弹道导弹反红外识别能力评估指标研究

弹道导弹弹头和诱饵的反红外识别能力是导弹突防能力的重要内容,利用模糊综合评判方法构建弹头和诱饵反红外识别能力评估指标模型,并利用层次分析法得到各级指标的权重,对弹头和诱饵反红外识别能力进行了评估.     

次优最大似然调制识别算法及其性能分析

提出了一种降低计算复杂度的次优最大似然调制识别算法,该算法在一定的信噪比条件下,具有与最优分类算法相近的性能.通过分析,得到了次优算法达到较好性能所需的信噪比.并在两接收天线的情况下,研究了次优算法的识别性能,仿真表明次优算法在两接收天线时约有3dB的信噪比增益.     

基于模糊聚类-BP神经网络模型的战场目标识别

神经网络可以用来识别战场目标,但是传统神经网络具有样本多、学习速度慢的问题.为了解决上述问题,建立了一种基于模糊聚类和神经网络相结合的目标识别模型.仿真实验表明,用该模型进行目标识别,可以科学地选取样本,提高网络的训练速度和运行速度,并且能确保目标识别的正确率.     

不确定推理在雷达识别中的应用

通过对雷达的识别,既然可以及时识别对我方威胁较大的目标以便采取相应措施,同时雷达识别的结果也可进一步作为目标识别的知识源,用于对目标身份的识别,以满足辅助决策的需要.提出了不确定推理在雷达识别中的详细方法,给出了在选择载频、脉冲重复频率和脉冲宽度三个特征参数构成雷达特征向量情况下的识别结果.该方法具有较高的应用价值.     

高分辨一维距离像的雷达目标识别方法

提出了一种基于高分辨一维距离像的宽带雷达目标识别方法.首先使用零相位描述对雷达回波进行预处理,实现距离像的绝对对准,解决了平移敏感性问题.然后根据多分辨分析构造出3次Battle-Lemarie小波函数和尺度函数,对预处理后的一维距离像进行小波变换提取目标特征矢量,在显著降低特征存储空间的同时保留了主要散射点.最后对3类不同目标的雷达实测数据进行识别试验,结果表明本算法不但具有较高的正确识别率,而且能够有效降低加性高斯白噪声对识别率的影响.     

D-S推理的炮位侦校雷达目标模糊识别

随着对战场透明度的要求越来越高,炮位侦察校射雷达不仅要快速准确侦察敌方炮位和校正己方射击,还应根据弹丸的飞行特性,确定发射弹丸的武器平台类型,从而为目标威胁判断和指挥决策提供支持.在基于D-S证据理论的基础上,应用模糊识别理论,通过对模糊隶属度进行重新分配,探讨了对炮位侦察校射雷达战场目标进行识别的算法,列举了具体的实例,实验结果验证了算法的有效性.     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

基于内容分析的协议识别研究

为解决多模式同时匹配的协议识别性能问题,提出了一种多模式组合有限状态机;以Thompson算法为基础,提出了一种压缩ε的NFA构造算法,该算法通过减少ε边及其对应状态,有效提高在协议模式编译时,NFA转换成DFA及DFA最小化过程的性能;基于上述理论与算法实现了一种One-Pass的组合多模式协议识别系统.实验表明:结合上述技术实现的系统,编译性能比标准DFA构造过程提高了7倍以上,匹配性能比L7-Filter提高了近20倍.     

一种基于交叉关联积分的功放无意调制识别方法

针对同频率连续波信号中的功放指纹分析问题,提出一种基于相空间交叉关联积分的无意调制识别方法(CCI-UMI).该方法通过对功放无意调制的机理分析和对重构矢量沿轨迹概率(PDT)的理论分析,建立了相轨迹比较的基本理论依据和参数选择方法.采用多尺度交叉关联积分算法,在重构相空间实现了对信号细微差别的灵敏比较.对任意波发生器两路通道实测数据的分类实验表明:本方法识别率较高,经合理选择参数,在低信噪比下可获得比功率谱方法和相空间微分方法更好的分类性能.     

用BP网络根据判据1实现弹型识别

介绍了用BP网络的方法,对“弹型识别判据1”进行学习训练和仿真的研究。