MIMO雷达弹头目标微动模型及微多普勒效应

弹头目标识别是弹道导弹防御系统中最为关键的技术之一。将多输入多输出(MIMO)雷达技术和微多普勒特征分析技术引入弹道中段目标识别,可有效克服弹头隐身技术和有源干扰技术等对识别带来的困难,提高识别精度。建立了MIMO雷达中弹头目标的微动模型,给出了弹头自旋、锥旋和进动引起的微多普勒效应的参数化表达,并通过对仿真回波数据进行时频分析验证了理论分析的正确性,为弹头目标的准确识别提供了新的理论依据。     

基于多极化多特征提取和SVM的目标识别方法

充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题.提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法.基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率.     

逆边界无网格法声源识别的理论与实验

针对逆向求解声源识别中的声辐射传输建模问题,采用无网格法将Kirchhoff- Helmholtz边界积分方程离散为受边界条件约束的有限维线性方程组,通过分块矩阵法对该约束方程组进行求解,得到了离散后声辐射传输模型的数值表达式.在此基础上,进一步研究了逆向求解声源识别问题的基本原理及其不适定性.为克服其不适定性,采用Tikhonov正则化和L曲线正则化参数选取方法,从而确立了有效的逆向求解方法.此外,还进行了扬声器阵列声源识别实验,实验结果验证了逆边界无网格声源识别理论和方法的可行性及可靠性.     

基于独立分量分析和神经网络的钢结构损伤识别方法

为了有效剔除钢结构振动信号中的噪声,提取用于损伤识别的特征量,采用独立分量分析方法分离统计独立信号,同时得到表征结构损伤状态的混合矩阵,然后将混合矩阵作为特征量输入至神经网络进行训练,最后将训练好的神经网络作为分类器进行结构损伤识别.在冲击载荷作用下,针对钢框架结构模型进行了不同损伤部位的振动实验,结果表明:基于独立分量分析和神经网络的损伤识别方法具有较高的识别率和可重复性,而且实现简单,在结构损伤识别领域具有较大的应用潜力.     

影响水下距离选通激光图像光学相关识别的若干因素

针对水下距离选通激光图像光学相关识别技术的应用,研究了引起图像畸变从而导致光学相关识别相关峰输出效率降低的若干因素,并通过实验的方法采集了不同系统参数设置下的激光成像图片,然后采用相位匹配的方法对图片进行相关性分析,同时应用PCE、Disc等指标联合评价输出的相关峰质量,从而衡量各因素所引起的成像畸变对光学相关识别性能的影响程度.MATLAB软件仿真结果证明:激光单脉冲能量、ICCD增益、成像距离等因素变化均会引起图像相位特征畸变,导致相关识别鉴别率降低.该结果可为建立水下距离选通成像系统控制模型和设计匹配滤波器提供参考.     

小波分析在钢框架损伤识别中的应用研究

针对小波包能量谱损伤识别方法对结构激励源的依赖性,引入虚拟脉冲响应函数增强了小波包能量谱对激励的鲁棒性。为验证该方法对钢框架结构损伤识别的可行性和有效性,进行了3榀3跨钢框架3种工况下的模型对比试验,采用小波包能量谱损伤识别方法分析了不同实验工况下频响数据,识别结果符合损伤情况,验证了该方法的有效性。     

基于体系结构的指挥信息系统需求论证方法

需求论证是指挥信息系统建设的重要环节。本文在DODAF2.0体系结构框架研究基础上,设计了指挥信息系统军事需求论证框架。主要探讨了能力需求、作战需求、服务需求、系统需求、采办需求和技术标准需求的论证过程。最后结合实例论述了指挥信息系统军事需求的分析方法及步骤,为指挥信息系统军事需求论证提供了指导。该研究在指挥信息系统需求工程领域具有一定的理论和现实指导意义。     

作战选项分析方法研究

作战筹划正表现出作战设计的特征,强调运用科学化方法,研究海量选项空间,从系统整体角度处理复杂和不确定性问题。在作战选项分析一般方法论的基础上,提出由作战选项空间构建与作战选项量化与评估两部分构成的作战选项分析框架。     

作战实验态势展示与分析框架设计

为了使作战实验设计合理、作战实验过程透明、作战实验结果可信,需要将参与作战实验的军事研究人员和实验仿真系统紧密结合起来,而这种结合,需要提供基本的支持工具和结合平台。提出了一个作战实验展示和分析框架,具有战场环境构建与展示、实验构想自主表达、实验仿真过程态势展示、实验过程态势分析四项基本功能。分析了＂仿真数据——仿真过程数据＂、＂仿真数据——战场态势＂、＂战场态势——作战想定＂、＂作战想定——仿真系统＂的数据交互方式与战场态势编辑、仿真过程展示、态势分析、想定编辑四种人机交互方式。     

一种基于流形与特征融合的说话人识别方法

MFCC参数是说话人识别常用的特征参数,但单独使用MFCC参数,系统性能难以进一步提高。文章提出了一种MFCC和语谱图特征相融合的说话人识别方法。针对语谱图特征空间维数高、数据量大的问题,采用流形学习中的LLE算法对语谱图信息进行压缩,并根据样本点每一维所代表的不同特性信息改进了LLE算法。以SRMC汉语语音数据库为测试语音,与传统PCA算法以及单独使用MFCC参数进行对比实验,在识别人数为100人时,识别率分别提高了2.5%和3%,验证了所提方法的有效性。