基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

识别技术

利用光学仪器、雷达、声纳和计算机等设备,对远方目标进行探测和辨识的技术。识别可分为视觉识别、雷达识别及其他方法的识别。识别技术广泛用于国民经济、空间探测和军事领域。军事上主要用于判明目标的类型、性质和敌我属性。视觉识别主要利用人的眼睛和光学仪器。雷达和计算机是识别     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

超宽带随机信号雷达的应用研究

超宽带(UWB)雷达和随机信号雷达是近年来发展的2种新体制雷达.超宽带雷达具有高距离分辨率,目标识别和检测能力强的特点.噪声雷达具有低截获,抗干扰能力和电磁兼容性好的特点.通过结合UWB雷达技术和随机信号雷达技术,提高了雷达系统设计的综合能力.UWB随机信号雷达在未来的民用和军用领域具有巨大的潜力.     

基于主成分分析的空中目标识别

在对空中目标类型进行归类的基础上,建立了融合目标战术特征和物理特征的评价指标体系,运用多元统计分析中的主成分分析法对空中目标识别中的多项指标进行了综合聚集,在理想点的基础上建立了综合优化决策模型.实例验证该模型能有效地解决目标类型识别的问题.     

一种基于模板脉冲序列的雷达辐射源识别方法

现有的雷达辐射源识别方法无法有效地在密集的信号环境中对复杂体制雷达进行快速准确的识别.因此,研究了一种基于模板脉冲序列的雷达辐射源识别方法,给出了其并行处理的结构和具体实现算法.在不同密度的信号环境中该方法能够有效地识别出雷达辐射源并且具有较小的运算复杂度.利用计算机对该方法进行了仿真实现,结果表明在密集信号环境中该方法仍然能够快速有效地识别出雷达辐射源.     

支持向量机的战场直升机目标分类识别

对基于支持向量机的战场直升机目标分类识别技术进行了研究,分别将谐波集(HS)频率和不同尺度小波子空间能量作为特征矢量,设计出一种基于支持向量机的直升机目标分类器,并将该分类器与kNN分类器和BP神经网络分类器进行分类对比实验.结果表明两种特征提取方法,都能很好地体现不同声目标之间的差异,SVM分类器相对于其他两种分类器具有更好的分类性能,目标识别率达到96%以上.     

敌我识别系统及其进展

从敌我识别系统的应用背景出发,综述了敌我识别系统的发展历程,分析了各种敌我识别系统的特点,比较了毫米波敌我识别系统和激光敌我识别系统的性能,指出了数据融合技术和微米/纳米技术对敌我识别技术发展的重要性.相关研究内容对敌我识别系统的论证、技术体制的选择有参考价值.     

基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求.针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了 一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训...     

基于贝叶斯网络的反舰导弹身份识别

为了解决反舰导弹身份识别所面临的实时性和信息不确定性问题,提出了采用贝叶斯网络识别反舰导弹的方法。设计了4种贝叶斯网络分类器,分别在导弹仿真数据集和UCI数据集上作了测试,比较了它们各自的分类性能。实验结果表明,朴素贝叶斯网络的分类准确率虽然比其它分类器稍低,但它简单有效,稳健性比其它分类器都好,可用于反舰导弹身份的实时识别。