基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。     

雷达空间目标识别技术综述

随着人类航天活动的增加,对于卫星和碎片等空间目标进行监视变得非常重要。为了实现空间监视任务,对空间目标进行识别是非常必要的。对空间目标的轨道特性与动力学特性进行了介绍,对雷达空间目标识别技术的研究现状和发展趋势进行了详细的综述。     

一阶超对策模型中结局偏好认知信息集结的模式识别法

针对一类一阶n人超对策模型,提出了一种结局偏好认知信息的集结方法.首先通过对单一局中人中不同专家给出的对其他局中人结局偏好信息的不同认知进行关联分析,确定出专家的权重评价值,进而运用模糊模式识别原理,通过建立一个非线性规划模型,给出了一种新的超对策结局偏好认知信息的集结方法.最后,用一个数值例子对文中所提方法进行了说明.     

空袭兵器的模糊识别法

在分析空袭兵器类型区分不足的基础上,运用模糊识别理论,探索空袭兵器的模糊识别方法。提取空袭兵器特征指标,建立标准模型库,构造了隶属函数,构建空袭兵器的模糊识别模型。结合实例,验证该方法简便有效,可为防空部队射击指挥员提供可靠的辅助决策依据。     

时频分析在战场侦察多目标识别中的应用

在通过仿真研究多目标信号特征基础上,分析了时域、频域在处理战场侦察多目标识别时的不足,提出一种基于时频分析的信号特征的多目标识别方法。本方法充分利用了探测信号的信息,提高了战场环境下多种目标的识别率。     

高阶BOC信号电离层色散效应的模拟方法

导航信号模拟器需要模拟电离层引起的延时和色散效应,与传统导航信号相比,新体制高阶BOC信号具有更宽的带宽,而传统导航信号的模拟方法会引入不可忽略的电离层延迟建模误差。通常情况下BOC(14,2)信号上下边带信号的电离层延迟可达到米级的差异。提出运用双边带模型的BOC信号模拟方法并进行了仿真,结果表明改进方法可以准确模拟电离层色散效应的影响。     

自然场景车标数据集的构建及其应用

车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10 324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。     

用于堤坝检测的剖面声纳系统实验研究

针对水下堤坝安全检测,提出并设计实现了适合水下机器人等小平台为载体的可用于堤坝安全检测的高分辨率剖面声纳,系统通过获取被测堤坝内部的回波信号,由DSP构成的水下处理单元进行实时信号处理,从而可获得坝体内介质不连续的信息,并由水上分机进行堤坝内部剖面图像的重建及显示。通过水池和外场堤坝工程检测等应用实例,取得了良好的效果,验证了系统技术路线的可行性和性能的稳健性。     

雷达辐射源识别的算法研究

针对现有雷达辐射源识别算法的不足,探索雷达辐射源数据库识别的新算法。运用属性测度理论建立了雷达辐射源属性识别模型,结合距离算法、灰关联算法和神经网络样本训练思想,设计出基于属性测度模型的雷达辐射源属性识别算法。通过仿真验证,该算法兼具识别准确度高和识别速度快优点,实用性较强。     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。