地面战场侦察系统多目标识别的评价指标

在对地面战场侦察系统和目标识别介绍的基础上，分析了典型环境下单目标识别与战场环境下多目标识别的评价的差别，根据单目标评价体系，提出了多目标识别效果的评价指标，为战场侦察系统的多目标识别提供了评价方法。     

基于MFCC参数和HMM的低空目标声识别方法研究

提出了一种战场声目标识别方法，模拟人耳的听觉机理提取更能反应出声音信号动态特征的Mel倒谱系数（MFCC）作为识别战场低空目标的参数；利用隐马尔可夫过程具有很强地表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象，建立隐马尔可夫模型（HMM）；由K-均值聚类得出HMM模型的练和识别特征向量，识别时设定阈值判定输入的未知声信号。实际数据的分析结果表明了该识别方法的准确性与有效性。     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

基于模糊神经网络的模式识别技术研究

自动目标识别（Automatic Target Recognition，ATR）系统是现阶段和未来侦察装备系统的一个重要组成部分，如何提高图像目标识别速度和准确性是当前侦察系统急需解决的关键技术问题。本文尝试构建一种模糊双向联想记忆推理网络模型，并根据此网络模型设计了一个模式识别系统。     

信号管理设备的发展趋势

从最初用肉眼识别伪装物体和人员,到对装甲战车和其它陆地战场目标采用信号管理设备,其间经历了一个全面发展的过程,多光谱伪装系统的运用是其主要发展阶段。先进的侦察系统与智能武器如精确制导弹药的研发成为研制多光谱伪     

战场侦察相控阵雷达波束调度研究

战场侦察相控阵雷达在强地杂波环境下对机动性目标跟踪和边跟踪边搜索(TAS)波束调度策略是当前研究的热点。利用地面杂波和目标路径等先验信息,建立了杂波环境下地面交互多模型联合概率数据互联(GIMMJPDA)多目标跟踪算法,在区分目标威胁度、不同威胁目标跟踪精度的基础上实现目标动态的TAS波束调度。经目标态势仿真验证,基于GIMMJPDA目标跟踪算法、高威胁优先级和目标跟踪精度基础上的战场侦察相控阵雷达TAS波束调度策略具有高的时间利用效率。     

人造烟雾——保护作战部队的廉价手段

在战场上对于作战部队除了火力之外,最重要的因素就是运动。而所有运动的目的,都是为了及时地将部队送往适当的地点去作战。因此敌方一定会利用一切手段来了解和掌握己方部队的运动情况,并最终选用最合适的武器。为了保证己方部队的运动,在战场上要尽力阻止敌方的侦察活动,例如目标侦察、战场观察;目标识别、定位及跟踪;武器制导。敌方所使用的手段包括:对目标的目视观察;利用侦察器材、定位仪及瞄准具对目标的探测;寻的头对目标的搜索等。     

雷达光电

战场刑侦化催生新型望远镜传统的战场侦察以识别单兵为最高精度,然而“斩首”和“反恐”都要求最好准确到个人身份。虽然目前美军在战场上已普遍使用面部或虹膜扫描装置,但由于针对非合作目标,近距离的信息采集潜藏着危险。     

基于小波包和HMM的战场声信号识别

针对战场声信号复杂多变的特点,提出了一种基于小波包特征参数(WPFC)和隐马尔科夫模型(HMM)相结合的战场声目标识别方法。该方法利用小波包对信号高、低频段能进行精细划分,从而得到更能反映战场声信号特征的小波包特征参数;并利用HMM具有很强的表征时变信号能力的优点,将HMM作为训练识别模型。仿真结果表明了此方法的准确性和可行性。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性，提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则，同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

隐马尔可夫模型和支持向量机混合模型声识别

为弥补单一模型在识别低空飞行目标时的不足,进一步提高低空飞行目标的识别率,提出一种基于HMM和SVM混合结构的低空飞行目标声识别算法.针对战场环境下声信号的特点,算法综合考虑HMM适合处理连续动态信号及SVM小样本情况下的强分类能力,利用HMM处理待辨识的连续动态信号,将HMM易混淆的信号作为与待辨识信号较为相似的模式类,形成候选模式集,再由SVM在候选模式中对待辨识信号作最后决策.实际数据的识别结果表明相对于单一的HMM和SVM,混合模型的识别率有一定的提高.     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于雷达高分辨距离像序列识别的研究综述

为了解雷达目标更多的详细信息,对基于高分辨距离像(high resolution range profile,HRRP)序列的目标 识别方法进行分析。对隐马尔可夫模型(hidden Markov model,HMM)、卷积神经网络(convolutional neural network, CNN)、循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)等面向序 列识别的分类器进行阐述和讨论,分析不同分类器用于HRRP 目标识别的发展历程,指出不同识别方法的优缺点及 适用性条件。结果表明,该研究可为不同识别场景下应用合适的分类器提供一些思路。     

多源干扰对坦克模糊识别的影响

对不同声源干扰条件下坦克识别的特征优选方法进行了深入的研究和探讨，在此基础上，通过双谱谱峰特征的定量分析，对多源干扰时的坦克识别效果进行了分析对比，提出了有益的结论。     

面向网络实时风险预测的马尔可夫时变模型

为了能实时准确地预测网络风险发生的可能性,帮助管理员对网络中的风险进行有效的管理,本文提出了一种用于实时风险概率预测的马尔可夫时变模型。基于此模型,给出了风险概率预测方法,通过实时更新模型中的状态概率转移矩阵,来预测未来时刻网络的风险概率。仿真实验将此模型应用于网络攻击环境下,结合特征提取、统计学习,来预测网络在不同风险等级下的概率。同传统的马尔可夫预测模型相比,该模型具有更高的实时性、客观性和准确性。     

基于语义树Markov随机场模型的地面机器人多尺度道路感知

道路实时感知是自主式地面移动机器人实现自主导航的关键技术,但由于室外道路环境的复杂性与不确定性,其算法开发难度较大。提出了一种基于小波域语义树Markov模型的多尺度仿生道路感知算法。在时空域上采用三维随机场对机器人采集到的道路图像序列进行建模,提出了一种采用树结构约束、面向道路识别的语义树Markov随机场（RT-MRF）模型;采用遗传算法优化的有监督RT-MRF模型进行道路图像序列分割;机器人通过跟踪分割边界实现道路区域识别及自主导航。采用自主研制的四足仿生机器人作为研究和实验平台。实验结果表明：该方法能够在具有阴影、裂纹、坑洞、不平整及光照度变化的较差道路检测条件下鲁棒分割出道路边界,算法实时性高,可满足室外移动机器人自主导航需求。     

电容近炸引信目标定方位探测技术途径研究

在分析双电极的电容近炸引信探测方向性特征的基础上，对利用按不同方位分布的电极阵列来实现目标的定向探测进行了理论分析。依据所设计的多电极电容探测器对铸铁板目标的目标特性，建立了能确定目标方位的信号识别准则，提出了利用单片机技术实现目标定向识别的基本途径。     

递推的贝叶斯估计方法

对贝叶斯估计的原理及应用进行了综述,在系统阐述贝叶斯估计理论的基础上,按照对后验概率密度函数表示方式的不同,分析和总结了隐马尔可夫模型、卡尔曼滤波、分布拟合滤波以及粒子滤波等算法的特点、使用方法和使用范围;最后,对贝叶斯估计的发展方向进行了展望.