高分辨一维距离像的雷达目标识别方法

提出了一种基于高分辨一维距离像的宽带雷达目标识别方法.首先使用零相位描述对雷达回波进行预处理,实现距离像的绝对对准,解决了平移敏感性问题.然后根据多分辨分析构造出3次Battle-Lemarie小波函数和尺度函数,对预处理后的一维距离像进行小波变换提取目标特征矢量,在显著降低特征存储空间的同时保留了主要散射点.最后对3类不同目标的雷达实测数据进行识别试验,结果表明本算法不但具有较高的正确识别率,而且能够有效降低加性高斯白噪声对识别率的影响.     

一种基于支持向量机的无源雷达目标识别方法

针对传统的无源雷达目标识别系统存在的不足,提出了一种新的基于模式识别的目标识别方法。在提取雷达辐射源信号熵特征的基础上,设计支持向量机(SVM)分类器完成目标的分类识别。理论分析和实验结果表明,提出的方法在较大信噪比范围内均能获得比较满意的识别率及识别效率,优于传统的基于常规特征参数的识别方法。     

基于多极化多特征提取和SVM的目标识别方法

充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题.提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法.基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率.     

基于VMD与数学形态学分形维数的战场声目标识别

为快速识别直升机与坦克的声信号,提出了一种变分模态分解(VMD)与分形维数相结合的声学目标识别方法。对目标声信号进行VMD分解,根据目标声信号的频域能量分布确定分解的模态(IMF)数目;通过数学形态学方法计算各个IMF的容量维数与信息维数,并以此为特征向量;利用BP神经网络分类器对直升机与坦克声目标进行识别,通过与传统EMD融合计盒维数的方法进行对比,验证了所提方法具有更高的识别率和运算速度。     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

支持向量机的战场直升机目标分类识别

对基于支持向量机的战场直升机目标分类识别技术进行了研究,分别将谐波集(HS)频率和不同尺度小波子空间能量作为特征矢量,设计出一种基于支持向量机的直升机目标分类器,并将该分类器与kNN分类器和BP神经网络分类器进行分类对比实验.结果表明两种特征提取方法,都能很好地体现不同声目标之间的差异,SVM分类器相对于其他两种分类器具有更好的分类性能,目标识别率达到96%以上.     

空间复杂目标群的雷达目标识别技术

复杂的空间目标群给雷达目标识别带来了挑战。分析了弹道中段空间目标群的构成及其对识别的挑战。系统归纳了反导中段雷达目标识别方法。根据雷达识别所采用的特征不同,将空间目标雷达目标识别方法分为其于结构特征的识别方法、基于弹道特征的识别方法和基于微动特征的识别方法,详细阐述了这3类识别方法的物理基础及其特征提取方法,分析了各种识别方法的特点,最后展望了中段雷达目标识别的发展趋势。     

基于动态时间规整的空中目标机动识别

针对现有空中目标机动识别方法识别率较低且耗时较长的问题,提出一种基于动态时间规整(Dynamic Time Warping,DTW)的空中目标机动识别方法。对目标跟踪产生的空中目标飞行轨迹进行机动序列提取,并将其作为测试模板,用动态时间规整算法匹配测试模板和参考模板,以识别空中目标的机动类型。最后基于相同的训练样本和测试库,在相同拒识率下,将DTW算法与隐马尔科夫(Hidden Markov Model,HMM)算法进行识别效果对比。实验结果表明,相较于HMM算法,所提算法在低训练样本条件下的识别率较高,且识别时间更短。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

单片机控制的指挥仪航路产生系统

本文首先介绍单片机控制的指挥仪航路产生系统的原理及组成,重点讨论了目标现在点坐标由数字量到指挥仪所需要的模拟信号的转换方法,最后对该系统的误差结果进行了分析。     

超视距反舰导弹捕捉能力

为提高超视距反舰导弹捕捉能力,必须有效克服海面风场及目标运动两大主要误差源的影响。分析了反舰导弹捕捉能力的影响因素,定量计算了海面风场及目标运动两个主要因素的影响大小,并相应提出了几点措施。对提高导弹命中概率有实际意义。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。     

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠的检测     

基于支持向量机的多传感器空中目标识别研究

针对空中目标识别的复杂性,将支持向量机引入对空中目标的多传感器识别,对其机理进行了详细分析,建立了基于支持向量机的空中目标识别的算法模型.仿真实验的结果表明,该方法具有很好的识别效果,并且是一种能在训练样本很少的情况下达到很好分类推广能力的学习算法.     

基于粗糙集支持向量机的空袭目标识别

为提高对空袭目标的识别能力,提出了一种基于粗糙集支持向量机的空袭目标识别方法.该模型用RS方法构建SVM数据处理系统的前置系统,充分利用RS理论在处理大数据量,消除冗余信息等方面的优势,减少了SVM训练数据,克服了SVM算法因为数据量太大而导致处理速度慢的缺点.根据分类识别的要求,在RS-SVM两类分类算法的基础上,建...     

战术背景对跟踪滤波器设计的影响

可以利用战术背景下做战术机动空中目标的特性来提高跟踪效果。提出了先目标机动预测,然后进行机动检测和滤波的方法（ＰＩＦ）。本方法可以提高对空中机动目标的跟踪效果而无须做大量的运算。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

逆合成孔径雷达成像运动补偿自聚焦方法研究

讨论了逆合成孔径雷达（ＩＳＡＲ）成像运动补偿的途径,建立了动目标回波信号模型,在此基础上提出了利用图像熵和串导出值来估计目标的运动参数,以进行运动补偿。仿真证明这两种方法在目标运动相对平滑时能够实现最优成像。     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。