基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.     

基于编码矩阵识别的高速空时分组码技术

正交空时分组码和准正交空时分组码的编码速率≤1,为使空时分组码能够应用在高速传输的场合,本文提出了一种基于编码矩阵识别的高速空时分组码设计方法。该方法通过在发送端发送不同的编码矩阵表示不同的附加信息,能够实现大于1编码速率,仿真分析结果表明,在高信噪比条件下该方法使编码速率达到了2.5,并具有良好的有效吞吐容量,特别适合无线高速数据传输。     

无源雷达智能目标识别

现代战争给无源雷达目标识别提出更高要求。针对传统数据库匹配识别方法存在的识别率低和容错性差等缺陷,提出采用智能算法进行无源雷达目标识别,构建了无源雷达智能目标识别总体框架,并设计了支持向量机方法、神经网路方法和证据理论方法的算法运用框架。提出无源雷达智能目标识别的几个关键问题,为改进和提高无源雷达目标识别技术手段提供理论基础。     

三种语音特征信息综合方法的理论分析

本文是作者在１９９７ 年 《声学学报》中文版和英文版发表的三篇文章基础上的进一步研究。这些文章没有对提出的三种语音特征综合方法进行理论分析, 本文运用概率论知识, 详细地对前面三篇文章提出的三种语音特征信息综合方法进行理论分析。分析结果表明： 三种语音特征信息综合方法能够比较好地综合语音特征信息, 提高语音识别系统的性能。这一结果与前面三篇文章中实验结果一致。     

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

T/R-R 型双基地系统识别欺骗式假目标

本文提出一种利用T／R－R型双基地系统识别欺骗式假目标的方法。在给出双基地系统数据相关算法的基础上,提出了真假目标的识别准则,仿真实验表明,该方法在电子战条件下识别欺骗式假目标是行之有效的。     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。