BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于B样条的手指静脉结构描述方法*

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,该方法首先采用线段扫描方式获取各静脉分支上目标点的坐标集合,然后采用B样条曲线拟合各条静脉分支,最后求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

基于雾计算的路网-野区路径规划研究

针对路网、野区联合路径规划需求,提出了在雾计算平台上的路网-野区无缝衔接的路径规划方法,适用于路径规划区域同时覆盖城市道路与野区的情况.综合雾计算的特点,分析了路网-野区路径规划服务的应用方式.提出了适用于路网-野区环境下的启发函数,提供路径最短、时间最短两种模式的路径寻优算法.仿真和试验结果表明所提供的基于雾计算的路...     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

低空无人机实时探测的GCB-YOLOv5s算法

为应对无人机“黑飞”“滥飞”带来的安全威胁,迫切需要对无人机进行有效的实时探测与识别。然而由于低空无人机的灵活性、微小型化及多干扰因素等原因,传统的雷达探测等方法表现不佳。为此,基于机器视觉探测,提出了一种低空无人机实时探测的GCB-YOLOv5s算法。该算法针对经典YOLOv5算法运算速度难以满足高清实时处理的问题,使用轻量级GhostNet网络取代了YOLOv5骨干网络中的卷积运算,简化网络结构,大幅提高了计算速度;并且通过引入CA注意力机制,以及使用BiFPN双向加权特征金字塔替换颈部的PANet结构,在网络结构简化的基础上提升检测准确性。通过现地拍摄无人机在建筑、云层、树木、阴暗等不同复杂背景下的飞行姿态,结合公开数据集,对算法进行训练和测试实验。实验结果表明,GCB-YOLOv5s在参数量和浮点数计算量上均减少了近40%,且可达96.7%的精确率、96.4%的召回率和97.5%的平均精度。     

战争风险分析模型研究

本文针对战争风险分析的复杂性,依据定性与定量相结合的原则,从建模的角度对战争风险分析进行抽象和分析,并分别对战争风险分析中的风险识别、风险评估和风险控制给出了相应的研究方法和模型,为战争风险分析的量化研究提供了思路。     

一种金属橡胶元件建模方法研究

用理论和试验相结合的手段研究金属橡胶弹性元件的动力学建模,提出一种新的建模方法,用此方法建立了基于迟滞回线拟和分解的高次弹性复合阻尼模型。该模型用非线性刚度和非线性复合阻尼机理构造,模型中的参数由试验数据辨识。用所建模型重构恢复力-位移迟滞回线,结果表明该模型能很好描述这类非线性振动系统的特性。     

基于逆传系统法的动态载荷识别研究

在载荷识别研究中,时域内载荷识别在其逆传系统载荷识别的研究,目前一般停留在最小相位可逆系统上,基于时间序列模型的逆传系统法系统动态载荷识别理论,提出了一种新的研究方法,克服了传统载荷识别方法对结构的边界条件仅仅局限于可逆系统,并利用计算机仿真验证了该方法不但适用于可逆系统,而且对不可逆系统的载荷识别同样有效.     

通信信号调制识别方法简析

在无线电应用领域中,通信信号调制识别技术已成为重要的研究课题。文章综述通信信号调制识别技术的研究内容、现有方法和发展前景,对调制识别中的特征参数提取和信号分类做简要概括,并比较各种方法的优缺点,以期让大家进一步了解并推动通信信号调制识别技术的发展。     

基于六边形主域积分双谱的通信辐射源识别方法

在分析目前辐射源识别系统中常用的积分双谱参数的基础上,文章提出一种六边形主域积分双谱(HPIB)特征参数提取方法,利用双谱参数的对称性,简化积分双谱的计算,摒弃双谱矩阵中的无定义项,有效提高了积分双谱特征的计算效率。采用同型号同工作参数的10部通信电台进行识别实验,识别分类器采用概率神经网络。实验结果表明,相比传统积分双谱特征,采用HPIB特征参数可提高特征提取效率24.7%,同时由于去掉了双谱矩阵中无定义项的干扰,提高了识别系统的正确识别率。