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。     

提高英语听力的途径

通过对影响听力提高的障碍进行分析,提出只有跨越种种障碍,才能找到正确的学习方法,同时要训练听力技巧.预测、识别、归纳、记忆能力以及精听与泛听结合的方法是听力提高的关键.     

一种利用声处理技术的计数方法

分析了坦克队列行进时声音的变化规律,提出了一种新的计数方法,利用声探测器和一定的算法来模拟人耳的功能,实现了对行军坦克的计数.     

现代防空系统中目标识别算法研究之一

建立一套基于目标运动特性信息的目标识别模型,并利用层次分析法,研究权系数的取值问题,解决了比较棘手的权系数取值的定量化问题,使得取值更加合理和科学。     

一种雷达类型识别方法

针对目前雷达辐射源识别中存在的,对于数据库中未存储的雷达类型识别能力较差的情况,提出了一个雷达辐射源识别系统,在系统中将雷达的识别分为已知雷达识别和未知雷达识别两个部分分别进行,并给出了系统各个组成部分的实现原理。试验证明,本系统对于未知的雷达类型有着较强的识别能力。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

二值化联合变换相关器识别复杂背景目标时的阈值选取

讨论了利用二值化联合变换相关器对复杂背景目标进行相关识别的阈值选取问题。由于不同阈值对二值化联合变换相关器识别结果有很大的影响,阈值过高,会损失过多的联合变换功率谱中的有效成份,使相关峰减弱;阈值过低,会使联合功率谱中的噪声放大,相关峰可能被淹没在噪声之中。因而存在一个最佳阈值。实验表明,最佳阈值位于联合功率谱最大灰度值的40%～50%之间,在此阈值范围内,相关峰值较高,噪声也得到有效抑制。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

基于神经网络模糊融合技术的潜艇声纳目标识别系统

将神经网络和属性层模糊数据融合技术应用于潜艇水下目标识别是解决潜艇声纳目标识别问题的有效途径。本文建立了声纳目标识别系统的结构模型和算法模型,设计了一个基于神经网络属性层模糊数据融合的目标识别系统,研究了将噪声信号功率谱和双谱用于目标识别,并进行了仿真,验证了该系统的可行性和有效性。     

跳频通信抗扫描干扰研究

本文以扫描干扰为研究对象,结合跳频信号的特性,给出了一种扫描干扰的分类原则,提出了对各类扫描干扰信号的分解方法,讨论了通过干扰图案再生并修正跳频图案来克服扫描干扰的方法。