基于属性测度理论的辐射源识别

针对复杂电磁环境下辐射源识别困难的问题,提出了基于属性测度理论的辐射源识别方法。介绍了属性测度理论的相关知识,详细分析了属性识别模型,列出了基于属性测度的辐射源识别算法并给出了识别模型。最后通过仿真实验验证了此算法能有效处理辐射源信号参数的不确定性和模糊性,辐射源识别率优于经典的模板匹配法识别率。     

基于剪枝加权k-NN算法的雷达电磁行为识别

为了更好地实施电子干扰和欺骗,针对目标雷达电磁行为识别问题,提出了一种新的算法。首先,给出了雷达电磁行为的形式化表述,并在此基础上将各项属性参数进行预处理;然后,通过改进的k-最近邻分类算法(k-nearest-neighbor classifier,k-NN)对数据进行处理,从而对未知的雷达电磁行为进行识别。实验结果表明:改进的算法引入剪枝加权策略可加强其分类识别能力,在分类准确率和时间效率上较原算法有一定的改善,对于雷达电磁行为的识别是有效可行的。     

基于目标识别的飞机偏离跑道测量技术

为了有效地避免飞机偏离跑道造成的事故,运用目标识别技术,对机场跑道的标线中心线和表示飞机滑跑方向的轮廓线进行了提取,并且进一步测量出标线的方向和飞机滑跑的方向,计算出两者之间的夹角.从而对飞机偏离跑道进行了定量的测量.实验表明,该技术测量的速度快,耗时少,且测量结果准确,能够有效地对飞机在跑道的滑跑情况进行监控,是一种有用的技术.     

一种实时路况下的车牌照识别系统

该系统采用高清工业相机，以千兆以太网作为数据传输通道，克服了传统传输方式速度较慢，抗干扰能力差的缺点。在识别方面，提出了自适应模板宽度算法，有效克服了光照对车牌定位的影响。该算法还采用投影分割法精确分割车牌字符，对汉字采用Gabor算子提取特征，然后利用SVM进行识别，有效解决了汉字识别问题。     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.     

图像目标识别中的分层检索模型

形状特征是武器装备目标识别的关键因素.针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲线的特性,提出一种R树索引的分层检索技术模型,在模型库空间逐级过滤出与目标相似的模板,以保证检索的效率和准确性,并通过对军用车辆的检索实验验证了模型的有效性.     

面向人不在环装备作战仿真的目标威胁等级智能识别方法研究

针对目标威胁等级识别研究现状及存在问题,以目标威胁评估结果及目标威胁等级识别方法为基础,引入支持向量机技术,对目标威胁等级进行了智能识别,解决了传统目标威胁等级识别方法中存在的问题。     

RFID技术在军用危险品仓储管理中的应用

针对军用危险品仓储管理中存在的数据采集不够准确、自动化程度不高的问题,本文以某军用爆炸危险品仓库的典型收发作业为例,把射频识别(Radio Frequency Identification,RFID)技术引入到其仓储管理过程中,在仓库现有设施设备的基础上,给出了一种基于RFID的军用危险品仓储管理系统的总体设计,最后提出了该技术未来的应用方向。