基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

遗传算法及其应用

简述了遗传算法的其本原理和特点,并将其应用于声纳目标特征的选择。实验结果表明了遗传算法在模式特征优化和选择中的优势。     

模糊数学与计算机应用

论述模糊数学与计算机发展之关系,设想利用模糊数学方法解决计算机进行模糊模式识别的过程,给出了几个具体例子。     

物体识别不变性方法比较分析(Ⅰ)——统计方法

在计算机视觉与模式识别中,如何从不同的角度来识别同一物体而与该物体的位置、放置方向无关,是一个关键的课题,至今仍无很好的解决方法。本文中,我们总结了现有的方法,并将它们分为统计方法、解析方法和神经网络方法3类,并对这些方法的两个主要性能指标,即噪声敏感性和变形敏感性进行了模拟分析,模拟工作是在Masscom高速微巨机上完成的。最后,我们提出了一种新的方法。     

基于瞬时转速多特征融合的内燃机各缸工作状态识别

为分析内燃机瞬时转速波动过程与各缸工作相位的对应关系,进而识别各缸工作状态,提出了基于硬件计数原理的内燃机瞬时转速精确测试方法,在某自行火炮发动机上测取了发动机正常工作、燃烧不良和失火工况下的瞬时转速信号。对信号进行频谱分析,并利用分频带滤波方法分离出电调信号和各缸做功冲击信号,进而提出5个特征参数并计算各特征参数的相对偏差和偏差极性,最后根据不同特征参数的相对偏差幅值和偏差极性分布规律判别各缸工作状态并定位状态异常缸。     

基于NFxPEM算法的调制气流声源的非线性补偿研究

针对调制气流声源存在较强的谐波畸变,将声源系统等效为Hammerstein非线性模型,利用该模型下的预失真技术对声源进行非线性补偿研究。根据辨识的Hammerstein模型中静态非线性部分带有直流分量的特点,给出了考虑直流分量补偿的预失真算法,并用数值仿真验证了算法的准确性和直流分量补偿的必要性。在非线性补偿实验中,根据单频信号辨识得到Hammerstein模型参数,采用NFxPEM算法求得对应的预失真Wiener模型参数和预失真波形。实验结果表明,与直接发射相比,补偿发射后声波的功率谱中谐波能量有所下降,而基频能量有小幅度的上升,说明了研究思路的正确性。     

自动目标识别(ATR)技术发展述评

能够自动进行目标识别 ( ATR)是现代武器装备力争具备的先进性能之一。从历史回顾、当前状态及未来发展等几个方面对自动目标识别的研究历程、技术现状和发展前景进行了较为详细的论述 ,并指出了当前发展中遇到的主要技术难题及可能的解决办法     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

多模板指纹的特征拼接

许多自动指纹识别系统在注册阶段对于每个用户存储同一手指的多个模板指纹,在认证阶段将输入的指纹和存储在模板库中的相应手指的多个模板指纹进行比对。提出了将多个模板指纹的特征进行拼接的方法,将多个模板指纹拼接成一个模板指纹。这样,在认证阶段可以减少和输入指纹进行比对的模板个数,加快了比对速度。同时,拼接而成的模板指纹比单个模板指纹的特征丰富,有利于提高识别的正确率。实验测试表明,方法能够提高系统的识别性能。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。