基于灰色关联的目标识别模型

在分析研究空中目标特征指标的基础上,提出并建立了基于灰色关联的目标识别模型。通过实例说明,利用该方法进行目标识别简单、有效。     

基于人工智能的微反应识别与处理

随着时代发展,人工智能研究运用取得一定的成果,比如苹果公司的siri、Google的搜索引擎、卡内基·梅隆大学的Intra Face应用系统等,都为人工智能条件下的机器人更像真实人类率先布局。如何实现机器人更像真实人类的目标,尽快研究并解决人工智能的微反应识别和处理显得尤为紧迫和重要。本文将以面部微表情和映射心理状态肢体动作的微反应为主,重点介绍人工智能微反应的探测、识别及处理的方式,旨在不断提高机器识别、表达微反应的能力,推动人工智能从感知层面向认知层面演进,实现发展人工智能的终极目标。     

玫瑰扫描型导引头目标定位技术研究

针对玫瑰扫描型导引头形心计算偏差的问题,在阐述玫瑰扫描原理及参数的基础上,建立了目标识别模型,着重研究了目标精确定位技术,得到了新的目标形心计算方法,有利于在工程中选取合适的导引头战术参数。     

激光成像雷达自动目标识别技术综述

现代战争复杂战场环境对精确制导武器的性能提出了越来越高的要求,激光成像雷达逐渐成为一种很有发展潜力的新型制导方式.介绍了激光成像雷达自动目标识别技术的研究现状,分析了激光成像雷达自动目标识别存在的问题,对激光成像雷达自动目标识别的技术途径进行了详细的综述.     

基于TOPSIS方法的自动目标识别作战能力评估

自动目标识别(Automatic Target Recognition,ATR)效能评估是ATR系统相关研究中的一个重要的研究方向.针对现有研究的不足方面,重点研究了ATR效能评估的概念、建立了作战能力指标体系和基于TOPSIS方法的作战能力评估模型,并对指标体系的合理性和评估方法的适用性进行了分析.研究解决了ATR效果评估所涉及的部分重要问题,具有较强的军事应用价值.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

BP神经网络在无源雷达目标识别中的应用

目标识别技术是无源雷达的关键技术之一.针对无源雷达目标识别的特点,在分析空中目标类型和目标表征的基础上,建立了基于BP神经网络的目标识别模型,并对设计该模型涉及的基本问题进行了详细分析,最后运用该模型对给定特征的空中目标的进行了实验.实验结果表明,该模型提高了目标识别的稳定性和准确性,是有效可行的.     

基于波形骨架的信号细微特征识别

从渡形这一原始信号特征来分析信号细微特征,研究建立一种渡形骨架提取的信号细微特征识别模型,强调利用主曲线来提取渡形的原始骨架,采用分形进行骨架比对,借此识别不同信号源发出的信号.依据信号源细微特征产生机理,设计仿真实验,验证波形骨架提取的信号细微特征识别模型可靠有效.     

空中目标敌我识别模型

首先阐述了目标敌我识别的概念及其重要性.接着建立上级指定、外部情报、飞行计划、敌我识别器、目标电子干扰、目标机动特征、目标速度特征和目标群特征等主要识别因素的识别模型和准则,并给出了目标敌我识别的判断逻辑.最后采用加权求和法构建了目标敌我综合识别的数学模型.研究成果可作为指挥员进行人工敌我识别判断的思维逻辑,也可作为开发程序化的自动敌我识别软件的建模依据,对防空指挥控制系统发展具有参考价值.