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。     

基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.     

基于HRRP的弹道目标特征提取技术综述

基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道目标高分辨距离像的特点进行分析的基础上,对弹道目标HRRP特征提取技术以及近年来取得的成果进行了总结,包括长度特征提取技术、进动特征提取技术以及长度特征和进动特征的联合提取技术。最后对弹道目标特征提取技术的技术难点和发展趋势进行了分析,提出了一些解决思路。     

基于支持向量机的宽带相控阵雷达目标识别技术

宽带相控阵雷达高分辨一维目标距离像对弹道导弹的目标识别具有重要意义.首先对目标一维距离像进行预处理,通过双谱分析提取不依赖于目标平移的双谱特征,采用截断距离像频谱的方法减少了目标特征量维数.利用特征量的扩散因子对特征量进行预选择,并根据宽带相控阵雷达多目标跟踪时目标样本数有限与主副目标样本数不一样的特点,利用加权支持向量机(SVM)进行目标识别,实测数据表明所提出的方法是有效的.     

利用小波变换进行空间目标电磁特征提取与识别

高分辨雷达目标识别是当前高技术领域的一个研究重点,以一维高分辨距离像为原始信号,利用小波分析作为目标特征矢量提取的工具,对利用几种代价函数构成的特征向量的分类效果进行了详细的研究,提出了将小波变换、模糊神经网络和信息融合相结合的雷达目标识别方法,仿真结果表明,所提出的目标识别方法是一种有效的雷达目标识别方法.     

一种舰船目标一维距离像识别的新方法

提出了一种基于傅里叶-梅林变换和二叉树支持向量机相结合的舰船目标一维距离像识别方法。该方法充分利用了傅里叶-梅林变换具有的时移与尺度不变性和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能。针对多类舰船目标的识别,提出采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量。对4类舰船目标仿真实验的结果表明,该分类方法具有较高的识别性能、较快的识别速度。     

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。     

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.     

一种有效的常规雷达目标识别方法

基于小波变换和进化网络提出一种有效的常规雷达目标识别方法。即首先利用 Mallat算法对雷达目标一维距离像进行特征提取和压缩 ,然后在进化规划的基础上提出一种混合进化算法来优化设计由多层前向网络构成的分类器。实验结果表明 ,整个目标识别系统的结构简单 ,同时具有较好的推广能力     

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。     

基于Focal Loss的多特征融合地物小目标检测

针对无人机影像中地物车辆目标占整体像素不超过0.4％的小目标检测效果差的问题,在融合FPN结构的Faster R-CNN(FFRCNN)网络基础上,提出一种改进算法——FM-FFRCNN.利用Resnet-50网络进行特征提取,并联多个卷积核进行卷积操作实现多特征融合,达到扩大感受野的效果,并通过检测模块进行回归与分类.同时,为解决模型中正负样本不平衡问题,采用Focal Loss损失函数抑制背景样本对损失的贡献值.实验结果表明:FM-FFRCNN模型在平均精度(Average Precision,AP)上较原先模型提升了19.7％.     

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。     

基于多智能体的舰艇防空目标分配模型设计

建立了基于多智能体技术的水面舰艇对空防御火力分配模型,并对模型运行机理做了较详细介绍。通过与其他分配模型的比较,显示出了引入智能体技术进行决策的长处。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

基于目标距离像的地面目标检测和跟踪

本文阐述了高分辨率一维距离成像的原理,提出了一种基于目标距离像的目标信号检测和跟踪方法。理论分析与模拟结果表明,通过目标距离像可以测量出目标的一部分强散射中心;强散射中心信息的综合利用,可以提高信干比并改善检测和跟踪性能。因此利用目标距离像可以较好地解决强地物杂波背景下目标信号的检测和跟踪问题。     

水下目标跟踪技术

基于水下精确制导的要求,指出了水下目标跟踪技术的重要性和必要性,并分别就水下目标跟踪问题的分类、跟踪坐标系的选择、动载体下探测器的目标跟踪方法、目标运动模型、滤波方法、水下目标跟踪的特点做了叙述,同时对以后的发展方向作了展望.     

人车目标的自动识别

对单人、人群、机动车三类目标的特征进行了分析,找出了它们之间的不同之处,提出了对这三类目标进行分类识别的方法,并经现场检验,证明这种方法是有效的。     

一种宽覆盖域多波束形成方法分析

在研究平面阵多波束宽覆盖域问题时,设计了一种由7个平面阵组成的多面阵天线,给出了一种多面阵天线宽覆盖域多波束形成方法及具体设计步骤。理论分析与仿真结果表明,该多面阵采用上述宽覆盖域多波束形成方法形成的多波束不仅可以完全覆盖整个空域,而且在卫星系统和高空平台系统中具有广泛的应用前景。     

头盔光电目标指示器

头盔光电目标指示器解决对空中目标的搜索及自动快速指示,达到抑制电子干扰,缩短火控系统反应时间,提高发现敌机低空超低空入侵的概率.头盔光电目标指示器利用两个加速度计探测人头的俯仰信息,磁强计测量人头转动的信息,通过解算后得到人头运动的方位角和俯仰角并提供给火控系统.介绍了该指示器的组成和样机的技术指标.试验结果表明:研制的样机精度高、工作可靠、使用方便.