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。     

基于罗兰C的广域增强系统地面通信网络设计

研究了罗兰C脉冲内频率调制,理论分析了各调制方式对罗兰C定位接收机的影响及其数据传输率。研究结果表明:我国罗兰C台链通过脉冲频率二阶16级调制能满足WAAS地面通信网络的要求,且该调制方式兼容于定位接收机。     

基于边缘检测技术的温度计自动检定装置研制

为了解决人工检定温度计存在的工作效率低、劳动强度高、读数误差大和检定油烟重等问题,运用边缘检测技术,先对图像作预处理,再利用经典的Sobel边缘检测算子和三线识别方法,将温度计液柱图像转换为数字化的温度计示值;对温度计检定槽进行自动化改造,由计算机控制温度计插槽旋转角度和摄像机运动高度,再由单片机控制执行指令,将采集的图像传给计算机,从而研制出温度计自动检定装置,并实现计算机自动处理检定信息、打印原始记录和检定证书。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

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。     

基于模糊灰关联度的空袭目标属性识别

结合灰关联分析和模糊理论,建立了一种模式识别方法。在此基础上提出了基于模糊灰关联度的空袭目标属性识别模型,利用实例说明了模型的可行性。     

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。     

红外图像人脸识别方法

红外成像具有抗干扰性强、独立于可见光源、防伪装、防欺诈等优点,这使得红外图像人脸识别可在很大程度上弥补可见光人脸识别技术的缺陷和不足,是今后人脸识别研究的一个重要方向。在深入分析红外人脸图像特性的基础上,研究了红外图像人脸识别的特点,并提出了一种新的红外图像统计人脸识别方法。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

数据融合与雷达目标识别综述

数据融合技术是70年代兴起的一门新学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合在雷达目标识别中的应用,并揭示出数据融合是解决雷达目标识别之捷径。