共查询到17条相似文献,搜索用时 687 毫秒
1.
地面运动目标分类的模式特征与评价 总被引:6,自引:0,他引:6
为了进一步对车辆目标分类,对实验获得的典型地面运动目标一轮式车、履带式车的地震动信号从频域、时一频域等多方面进行特征提取。在频域上,应用傅立叶变换、经典功率谱分析等常用的信号处理方法对信号进行处理,提取了信号的FFT特征和功率谱特征。在时一频域应用短时傅立叶变换、小波及小波包分析方法对信号进行处理,得到时频分布矩阵奇异值分布特征和小波包分解能量分布特征。之后基于距离可分性设计了一个模式特征可分性测度,对时域和时一频域所提取的各种特性进行对比评价,结果表明FFT特征、功率谱特征和小波分解后的能量特征具有更好的可分性。该结果与将各特征应用神经网络进行目标识别的结果是一致的。这表明所设计的模式特征可分性测度是有效的。 相似文献
2.
3.
4.
5.
6.
研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中.其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法,并将它应用于辐射源型号识别,仿真实验结果验证了这一方法的正确性和有效性。 相似文献
7.
8.
针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。 相似文献
9.
10.
针对传统线性信号分析方法在处理地面目标震动信号上的局限性,提出采用形态滤波提取目标信号的特征信息,利用仿真信号和实测的两类车辆目标震动信号进行对比分析。结果表明:与4种基本形态滤波器和小波滤波器相比,形态差值滤波器能在强噪声环境下有效提取目标信号的特征信息,同时不受低频信号干扰,为基于震动信号的地面目标精确识别提供一条新的途径。 相似文献
11.
12.
针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别
方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯
度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现
减少模型参数量,达到神经网络轻量化目的。实验结果表明:与ResNet18 方法相比,该方法针对30 个目标信号的
个体识别率提升了约3.8%,模型大小降低了13 倍,能较好地解决模型压缩与识别算法性能无法平衡的问题。 相似文献
13.
14.
15.
摘要:为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数
据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波
系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类
器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明:SVM 决策树网络分类器在进行
收敛速度和准确率表现优异,能改善分类识别效能。 相似文献
16.
17.
针对模拟电路故障特征难以识别的问题,结合液体状态机神经网络的特点,从模拟电路故障特征样本获取和故障模式识别两方面入手,提出一种基于液体状态机的模拟电路故障诊断方法。该方法利用 Matlab 和 PSpice联合仿真,实现大量故障样本数据的自动获取,采用液体状态机进行故障模式的分类,并对两级阻容耦合放大电路的故障诊断实例进行仿真。仿真结果表明:该方法和目前应用最广泛的 BP 神经网络相比,故障识别准确率会有所下降,但训练时间远小于BP神经网络,且泛化能力强,对模拟电路故障诊断研究有一定的实际意义。 相似文献