干扰条件下基于MMSE准则的弹载雷达认知波形优化

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。     

目标脱靶方位识别的修正方法

针对传统的目标脱靶方位识别的近似方法在弹目交会末端的误差较大,对该识别方法提出修正,得到精确方法,通过算例可以验证修正方法的正确性。修正方法的误差主要来源于数值计算的舍入误差,相对于传统的识别方法没有增大很多的计算复杂度,但精度得到了很大的提高。当在弹目交会末端,采用修正方法来对目标脱靶方位识别能很大程度上为引战配合设计提供更为良好的条件。     

通信辐射源个体识别的自编码器构造方法

自编码器算法具有不依赖有标签样本进行有效特征学习的特点,适合应用于电子对抗中通信辐射源个体识别任务,但其主要局限在于其性能取决于结构参数的设计。为提高通信辐射源个体识别任务中自编码器性能,提出了一种通信辐射源个体识别的自编码器构造方法。提取通信辐射源信号的高阶积累量,根据调制信息估计自编码器结构参数,最后由验证实验筛选性能满足阈值的结构参数,存入参数信息库。验证实验中,在实际采集的调频通信电台数据集上最高达86.8%的准确率,证明了所构造自编码器的有效性。     

多角度目标参数滤波方法

在独立射击方式下,假设目标作匀速直线运动,根据火炮角度传感器测量的高低角和方位角,用视在航路法求取射击诸元.因测量值含有跟踪误差,所求参数含有较大噪声,必须对其进行滤波.根据射击诸元求解方程找出目标参数潜在的特征,提出了一种先限幅后采用加权平均滤波的方法,对跟踪误差进行滤波.仿真表明,这种方法能有效提高目标参数的估计精度.     

基于目标编群理论的通信网络结构识别

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.     

一种定标缺失情况下的高光谱目标识别方法

高光谱遥感图像识别在民用和军事领域有着广泛的应用。在缺乏定标信息、缺乏同步观测大气光学参数情况下,对高光谱图像进行地物识别尚没有系统有效的方法,制约了其在定量遥感方向的应用。对此提出了一种利用粒子群算法优化6S模型参数基础上的高光谱遥感数据校正方法,并将其应用于定标缺失情况下的目标识别中。实验表明:在对遥感图像利用少许先验信息选择参数进行校正后,分类准确率为76.25%。而利用粒子群算法优化参数的6S校正后,分类准确率提高到91.58%,目标识别准确率得到了有效提高。     

基于“当前”统计模型的综合滤波-参数识别模型

在机动目标“当前”统计模型的基础上建立了新的综合滤波－参数识别模型,并用识别－滤波两步走的方法在线识别机动示性参数和量测噪音参数,由此实现对机动目标跟踪的动态建模,使数学模型更加符合实际情况。     

基于RBFNN与D-S证据理论的反舰导弹模式识别

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.     

基于RBF神经网络的空中目标识别技术

空中目标识别的正确与否对防空火力的部署、分配及有效打击有着重要的意义。利用径向基函数(RBF)神经网络逼近非线性的空中目标识别模型。在RBF神经网络空中目标识别模型中,输入向量是雷达探测到的空中飞行目标的6种目标属性,输出向量是空中飞行目标的类型。通过Matlab的数据仿真结果与传统的BP神经网络目标识别模型相比,该模型的误差更小,可以有效地提高空中目标的识别率。     

不确定性理论在通信目标识别中的应用

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。     

组合金属橡胶隔振系统参数识别

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.     

基于六边形主域积分双谱的通信辐射源识别方法

在分析目前辐射源识别系统中常用的积分双谱参数的基础上,文章提出一种六边形主域积分双谱(HPIB)特征参数提取方法,利用双谱参数的对称性,简化积分双谱的计算,摒弃双谱矩阵中的无定义项,有效提高了积分双谱特征的计算效率。采用同型号同工作参数的10部通信电台进行识别实验,识别分类器采用概率神经网络。实验结果表明,相比传统积分双谱特征,采用HPIB特征参数可提高特征提取效率24.7%,同时由于去掉了双谱矩阵中无定义项的干扰,提高了识别系统的正确识别率。     

雷达目标识别中获取基本概率赋值的方法

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.     

基于纯方位理论的运动舰船长度测量方法

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。     

基于置信规则库的防空目标意图识别方法

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。     

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。     

交叉验证的GRNN神经网络雷达目标识别方法研究

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。     

导弹目标识别的最小贝叶斯风险分类器

在贝叶斯决策理论的基础上,通过划分目标特性空间的方法,推导了目标分类问题的总风险表达式.并根据导弹目标识别的特点,建立了导弹目标识别的最小贝叶斯风险模型,给出了基于风险分析的导弹目标识别的具体实现方法.最后,依据导弹目标的实际情况给出了仿真参数并进行了仿真试验,试验结果证明了本方法的有效性.     

多传感器目标识别融合模型研究

针对目标识别中传感器正确识别概率、目标识别先验概率等参数难以求取问题,提出将目标识别集合划分为子集,证明了目标相对于目标识别子集的潜在概率分布与目标隶属于目标识别子集的置信度对应关系,在选取目标识别置信度距离测度基础上,建立了目标识别置信度的最优融合模型,实现了多传感器目标识别决策级融合.     

大噪声背景下的纯方位导引方法

线导鱼雷攻击时对目标参数解算依赖小 ,这一特点有利于远距离隐蔽快攻和提高舰艇的作战和生存能力。在鱼雷发射后边解算边导引实时修正雷达误差 ,可以提高鱼雷自导发现目标的概率 ;导引过程中进行人工干预 ,可以提高鱼雷抗干扰能力。在无目标运动要素的条件下 ,对线导鱼雷攻击水面目标的纯方位导引法进行研究 ,提出一种较为有效的导引方法