特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

利用堆栈特征的片上末级缓存访问模式在线识别方法

很多优化处理器缓存利用效率的方法依赖于对访问请求序列的特征的探测或识别,例如,预取和绕开等。如何在线有效识别访问请求序列的特征依然是一个开放的问题。通过对典型访问模式的深入分析,发现其堆栈距离频度的分布展示出鲜明的特征。而模拟实验数据表明访问请求序列的特征具有一定的持续性和稳定性,具有检测和预测的可行性。因而提出了一种基于堆栈直方图峰值的在线识别访问模式的机制和方法,空间和时间开销都较小。对SPEC CPU2000/2006的15个程序的实验表明,所提方法均可正确识别测试程序的访问模式。     

时变信道下雷达辐射源个体识别的局部相关检验方法

辐射源个体识别是电子战领域的研究热点。针对时变信道下波形已知的雷达个体分类问题,基于似然比检验提出一种稳健的局部相关检测方法。该方法利用雷达波形中差异度较大的部分生成参考波形,构建假设检验模型进行信号分类,并通过比例因子调节参考波形的差异显著性。仿真实验表明,随着参考波形差异显著性增强,本方法识别性能明显优于直接最大似然比方法,具有较好的抗多径性能。     

数字图像复数不变矩构造及稳定性分析

为系统性地给出数字图像不变矩一般性构造方法及对不变矩稳定性进行分析,通过采用复数矩作为描述数字图像识别特征量的方法,研究了复数不变矩所具有不变性的约束条件及其与几何不变矩间的关系,推导出了复数不变矩构造定理,并以在工程应用中的低阶复数不变矩为例对复数不变矩的稳定性进行了分析。研究结果表明:采用复数不变矩构造数字图像特征量具有很好普适性和稳定性,对于图像目标识别特征的描述有较好的效果。     

一种雷达辐射源时域相参识别的新方法

提出了一种雷达辐射源时域相参识别的新方法,通过判断鉴相脉冲幅度的变化来识别信号的相参性。对时域识别法的原理进行了分析,给出了时域识别法的数学推导和具体的识别步骤,并通过仿真实验对推导结果进行了验证。此外,讨论了信噪比对时域识别法的影响,并给出时域识别法的适用条件。仿真结果表明,该方法在较低信噪比情况下可以实现对信号相参性的识别,具有较强的理论价值。     

基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

基于RCS序列的助推段弹道导弹识别

在弹道导弹的助推段,通过低分辨率雷达得到RCS序列作为识别的重要信息。由于运动特性和电磁散射特性的差异,弹道导弹在助推段的RCS序列与其他目标相比具有可识别性,但需要对其RCS序列进行处理。基于目标识别技术,详细阐述能从RCS序列中提取出的特征参数,并通过直方图、N点截图等方法给出了直观的反映。最后,将弹道导弹助推段特征与飞机、燃料舱等典型目标进行对比,得到可以作为识别参量的特征参数,并通过类内类间距离验证了有效性。     

结合整体和局部特征的步态识别方法

针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法 Rank-1准确率取得了有效提升。     

基于后缀向量拼接的军事装备命名实体识别

军事命名实体识别是军事知识图谱构建和装备实体画像的基础性和关键技术,该技术进一步为军事文本智能化处理、辅助决策和情报分析等任务提供支撑。基于后缀向量拼接的军事装备命名实体识别方法,针对中英文文本结构构成具有天然差异,中文文本缺少天然分割,加之军事装备别称较多,可能会造成识别的缺失等问题,提出利用文本字向量、词向量拼接实体后缀向量的方法,对军事装备实体进行识别和发现。通过实验验证方法的合理性和先进性。