中国首划防空识别区

2013年11月23日,中华人民共和国国防部发表声明,宣布根据《中华人民共和国国防法》《中华人民共和国民用航空法》和《中华人民共和国飞行基本规则》划设东海防空识别区。     

基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

云模型和特征辐射源信息的平台目标识别

平台目标识别一般分为两个步骤,首先是对平台上辐射源的识别,然后通过辐射源和平台的关联进行平台识别.在辐射源识别阶段提出利用云模型描述和处理参数存在区间模糊和观测具有噪声的数据,较好地解决了对于带有复杂调制信号的辐射源识别问题.在平台识别阶段,就辐射源和平台关联的各种结果给出了新的计算样本和模板间匹配度的方法,并且提出利用平台的特征辐射源信息对平台识别结果进行进一步的筛选,以提高识别率.最后用仿真验证了该方法的有效性.     

目标识别中的传感器管理方法

基于假设检验的方法,研究了目标识别中的传感器管理方法。分别以用于假设检验问题中的最大后验概率、最小代价函数和最大正确检测概率为目标函数,给出了用于目标识别问题的多传感器管理方法,并针对目标识别问题的特点,对其进行了相应的改进。通过对一定场景的仿真,比较了三种不同方法的识别正确率和平均采样次数,分析了各种方法的特点。     

一种新的动态信道化接收机设计方法

针对复杂电磁环境中存在多个非均匀分布的、不同带宽的信号的情况,提出一种新的动态信道化接收机设计方法。设计一个半带滤波器,并通过内插运算压缩它的频率响应,形成周期频谱;对输入信号进行滤波,同时使原信号经过一定延迟后减去滤波后的信号,形成两路在频谱上互补的信号;用均匀分析滤波器组对得到的两路信号分别进行滤波分解处理,实现监视频段的均匀信道化;根据能量检测结果将属于同一信号的相邻子信道信号作为下一步重构处理的输入,并设计出相应的综合滤波器组提取信号。理论分析和仿真结果验证了新方法的有效性。     

一种基于知识的港口识别与理解方法

港口识别技术在军事上有着重要的应用前景。采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中采用自适应平滑技术(Saint-Marc)进行预处理;中层处理提取港口重要对象目标(包括水域、防波堤和港口轮廓),用阈值分割和区域增长相结合的算法提取水域,用结构特征识别防波堤和港口轮廓;最后在高层处理中借用语义树的概念分析港口重要对象间的关系,采用概率松弛法进行港口的目标检测与识别。     

一种确定城市污水处理厂建设规模的新方法

污水处理厂建设规模的确定是城市污水处理厂建设项目环境影响评价的重要内容之一。为了使规模确定更加合理，基于水量样本的分布特征，在考虑拟建污水处理厂服务区域日用水量小时变化周期性的基础上，考虑一周内小时水量变化特性，提出利用模糊识别理论对水量样本分布进行识别，以分布隶属度因子修正日用水量预测的日周期自回归模型，从而建立计及日用水量波动的周期自回归复合因子预测模型。该方法在污水处理厂环境影响评价中进行了应用，结果表明对城市污水处理厂建设规模的确定具有有效性和实用性。     

主成分分析的模糊神经网络目标识别系统

提出了一种基于模糊神经网络(Fuzzy Neural Networks,FNN)的目标识别算法.在对目标进行模糊化处理基础上,通过主成分分析(Principal Component Analysis,PCA)提取相应的特征空间,以畸变的特征向量对系统进行训练,从而获得较高的目标变化适应性.仿真实验结果表明, 这种方法具有较强的自适应能力,抗噪性能也有所提高.     

反射波法测试桩基完整性时域曲线的定量分析

利用一维杆件波动理论，同时考虑导致应力波衰减的因素，将应力波衰减系数分为两部分定义：由桩身阻抗变化引起的应力波衰减系数及由桩周土阻尼等因素引起的应力波衰减系数，建立了桩身应力波传播更加合理的数值计算模型。实例分析结果表明，此模型能较好的实现对动测时域曲线的定量分析。     

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.