低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

神经网络在声纳目标识别中的研究进展

综述了神经网络在声纳信号预处理、目标特征提取及其自动分类方面的研究进展,简要分析了神经网络模型的特点和在应用中的局限性。并对该领域的发展趋势提出了自己的看法。     

角速率火控原理研究

论述并研究了角速率火控原理,利用“滤波──识别”方法,提出了一套新的角速率火控滤波和外推模型。仿真结果表明,这种模型对于机动运动的反舰导弹可以明显提高火控预报精度。     

水雷磁引信目标识别技术初探

目标识别技术应用于水雷磁引信的关键是目标特征量的提取与分类器的设计。本文提出了舰船目标吨位识别的四维特征向量,设计出完整的二叉树分类器。仿真计算表明,这种特征量的正确识别率在90％以上,为目标识别技术在水雷磁引信中的应用作了有益的探索。     

载荷识别及其精度改善

本文系统地建立了载荷识别方法,详细探讨了提高载荷识别精度的途径,得到了载荷识别过程中信号处理加窗原则和试验的一般技术要求,使识别精度明显提高。     

军用实时语音识别系统的探讨

本文介绍并讨论语音识别军事应用的潜力和现状,给出我们建立的一个可用于军事作战指挥和多控制场合的小、中词汇表实时语音识别系统。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...     

军队工程协同设计主体识别模型优化研究

协同设计是军队工程建设军民深度融合发展和综合效益提高的必然趋势.如何有效识别协同设计主体是有效实施协同设计的关键.针对军队工程建设特点,构建协同设计主体评价指标体系,用GRD对TOPSIS模型进行优化整合,既发扬了TOPSIS法在应用上能很好地对多属性、少样本事件进行评价的优点,又利用GRD的曲线相似度的柔性评价标准,巧妙规避了TOPSIS求解刚性过强、权重过于主观、评价标准单一、偶尔无法区分两主体优劣的缺陷.实例和灰色聚类的验证结果均表明:该优化组合模型对客观、准确识别军队工程协同设计主体效果较好.