基于元学习的反舰导弹目标识别研究

为了进一步提高干扰环境下反舰导弹的目标识别精度和泛化能力,将集成学习中的元学习策略引入反舰导弹的目标识别领域,并提出了一种基于叠加归纳策略的元学习目标识别算法。该算法首先通过构建元层学习器对多个基层学习器的学习结果进行"再学习",以纠正基学习器的错误分类、巩固基学习器的正确分类,进一步提高集成分类精度;然后,以决策树为基学习算法构建了同质多分类器系统,在自建的全极化一维距离像HRRP特征数据库上研究了基分类器的数量以及元特征样式、元学习算法的选取对元学习系统分类精度的影响;最后,通过与单一分类器和常用集成算法的对比,验证了基于元学习的反舰导弹目标识别算法的可行性和有效性。     

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。     

针对舰船目标高分辨距离像的特征选择方法

为了提高基于高分辨距离像(HRRP)的舰船目标识别率,首先通过目标区域提取来解决HRRP的幅度敏感性和平移敏感性的问题;然后根据传统的特征提取方法,提取出15个较好的特征进行多特征综合识别;最后在基于Fisher准则的特征选择方法上进行改进,提出了一种基于特征互补性的特征选择方法,选择一个最优特征子集。通过仿真实验验证了提出的特征选择方法,同时选择出一个最佳分类器。     

全极化雷达的多任务压缩感知目标识别方法

为有效利用全极化雷达高分辨距离像(High Resolution Range Profile,HRRP)的丰富特征信息和全极化样本中各单极化HRRP均对应于相同目标姿态的特性,提出一种基于多任务压缩感知的全极化雷达目标识别方法。该方法约束在不同极化字典中选择来自相同角域的字典原子对相应极化方式下的HRRP进行表示,可以有效利用不同极化HRRP之间的相关信息提高目标识别性能。基于电磁散射数据对所提出的方法进行了测试,实验结果证明了方法的有效性。     

双模制导系统中导引头跟踪信息置信度判别

判别导引头对目标跟踪信息的可用性是双模制导系统中的关键环节.判别系统中引入置信度指标来描述跟踪信息的可用性.根据导引头探测环境复杂多变的特点,运用具有自主智能性的模糊逻辑推理系统对导引头跟踪信息的置信度进行判别,并针对模糊逻辑推理系统判别耗时问题,提出了把描述跟踪目标信息不确定性的模糊推理规则转化为神经网络的方法,实现了对导引头目标跟踪信息快速性、准确性的判别,满足了双模制导系统的要求.     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于稳健统计特征的飞机识别方法

本文介绍了基于统计特征(StaF)的分类器,它是一种稳健的、用于高距离分辨率(HRR)雷达的飞机识别(ID)方法。在对特征的数量或位置不作先验假定的情况下,我们实时地选择HRR图像的峰值特征。特征提取依靠所观测到图像的信息内容,把特征的数量、位置和幅度作为随机变量。本项研究的主要目的是,通过把对未知目标的识别错误减少到最小,同时维持对已知目标的高识别率的方法来增强分类器的稳健性。结果表明,这种StaF分类器能够显著地减少与未知目标有关的识别错误,同时维持高概率的正确分类。     

低分辨雷达基于波形特征的飞机架次判别方法

通过分析低分辨雷达飞机目标回波波形,提取出低分辨雷达飞机目标架次可资分类的特征参数作为飞机目标架次判别的特征向量。最后,采用模糊极大极小神经网络作为分类器,在低分辨雷达目标识别样机系统对机群目标进行分类识别试验中,验证了所提取特征的有效性。     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

ANN-FRIFS在多传感器信息融合故障诊断中的应用

对于多传感器故障诊断系统,必须根据环境的变化和传感器的状态等合理地运用各传感器的信息。文中设计了一种基于经验规则和模糊推理功能的ANFIS置信度判别器,此判别器能自适应地对各传感器数据综合判别,得到它们相应的故障置信度,进而对多传感器的信息进行融合,提高了诊断的准确度。     

萤火虫优化的异构集成学习网络入侵检测方法

在网络入侵检测中单独使用一种机器学习方法检测存在盲区,检测精度较低,提出一种基于GSO优化权值的异构集成学习入侵检测算法.在构造基分类器中,通过对样本集的采样和特征集的选择增大各个基分类器样本间的差异性;通过不同学习算法对样本集的学习增强基分类器的差异度,通过加权方式集成得到检测结果.在设计权值时,引入萤火虫优化算法,对各个基分类器的分类结果权值进行优化.在通用数据集和CSE-CIC-IDS2018数据集上的实验,表明提出的方法能够有效提高检测的精度,降低误报率和漏报率.     

基于竞争神经网络的雷达杂波抑制方法

为鉴别杂波点迹和目标点迹,消除杂波对雷达性能的影响,提出了一种基于竞争神经网络的雷达杂波抑制方法.首先,选取雷达点迹形成过程中能够反映目标点迹和杂波点迹差异化的特征,作为神经网络输入数据;然后,根据输入输出的数据维度设计竞争神经网络分类器,并对其进行训练;最后,利用训练好的神经网络分类器对雷达点迹进行聚类,对识别为杂波...     

用于复杂系统环境的遗传分类器系统

设计了一个针对复杂系统分析的遗传分类器系统,该系统不仅利用了遗传算法强大的搜索能力和便于从大量历史数据中发现规律的优点进行分类器获取,而且还具有如下两个主要特点;①它能够适用于复杂的、缺少完整描述且训练信号带有噪声的系统环境;②它是一个白箱系统,所获取分类器的置信度与统计结果相符,从而支持定性、定量相结合的综合推理模式。     

基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

武器系统综合效能模糊识别模型

武器系统的综合性能评价是一个半结构型多目标决策问题,引入指标相对隶属度概念,提出了一种新的指标权重确定方法,并综合模糊优选、模糊识别等理论建立了武器系统的多级模糊识别模型。示例对三型反舰导弹武器系统效能进行模糊识别,得到其性能相对客观的评估。     

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.     

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。     

IMM PF算法在反舰导弹跟踪滤波中的应用

反舰导弹具有飞行速度高、进入目标高度低和机动性强等特点,对反舰导弹跟踪滤波属于典型的非线性系统估计问题,对算法要求较高。粒子滤波器可以获得近似最优解,采用粒子滤波代替交互多模型跟踪算法中的扩展卡尔曼滤波,将粒子滤波与交互多模型的优点相结合,用于非线性非系统的高速高机动反舰导弹目标跟踪,比较扩展卡尔曼滤波而言,这种滤波器对不确定情况有更好的滤波性能。将这种滤波器应用到跟踪算法中,可以对非线性系统取得良好的滤波效果。Monte Carlo仿真结果表明在反舰导弹各种机动情况下跟踪滤波算法是有效的。     

带角度控制的有限时间收敛导引律设计

多枚反舰导弹同时对目标实施饱和攻击时,不仅需要反舰导弹能够满足零脱靶量,还要求反舰导弹能从期望的入射角度对目标实施攻击,或者战斗部以特定的命中角度侵入舰艇目标,以期获得最好的打击效果。基于航向平面内的导弹与目标之间的二维相对运动模型,应用有限时间稳定性理论,提出了反舰导弹的末制导系统有限时间收敛的充分条件,并根据这个充分条件设计了一种带角度控制的有限时间收敛导引律。仿真结果证明,设计的导引律能够满足脱靶量的同时,实现攻击角度控制。