基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。     

军事领域细粒度识别技术与应用

战争的信息化程度不断加深对军事侦察提出了更高要求.军事目标识别作为军事侦察的主要任务之一,需要能够处理细粒度军事目标,为人员提供更加详细的目标信息.但传统的粗粒度目标识别方法无法得到目标的细粒度信息.因此,如何识别细粒度目标成为目前军事侦察亟需解决的问题.针对该问题,本文结合军事领域的实际需求,对细粒度识别技术的发展现...     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别.为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力.采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类...     

基于改进连通区域标记的跳频信号分选识别北大核心

针对小型无人机在复杂电磁环境下难以识别的问题,提出了基于改进连通区域标记的跳频信号估计与分选方法。首先,采用基于局部窗口的能量门限统计法,在信号时频域去噪;接着,对常规连接区域标记法进行改进,设计了新的连接区域片段关联和干扰抑制方法,解决连接区域断裂和干扰混合的问题;然后,针对多跳频信号混合情况,利用时频幅度差异重建连接区域;最后,根据改进的连通区域标记图进行参数抽取和信号分选识别。仿真结果显示,在噪声、干扰和多跳频信号混叠环境下,信号参数估计精度和目标信号的正确识别概率均明显高于常规连通区域标记方法。