基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

基于抽象隐马尔可夫模型的CGF路径规划识别

路径规划识别是一种以位置信息为输入的在线识别。为了使CGF能在仿真中识别对手的路径和终点目标,在分析路径规划层次的基础上引入了抽象隐马尔可夫模型的识别框架。针对标准模型在对手更改终点目标和自上而下规划时无法识别的问题,提出了一种顶层策略可变的抽象隐马尔可夫模型。为模型的顶层策略增加初始分布和策略终止变量,更改了策略终止变量间的依赖关系,使下层策略能被强制终止。给出了改进后DBN结构,并通过推导条件概率更新和RB变量抽样流程实现了模型的近似推理。仿真实验表明,改进模型能准确识别给定环境下的各类典型航迹,不仅在终点目标不变时能较好地维持标准模型的识别准确率,在提供足够的观测数据后还能很好地解决变目标识别问题。     

手指静脉结构的B样条描述方法

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,采用线段扫描方式获取各静脉分支上目标点的坐标集合,用B样条曲线拟合各条静脉分支,求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

一个基于LB/IHMM的高性能汉语连接数字语音识别系统

本文使用一种ＩＨＭＭ的简化训练算法，讨论了一个基于ＬｅｖｅｌＢｕｉｌｄｉｎｇ搜索算法，参考模式基于ＩＨＭＭ模型的高性能的汉语连接数字语音识别系统。文中详细描述了系统的特征提取、ＩＨＭＭ模型、训练过程和识别过程，以及系统用于特定人、多说话人和不认人语音识别的实验，并且对实验结果进行了分析和讨论。     

在TMS320C6201上实现时延神经网络目标识别算法

本文介绍了一种基于TMS32 0C6 2x的软件设计方法 ,在TMS32 0C6 2xEVM板上实现了宽带毫米波雷达目标时延神经网络识别算法 ,通过程序验证 ,取得了比较好的处理效果。     

基于高分辨距离象的雷达目标识别特征分析

高分辨距离象是高频区雷达目标识别的最基本的依据。文中对高分辨距离象用于目标识别的两个方面的特征进行了分析 ,提出了相关角度的概念。该概念反映了距离象与目标整体之间的相似性 ,是基于距离象目标识别的又一个重要特征 ;分析了距离象相位信息的重要性 ,指出了利用距离象相位信息进行目标识别的方法和途径。     

物体识别不变性方法比较分析(Ⅰ)——统计方法

在计算机视觉与模式识别中,如何从不同的角度来识别同一物体而与该物体的位置、放置方向无关,是一个关键的课题,至今仍无很好的解决方法。本文中,我们总结了现有的方法,并将它们分为统计方法、解析方法和神经网络方法3类,并对这些方法的两个主要性能指标,即噪声敏感性和变形敏感性进行了模拟分析,模拟工作是在Masscom高速微巨机上完成的。最后,我们提出了一种新的方法。     

指挥自动化智能语音接口的设计与实现

根据 LPC 理论实现了一个实时、单人、小词汇集的语音识别系统,用作为指挥自动化的智能语音接口。本文详细叙述了这个语音识别系统的设计原理,对语音识别中常用的几个算法作了改进。指出了经典 DTW 算法对端点精度过于敏感的缺点,并提出了改进的 SDTW 算法,即滑动(Sliding)DTW 算法,使得认识率有了提高;修改了 LPC 中杜宾算法和取消了 DTW 中显式的弯折函数,减少了它们所需的空间,提高了计算效率;在主机方面,设计实现了“透明语音键盘”,使得话筒与普通键盘等效,方便了用户。本系统词汇量在200个以内,平均响应时间1S,平均识别率95％左右,已在本院的小型指挥自动化网上通过运行。     

前馈网络在状态识别中的应用

介绍了前馈网络的结构,BP算法以及算法的推导过程,并对算法做了一些改进.然后将该算法应用于抽油机减速箱的状态识别,给出了识别结果.实验表明,基于BP算法的前馈网络在识别的精度和自学习方面都优于传统方法.