网电作战目标识别系统建设

随着信息技术的普及和发展,作为陆海空天之外的第五空间,网络电磁空间已成为现代信息战争的重要作战域。网电作战目标成为作战双方打击和防卫的关键对象,并贯穿于各个作战域。文章就网电作战目标识别提出网电作战目标识别系统的建设。以美军在其"作战云"理念下建设的目标情报融合系统作为参考,从系统组成要素和系统组织关系等层面对未来网电作战目标识别系统建设提出构想,有益于未来网络电磁空间情报体系框架构设。     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.     

红外成像型空空导弹目标自动识别技术

针对红外导弹和红外诱饵弹的对抗,构建了红外导引头图像探测器的透视投影几何模型.基于模型证明了飞机和目标在不同距离和相对飞行速度下,成像序列中相邻两帧图像间飞机目标的相似性,并且提出了适合导弹的目标快速识别算法,该算法是基于当前帧图像与前一帧图像的目标特征匹配的.最后以实测的飞机及诱饵红外图像数据对文中提出的算法进行了仿真,仿真结果表明了算法对目标识别是可行和有效的,并且能够满足较高实时性的要求.     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

基于DSm理论的雷达目标综合识别算法

针对数字多功能雷达的目标识别问题,提出了基于DSm理论的综合识别算法。将不同类型的识别结果置于统一的辨识框架中,并利用经典DSm组合规则进行信息组合,采用冲突按比例重分配规则重新分配组合结果,应用基于广义基本信任分配的决策规则进行判决。仿真结果表明,该方法避免了层次化识别结构带来的信息损失,识别结果中含有更丰富的目标信息。     

涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

基于风险评估的检测与修理决策模型

研究了基于故障风险的检测与维修策略,运用威布尔比例风险模型建立系统故障率与工作时间及所处状态的关系。分析了两类基于间接状态信息维修决策的风险,建立了系统检测及维修策略的决策树,通过比较检测与不检测情况下的期望费用确定最优的检测间隔。算例表明,所提出的方法能够有效控制系统运行风险,降低系统运行费用。     

一种实时路况下的车牌照识别系统

该系统采用高清工业相机,以千兆以太网作为数据传输通道,克服了传统传输方式速度较慢,抗干扰能力差的缺点。在识别方面,提出了自适应模板宽度算法,有效克服了光照对车牌定位的影响。该算法还采用投影分割法精确分割车牌字符,对汉字采用Gabor算子提取特征,然后利用SVM进行识别,有效解决了汉字识别问题。