一种基于规则的敌我识别流程优化设计

随着远程精确打击和高超声速武器装备的发展,快速可靠地进行敌我识别、避免误伤尤为重要.分析了系统敌我识别过程中存在的识别结果前后不一致等问题,给出增加告警监视环节的敌我识别流程优化设计,设计了两类告警规则设计方法,强调人机相辅目标识别思想,为我军相关装备工程研制提供参考.     

语声控制系统模型及实现

语声控制系统是指利用电子计算机对语音信号进行分析,提取出其中携带的有关参数,综合利用语音识别技术与讲者识别技术而构成的一种专用控制系统。本文介绍一个基于汉语数字零到九识别的语声控制系统的模型及其实现方法。     

小波分析及其在核爆与闪电识别中的应用

探讨了基于小波变换的特征提取与识别方法,并将该方法用于核爆信号与闪电信号的识别中,结果表明,该方法是很有效的（正确识别率几乎可达１００％。     

利用二阶神经网络进行说话人识别方法的研究

本文提出了用二阶神经网络进行文本无关的说话人识别的方案,同时采用多共用一张大网的做法,并针对说话人识别的特点分析了方案中语音预处理和特征提取的问题。最后对方案进行了计算机模拟实现,取得了满意的识别效果。     

军用实时语音识别系统的探讨

本文介绍并讨论语音识别军事应用的潜力和现状,给出我们建立的一个可用于军事作战指挥和多控制场合的小、中词汇表实时语音识别系统。     

一种基于模板脉冲序列的雷达辐射源识别方法

现有的雷达辐射源识别方法无法有效地在密集的信号环境中对复杂体制雷达进行快速准确的识别.因此,研究了一种基于模板脉冲序列的雷达辐射源识别方法,给出了其并行处理的结构和具体实现算法.在不同密度的信号环境中该方法能够有效地识别出雷达辐射源并且具有较小的运算复杂度.利用计算机对该方法进行了仿真实现,结果表明在密集信号环境中该方法仍然能够快速有效地识别出雷达辐射源.     

确定冲击载荷识别频段方法探讨

冲击载荷识别中,识别频段的确定直接影响识别精度,根据目前确定信号频段的4种方法,通过分析比较,提出了依实际情况,经载荷频段预估、试识别、平滑处理,而后用载荷频谱函数下降20db确定载荷频段的方法,并通过实例,进一步说明了该方法的可行性。     

基于改进灰关联的雷达辐射源识别方法研究

针对灰关联法的局限性,提出了一种改进的灰关联分析法.该方法有效解决了灰关联法中的分辨系数、绝对差和权重的问题,提高了灰关联法的准确性.在此基础上,提出一种基于载频和改进灰关联法的新的雷达辐射源识别模型.经过仿真验证后,改进的灰关联法较传统的灰关联法更有效,建立的识别模型也能对雷达辐射源进行很好识别.     

雷达辐射源识别的算法研究

针对现有雷达辐射源识别算法的不足,探索雷达辐射源数据库识别的新算法。运用属性测度理论建立了雷达辐射源属性识别模型,结合距离算法、灰关联算法和神经网络样本训练思想,设计出基于属性测度模型的雷达辐射源属性识别算法。通过仿真验证,该算法兼具识别准确度高和识别速度快优点,实用性较强。     

水下平台对敌意图识别技术研究

对敌意图识别是作战平台指挥决策的重要依据。针对水下平台意图特征的识别问题,通过对军事应用领域意图识别框架的分析,建立了水下平台的意图识别框架,同时分析了水下平台可用意图特征及提取方法,并提出了一种适于水下平台的意图识别方法。该方法为意图识别技术研究提供一定的参考。     

基于步态特征的人体身份识别

步态识别是一种新兴的生物特征识别技术,具有广泛的应用前景.首先,给出了步态识别的特点;其次,根据步态序列图像的预处理、特征处理和识别分类三个阶段,阐述了目前所采用的主要技术及各种技术的主要优缺点;最后,提出了步态识别的应用前景和目前存在的主要问题.     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

一种雷达类型识别方法

针对目前雷达辐射源识别中存在的,对于数据库中未存储的雷达类型识别能力较差的情况,提出了一个雷达辐射源识别系统,在系统中将雷达的识别分为已知雷达识别和未知雷达识别两个部分分别进行,并给出了系统各个组成部分的实现原理。试验证明,本系统对于未知的雷达类型有着较强的识别能力。     

目标识别中的特征提取技术

总结了目标识别中特征提取的几种常用方法,重点介绍了基于高阶谱的特征提取,并给出了高阶谱特征提取方法在水下目标识别中的实际应用,实测数据的实验表明,该方法具有较好的类别可分性,在目标识别中具有一定的应用潜力。     

具有连续反馈的在线草图符号识别算法

当前多数在线草图符号识别方法是在用户绘制完图形后,通过点击按钮或等待一定时间来反馈识别结果。为提供连续反馈,提出了一种基于图元的部分草图识别算法:对输入笔画进行笔画分割得到图元表示,提取表示两个图元空间关系的新特征,依据指派问题模型,通过该特征的相似度识别符号。算法简单,无须训练,而且与笔顺、笔画数和图形大小无关。实验证明了方法的有效性。     

基于模糊集理论和D-S证据推理的空袭目标识别

目标识别是防空作战指挥过程中信息处理的一个重要环节。在基于模糊理论目标识别基础上,引入D-S证据理论,通过对模糊隶属度进行重新分配,较好地克服了随机因素的影响,可望进一步提高对空中目标的正确识别率。     

结合整体和局部特征的步态识别方法

针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法 Rank-1准确率取得了有效提升。     

陆战场装甲目标细粒度识别技术

智能化作为新的改变战争游戏规则的颠覆性技术,成为世界各军事强国的发展重点。当前,智能化可以实现对陆战场军事装甲目标的自动识别,但是现有识别任务主要是粗粒度的目标类别识别,缺乏细粒度的目标识别。本文针对陆战场军事装甲目标细粒度识别任务,提出了一种适用于无人作战平台的轻量化细粒度目标识别方法,并初步验证了方法的可行性和有效性,基于此,提出了无人作战平台的新的作战运用。该方法可辅助操作人员进行陆战场装甲目标识别的决策判断,或提供无人打击武器自主打击的判断能力。