共查询到20条相似文献,搜索用时 31 毫秒
1.
针对杂波、噪声和干扰环境中弹载雷达扩展目标检测识别问题,结合认知理论,在频域基于最小均方误差(minimum mean-square error,MMSE)准则提出一种新的雷达发射波形优化算法,用以抑制杂波和对抗干扰。建立雷达信号时频模型,通过目标参数贝叶斯估计构造以均方误差为代价的功率受限目标函数,利用拉格朗日乘子法得出最小代价发射信号频域能量最优波形表达式。仿真结果表明,算法能够针对目标频率响应和杂波、干扰的相对强度合理分配发射信号的频域能量,提高目标估计精确度,优化雷达检测识别性能;仿真条件下,最小均方误差准则优化波形目标识别性能优于互信息量准则。 相似文献
2.
3.
4.
5.
为了解决通信网络结构识别问题,根据通信网的工作特点,在识别过程中引入目标编群理论,逐层递增生成通信网络的群结构,并对群结构进行动态维护,识别和更新通信网的组成信息.仿真结果表明了该方法的可行性和有效性. 相似文献
6.
7.
8.
由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度. 相似文献
9.
10.
不确定性理论能够很好地表示不精确、不完整、不可靠等不确定性知识,因而得到广泛应用。针对通信侦察目标信息不精确、不完整、不可靠等不确定性问题,提出了基于模糊函数的数据库匹配方法,分析侦察目标参数的特征,构建不同的隶属函数。为了提高识别正确性,提出了基于隶属函数的自适应融合方法。数值算例表明,基于隶属函数的自适应融合算法可有效处理各种冲突情况,且收敛速度快,计算量小。 相似文献
11.
对2块金属橡胶元件组合制备的隔振器进行静动态试验,指出组合隔振器的优点;利用双折线模型描述该非线性迟滞系统的记忆恢复力,并建立该系统的本构关系及参数识别方程;采用给记忆恢复力zs赋初值,再将用最小二乘法识别得到的参数作为初值构造误差函数,利用误差函数把一次刚度和记忆恢复力的参数识别问题转化为函数优化问题的方法,用小生境遗传算法进行优化识别;对该方法进行模拟仿真识别,并对某金属橡胶隔振器进行试验研究.仿真和试验均表明该方法根据系统输入-输出数据来直接识别系统的物理参数,简单可行且精度较高. 相似文献
12.
13.
雷达目标识别中获取基本概率赋值的方法 总被引:3,自引:0,他引:3
由于传感器的精度、系统组成的许多环节、外部环境影响以及数据的后处理等因素的影响,雷达目标识别中存在大量的不确定性.在这种情况下,利用精确的方法处理不确定性信息,必然造成识别误差的提高.证据理论是近年发展起来的一种新型推理技术,由于它能够处理由不知道引起的不确定性,因此被广泛地应用于目标识别中.然而,在利用证据理论时,基本概率赋值的构建是证据理论实际应用中面临的最大难题.针对雷达目标识别具体问题,在系统分析证据理论的基础上,提出构建基本概率赋值的方法,并通过仿真实验验证了方法的可行性. 相似文献
14.
获得运动舰船的船体长度对于航海避碰和目标识别具有重要的参考价值。然而,由于诸多因素的限制,现有视觉技术难以精确测量。为此,引入了纯方位目标运动分析理论结合双目视觉技术实现对运动舰船长度的测量。首先就所研究问题建立运动模型,推导了基于目标舰船方位、距离参数的舰船长度测量方法,针对该方法测量误差大的问题提出了基于航向、距离、方位的舰船长度测量方法。目标航向无法直接获取,为此引入基于纯方位理论的目标航向视觉估计方法,并进行了仿真验证。最后对两种舰船长度测量模型的误差进行了仿真比较分析,结果表明采用本文提出的"距离航向"法,当观测点位于目标舰船正横左右范围内时误差可以控制在10%内,"方位距离"法误差更小,适用的舷角范围更大。 相似文献
15.
为解决防空反导体系对于目标意图识别中多源信息处理的问题,提出了一种新的防空目标识别方法——置信规则库(Belief Rules Base)识别模型,该方法是基于BRB专家知识系统的自学习方法,可以有效处理多源不确定性信息。同时,为了提高其识别效率,建立了一种与之相匹配的参数优化模型,并选择差分进化算法作为BRB识别模型的优化引擎。此外,在BRB识别模型中,专家意见也被引用到模型的初始化和推理过程中。最后采用一个实例对BRB识别模型的准确度进行验证。研究表明:该方法具有较强的实用性,可为防空反导体系的目标意图识别提供有力支撑。 相似文献
16.
17.
雷达目标识别是现代雷达技术的重要发展方向之一,在未来武器系统中具有重要的意义。针对高分辨一维距离像在预处理中平移敏感性的问题,使用了全局最小熵距离对齐算法,能够较准确快速对准距离像单元,提高了距离对齐的精度。为了提高雷达目标识别的准确率,提出了一种与广义回归神经网络模型(generalized regression neural network,GRNN)相结合的目标识别方法。利用K重交叉验证法对神经网络训练,并且根据最小均方误差寻找出GRNN神经网络光滑因子spread的最优值,同时获得目标识别训练样本的最优输入输出值。通过对比,取得最优光滑因子的GRNN神经网络将大幅度提高其收敛速度与泛化能力。仿真实验证明,基于改进GRNN神经网络的雷达目标识别可以获得较高较稳定的识别正确率。 相似文献
18.
19.