人车目标的自动识别

对单人、人群、机动车三类目标的特征进行了分析,找出了它们之间的不同之处,提出了对这三类目标进行分类识别的方法,并经现场检验,证明这种方法是有效的。     

基于最小邻近准则的故障类型识别方法

对设备的多故障类型自动识别问题是设备进行自动诊断的难题之一。讨论基于信号频域特性的故障信号特征提取方法,利用这种方法可以把统计学的聚类分析技术用于故障类型识别,建立起一个由信号特征向量构成的向量空间,以最小邻近准则作为故障类型识别的依据。     

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。     

一种基于改进的SEVQ 匹配算法的汉语全音节语音识别系统

本文全面介绍了一种采用改进的ＳＥＶＱ匹配算法的特定人汉语语音识别系统,具体描述了系统总体方案、系统参数的选取策略、各种识别预处理所用方法及语音模式匹配原理和方法。系统的实时识别率超过９３％     

运动目标的智能识别与定位

本文详细探讨了本课题研究的内容及关键技术,并且给出了地雷智能系统样机的战术技术性能,重点阐述了智能识别与定位的理论,特别是模糊理论在识别与定位中的应用,对样机的硬件与软件结构,被动声定位技术,延时方法进行了分析与对比。     

数字调制信号的神经网络识别方法

提出数字调制信号的人工神经网络识别方法，从信号幅度、相位、频率及功率谱等特性中提取五种特征参数，用于训练神经网络对数字调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。     

目标识别系统中的一种多传感器数据融合算法

Dempster证据组合规则在D-S证据理论中具有十分重要的作用。但在将Dempster证据组合规则应用于多传感器数据融合时,理论上仍有值得探讨之处。在对Dempster证据组合规则进行分析的基础上,提出了解决目标识别系统中多传感器数据融合的“一次Dempster联合法”,避免了原有算法中需多次采用Dempster证据组合规则来计算的问题,从而减少了计算量。     

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...     

一种新的雷达辐射源识别专家系统

基于专家知识的雷达辐射源识别系统是解决雷达辐射源识别的重要方式。针对特定的应用背景,提出了一种由知识库确定雷达辐射源相似工作模式比较序列后依据专家知识识别雷达工作模式的新的雷达辐射源识别专家系统,介绍了该雷达辐射源专家系统的组成和各部分的功能,给出了推理过程和确定置信度的知识的表示方法。