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。     

角速率火控原理研究

论述并研究了角速率火控原理,利用“滤波──识别”方法,提出了一套新的角速率火控滤波和外推模型。仿真结果表明,这种模型对于机动运动的反舰导弹可以明显提高火控预报精度。     

水雷磁引信目标识别技术初探

目标识别技术应用于水雷磁引信的关键是目标特征量的提取与分类器的设计。本文提出了舰船目标吨位识别的四维特征向量,设计出完整的二叉树分类器。仿真计算表明,这种特征量的正确识别率在90％以上,为目标识别技术在水雷磁引信中的应用作了有益的探索。     

载荷识别及其精度改善

本文系统地建立了载荷识别方法,详细探讨了提高载荷识别精度的途径,得到了载荷识别过程中信号处理加窗原则和试验的一般技术要求,使识别精度明显提高。     

军用实时语音识别系统的探讨

本文介绍并讨论语音识别军事应用的潜力和现状,给出我们建立的一个可用于军事作战指挥和多控制场合的小、中词汇表实时语音识别系统。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.