基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取与识别

针对磁记忆检测中缺陷信号持续时间短且频率范围小的特点,为提取磁记忆信号的有效特征,根据矩阵奇异值的特点,提出一种基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取方法．通过将时频分布矩阵从时间轴和频率轴分别划分为不同局部矩阵,提取出各矩阵的奇异值来构造特征向量．然后,将构造的特征向量作为支持向量机的输入向量对不同检测区域的金属磁记忆信号进行识别．实验结果表明：基于Wigner—Ville分布及局部奇异值分解算法构造的特征向量能有效提取磁记忆信号的特征信息,提高支持向量机的识别精度．     

碳氢化合物的红外光谱识别

碳氢化合物红外光谱特征吸收主要为甲基、亚甲基等结构基团的振动吸收,特征性不强,但C—C主链红外光谱振动吸收能表达不同碳氢化合物的分子结构特征。应用碳氢化合物红外光谱指纹区谱图形貌特征,建立了根据C—C主链红外光谱识别碳氢化合物的方法。研究结果表明,采用指纹区提供的特征信息能够实现对不同结构碳氢化合物的识别,准确率高达99%,优于采用碳氢化合物甲基、亚甲基等结构基团的红外光谱振动吸收信息获得的识别结果。     

基于动态规划的猎雷具识别路径优化算法

路径长度、海流方向给猎雷具航渡、操控带来的时间消耗,是影响目标识别效率的主要因素。单纯运用动态规划算法只能解决猎雷具最短识别路径的问题,而无法顾全猎雷具在操控方面的时间损耗,从而在提升作战效率上得不偿失。本文基于动态规划算法,优化了识别路径的解算模型,并在模型解算前,提出了目标位置的预处理条件,简化了模型的解算步骤;在模型解算后,提出了识别路径的修正方法,完善了模型的解算结果。     

水下平台对敌意图识别技术研究

对敌意图识别是作战平台指挥决策的重要依据。针对水下平台意图特征的识别问题,通过对军事应用领域意图识别框架的分析,建立了水下平台的意图识别框架,同时分析了水下平台可用意图特征及提取方法,并提出了一种适于水下平台的意图识别方法。该方法为意图识别技术研究提供一定的参考。     

新的IFF系统及其信号检测方法

介绍了一种新型敌我识别系统Mode 5 IFF,并分析了该系统的特点及信号产生流程。通过分析Mode 5 IFF系统询问及应答信号格式,提出了基于同步脉冲相关的Mode 5 IFF信号检测方法,该方法根据Mode 5 IFF信号同步脉冲数据一致性的特点,利用同步脉冲信号与所接收到的中频信号进行相关,取相关峰值达到Mode 5 IFF信号检测的目的。最后分析了该方法在"混扰"和低信噪比条件下的信号检测效果,验证了该方法的有效性。     

加强国防动员信息化建设的几点思考

信息技术的飞速发展使网络渗透到社会的各个领域,无“网”不胜已成为人们的共识.未来战争中,国防动员只有依托信息和网络技术,才能实现快速反应、精确高效.目前,国防动员综合保障能力发展不平衡,与经济社会水平和应急应战快速动员的要求不适应,其重要原因是信息网络技术嵌入使用不到位,从而成为制约国防动员“快”起来的“瓶颈”.一是动员资源信息管理技术滞后.     

分数阶Fourier变换的多相码雷达信号分离算法

利用多相码雷达信号在某个分数阶域内呈现多个间隔相等的冲击这一特性,提出了一种基于分数阶Fourier变换的多相码雷达信号分离算法,首先将混合信号以特定的旋转角作分数阶Fourier变换,然后通过窄带通滤波器抽取多相码雷达信号,去除大量噪声和其他干扰信号,最后再经过分数阶Fourier反变换,恢复出时域的多相码雷达信号。理论分析和仿真实验表明,该算法计算量小,分离效果好,可实现较低信噪比下的多相码雷达信号分离。     

选择编队指定目标的一种新方法

提出了反舰导弹攻击末段对编队中指定目标进行识别的一种新方法。通过将被打击的编队在自控开机点各目标预估的位置信息,与末制导雷达开机时刻实际探测到的编队各目标的空间位置关系进行对比,得到各节点其向量差值之和的最小值,从而正确地选择出空间位置关系最逼近预定打击目标的指定目标。在被打击目标施放冲淡干扰的情况下,采用虚拟中心点和二次识别的方法能较好地识别出指定目标。通过进行大量的导弹突防对抗仿真,证实该算法获得了编队作战较好的突防概率和攻击效果。     

GPS/SINS组合导航系统的故障检测与识别

针对GPS/SINS组合导航系统的故障检测与识别,提出一种层次滤波器结构,该结构包含主、子滤波器两个层次,使用不同的卫星量测信息.通过监测主、子滤波器的故障检测结果,识别出具体的故障卫星,利用未包含故障星的滤波器可进行不中断导航.完成了基于层次滤波器结构的GPS/SINS滤波算法和故障检测算法设计,将该方案应用于伪距组合的GPS/SINS紧耦合系统,仿真结果表明当只存在4颗可见星时,该方案仍能有效地检测和识别单颗卫星故障,增强了系统的完好性;同时仿真验证了该结构具备检测两颗以上卫星故障的能力,但不能识别具体的故障星.     

SVM异常数据识别的比例风险预测模型

剩余寿命预测在设备维修管理中扮演着重要的角色,准确的剩余寿命预测对制定维修策略起着至关重要的作用,从而可以有效避免设备故障的发生.提出一种基于支持向量机(SVM)异常数据识别的比例风险模型(PHM)用于剩余寿命的预测,该模式利用支持向量机和比例风险模型分别实现异常状态数据的识别和剩余寿命的预测.案例研究表明,SVM -PHM模型较PHM模型具有更好的预测精度.