在BRB识别模型中,专家意见也被引用到模型的初始化和推理过程中。最后采用一个实例对BRB识别模型的准确度进行验证。研究表明:该方法具有较强的实用性,可为防空反导体系的目标意图识别提供有力支撑。     

基于PCA-LM的空战目标威胁评估

空战过程中态势瞬息万变,获取敌目标的威胁是我方取得攻击占位优势和采取战术规避的前提条件。提出主成分分析法和阻尼最小二乘法相结合的回归模型对目标的威胁进行评估。利用主成分分析法,分析指标之间的相关性,转化成相互独立的分量,确定主成分分量,重构目标威胁评估体系;对目标威胁与主成分分量进行回归分析,利用阻尼最小二乘法对回归模型参数进行估计,得到主成分分量与目标威胁之间的统计关系;利用目标威胁估计值与实际值之间的误差大小,验证了回归模型的有效性。消除了指标之间的相关性对评估结果的影响,提高了评估结果的客观性,解决了传统评估方法忽略指标之间耦合性的问题。     

基于主成分分析法的目标威胁评估

为提高防空作战指挥员对空中来袭目标实施火力分配的量化决策水平,本文提出了基于主成分分析法的目标威胁评估模型及方法。主成分分析法在将原始变量转变为主成分过程中,同时形成了反映主成分的权数以计算综合评价值,这样在指标权重选择上克服了主观因素的影响,客观反映了各指标因素间的现实关系。通过引入实例,对来袭空中目标进行多指标综合评价,根据综合评估值对各批目标威胁进行排序,所得结果合理且符合客观实际,切实为防空作战指挥员科学合理地实施火力分配提供了数据支持和科学依据。