基于卷积自动编码器的飞机目标识别方法

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。     

基于模糊综合的红外目标融合识别

为了提高在复杂背景和强干扰条件下目标识别的可靠性,提出了一种基于模糊综合的目标融合识别算法,并采用双色红外成像系统所获得的红外图像数据进行了实验仿真。实验结果表明该算法在较大程度上提高了目标识别的可信度。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

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％。     

一种无人机辐射源调制样式识别算法

针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了一种基于卷积神经网络的信号识别算法。首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别。仿真结果表明,该算法在信噪比为-6 dB时可达到0.97的识别率,具备较强的鲁棒性和低信噪比环境适应性,其性能显著优于传统算法。     

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。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析；利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节；增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高；前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

复杂背景条件下的红外图像末制导技术

通过结合目标红外特征,研究了空-空弹在复杂背景条件下的目标红外成像末制导的技术原理和实施途径。对复杂地背景的辐射特征和主要空中攻击目标军用喷气战机的目标红外辐射源类型作了分析,研究了红外目标特征的提取方法和算法。     

红外成像型空空导弹目标自动识别技术

针对红外导弹和红外诱饵弹的对抗,构建了红外导引头图像探测器的透视投影几何模型.基于模型证明了飞机和目标在不同距离和相对飞行速度下,成像序列中相邻两帧图像间飞机目标的相似性,并且提出了适合导弹的目标快速识别算法,该算法是基于当前帧图像与前一帧图像的目标特征匹配的.最后以实测的飞机及诱饵红外图像数据对文中提出的算法进行了仿真,仿真结果表明了算法对目标识别是可行和有效的,并且能够满足较高实时性的要求.     

小波变换在红外脉冲幅值序列算法中的应用

针对四元探测器信号处理中的脉冲幅值序列算法,提出了用小波变换进行序列数据分析和目标识别的方法。通过分析红外干扰弹的工作过程和其辐射能量变化与典型目标辐射的差异,选择db3小波函数对提取出的脉冲幅值序列进行小波分解和重构,有效地区分了目标信号和干扰弹信号,提高了四元探测器抗红外干扰和识别目标的能力。     

基于知识的模型表示研究

基于知识的模型表示是信息管理系统,特别是决策支持系统(DSS)的基础。根据模型管理和模型建立动态性原则的要求,提出了模型知识化的框架表示法,并给出了应用实例。     

基于价值的指挥主体作战指挥行为评估

作战指挥行为是作战指挥理论的一个重要方面。在明确了其概念后,将价值这一概念引入作战指挥行为评估,认为价值的创造主体是作战指挥行为,并以此作为评估的基础。最后,利用数据挖掘中的关联规则实现评估的量化,并结合案例说明该方法的有效性。     

基于本体的异构信息查询技术研究

将本体应用于异构信息集成领域,提出了基于混合本体的信息集成框架,并结合实际对基于本体的查询处理问题进行了研究,通过实例验证了该信息集成框架的可行性.     

基于Petri网的案例推理研究

介绍Petri网的知识表示方法以及案例推理机制的相关内容,提出了一种基于Petri网的案例推理模型,给出了相应的案例检索匹配算法,并将该模型和检索算法应用到网络攻防态势推演系统中,最后重点介绍了该系统的案例库的知识表示。     

基于网关的LVC互操作研究

仿真体系结构解决了各自领域内仿真资源的互操作问题,而体系结构间的互操作是解决多种仿真资源互操作的有效方法.由于通信协议、中间件和对象模型的不同,体系结构间不能直接进行信息交互.对象模型间的相同点是异构仿真系统间互操作的基础.建立异构系统对象模型与通用数据交换模型的映射关系,通过模型转换实现各异构系统间的数据交互,最后通过"点对点"和通用网关间的时延比较,总结了通用网关的性能特点.     

基于信息折合的CMSR方法研究

计数法和计量法是对产品可靠性评估的两种不同方法。通过仿真,比较了它们对正态单元双边可靠性评估的效率,发现对可靠性要求很高的产品,计量法优于计数法。进一步研究了基于信息析合的CMSR方法,通过仿真检验,证明了此种方法在样本量较小时是实用的。     

基于能力匹配的网络化防空作战联盟生成研究

作战联盟用于描述网络化防空作战的组织框架,其生成问题是研究网络化防空作战协同的基础。首先从任务、联盟表达、能力含义等方面对防空作战联盟问题进行了描述;然后从防空作战节点与面临任务在能力上的供需关系出发,建立匹配、匹配域、能力裕度等相关观念,并依据防空作战联盟形成的不同准则,分别建立基于能力裕度最大和基于执行节点数最少两个NADOC生成问题的约束优化模型;最后通过案例对模型进行了验证分析。     

基于虚拟样机的导弹落点精度

提出一种研究导弹落点精度的仿真方法.在ADAMS/View中建立导弹虚拟样机,在MATLAB中设计控制算法并构建模块化的仿真系统.研究影响导弹落点精度的随机扰动变量,确定它们的分布规律,产生随机扰动变量的样本并添加到所建立的模型中.通过ADAMS/Controls模块实现虚拟样机和控制系统之间的接口,进行机电联合仿真和模拟打靶.分析仿真结果,评定导弹落点精度.这种方法实质上是蒙特卡罗法,但用虚拟样机代替了传统上使用的数学模型,以增加模型的可信度.     

基于相关算法超声流量计的研究

为解决开采原油的精确在线计量问题,在对超声波相关流量计原理分析的基础上,重点研究了超声波相关流量算法。采用循环相关算法,有效克服了有限长离散数据线性相关算法所出现的计算失效问题,并以DSP芯片为核心,实现了超声波相关流量测量系统的设计,完成了信息不丢失测量以及对困难流体流量的非接触在线计量。实验方案经油田现场测试,计量误差可以控制在2%以内。     

多媒体课件在教学应用中的几点思考

多媒体课件作为现代化的教学工具,提高了教学质量和教学效率,但也有其不利的一面,在实际教学中应合理使用多媒体课件。