一种可行的自动目标识别框架方案

自动目标识别（ATR）作为一个重要的研究对象,无疑是举世公认的高难度技术之一。自动目标识别框架是整个自动目标识别系统的基础,直接关系到系统的识别效率和实用化程度。本文从自动目标识别框架设计的目标与设计需求分析着手,使用可视化程序界面设计了框架的原型,同时帮助设计者进行选择和提供了改进优化的机会。该框架可应用于单个或多个算法,或是整个ATR系统。框架可以用于大的系统,而ATR只是其中一个部分,也可以嵌入到更大系统的框架中。     

自动目标识别(ATR)可靠性研究

对同类目标畸变不变的正确识别率与不同类目标分类误识别率是衡量一个自动目标识别 (ATR)系统的两个最重要性能指标。但在实际应用中 ,ATR系统所获取的外场的目标与背景总是处于随时间不断变化的条件下 ,与系统所存储的参考目标通常都不会一致 ,从而导致相关识别SNR劣化。特别对于多目标识别与不同类目标的区分 ,常规的相关门限判决方法会造成很大的误识别 ,大大影响了ATR系统的识别可靠性。本文采用人工神经网络 (ANN)与模糊逻辑技术 ,对相关信号与噪声进行实时数字后处理 ,通过对信号与噪声强度分布等高线而不仅仅是强度的识别 ,大大提高了ATR系统的识别可靠性 ,改善了识别效率。     

ATR系统性能评估问题的分析

目标自动识别(ATR)系统和算法的评估工作是ATR系统发展过程中最重要也是最基础的阶段之一.为此,提出了从代价、操作条件、性能这3个方面分析ATR系统性能评估问题,并详细介绍了这3个方面的相互关系、含义及主要内容,对于ATR系统的评估方法的研究有一定的指导意义.     

红外目标自动识别(ATR)算法性能评估的方法研究

本文对红外自动目标识别(ATR)算法性能评估的发展进行了系统的梳理,介绍了ATR算法性能评估过程中必不可少的工作条件限制以及性能指标的选取,并总结了目前ATR算法性能评估中经常采用的几种方法。     

红外目标自动识别中的信息处理及其新进展

传统红外传感器自动目标识别(Automatic Target Recognition,ATR)过程中的信息处理可分为4个阶段:图像预处理、目标捕获、特征提取和目标识别.回顾了这4个阶段中的一些经典信息处理方法.通过对传统ATR应用模式的分析,发现难以构建一个具有高度实时性,集成性和鲁棒性的红外ATR系统的根本原因是前端传感器与后端数据处理的隔离.为解决该问题,目前的趋势是开发智能红外传感器,根据系统应用的需要输出"最利于"目标探测/识别的信号.最后对这方面的最新进展作了介绍.     

自动目标识别器(ATR)的发展现状及应用分析

自动目标识别器（ATR）能显著提高未来导弹系统的性能、增强导弹、飞机和智能子弹弹药对付正在发展的威胁的能力并提高其成本效能,是提高武器系统效率的关键因素。本文评述了ATR技术的发展现状,重点放在ATR算法和实现方法方面;另外还对ATR的潜在应用做了简要分析,指出了改进系统性能所需的新技术。     

自动目标识别系统的区间评估分值模型及算法

针对自动目标识别(ATR)系统评估的迫切需求和特点,提出了一种区间评估分值模型,借助多属性决策分析理论构建了适用于ATR系统的评估模式,并给出了两个具体的区间分值评估算法.基数区间分值评估算法基于价值理论,通过确定评估对象属性的价值函数并加权形成基数区间评分值,定量评价ATR系统满足决策者主观价值需求的程度;序数区间分值评估算法基于TOPSIS法思想,通过计算评估对象与理想点和负理想点的距离差距,综合生成序数区间评分值,定量指示各个ATR系统距离理想系统的相对差距程度.运用所提出的两种评估算法对6个空地ATR系统进行了实例操作,评估结果表明所提模型及算法合理、直观.     

自动目标识别硬件实现结构分析

自动目标识别（ATR）技术在导航、警戒、导弹制导等军事方面和在遥感、机器人视觉等民用方面都具有很好的应用前景，其硬件实现的结构研究显得尤为迫切和重要。本文对ATR硬件实现——数字硬件实现、光学处理硬件实现、神经网络实现，进行了归纳分析，并得出了一些有用的结论。     

自动目标识别(ATR)算法评估研究综述

自动目标识别(ATR)算法评估是ATR研究领域的一项关键技术,已成为近年来该领域的一个热门课题.从ATR算法评估的国内外研究现状开始,对其常用的评估指标、典型的评估方法等进行了较为全面的分析和综述,在此基础上,比较了各种指标的优缺点,讨论了典型方法的适用范围,给出了主要研究结论,并提出了需要进一步解决的问题.     

自动目标识别性能评估指标简述

针对自动目标识别(ATR)评估领域的研究需求,首先明确了ATR评估中的若干基本概念,然后分别介绍了混淆矩阵、概率型指标、数率型指标和基于ROC曲线指标的概念、定义及用法.提出了评估指标的选取原则,并根据这些原则对比分析了上述四类指标,所得出的结论对于实际的ATR性能评估操作具有一定的参考价值.     

复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

基于人工智能的人脸识别技术与评估体系研究

介绍了基于人工智能的人脸识别技术应用和发展现状及其在终端领域的应用,分析了人脸识别中人工智能面临的安全挑战,研究了人脸识别技术的安全要求,提出了关于评估体系的思考。     

High-performance automatic target recognition through data-specificVLSI

Under the Mojave configurable computing project, we have developed a system for achieving high performance on an automatic target recognition (ATR) application through the use of configurable computing technology. The ATR system studied here involves real-time image acquisition from a synthetic aperture radar (SAR). SAR images exhibit statistical properties which can be used to improve system performance. In this paper, the Mojave configurable computing system uses field programmable gate arrays (FPGA's) to implement highly specialized circuits while retaining the flexibility of programmable components. A controller sequences through a set of specialized circuits in response to real-time events. Computer-aided design (CAD) tools have been developed to support the automatic generation of these specialized circuits. The resulting configurable computing system achieves a significant performance advantage over the existing solution, which is based on application specific integrated circuit (ASIC) technology     

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同，低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。     

基于SAR图像的自动目标识别系统设计与实现

设计并实现了一套完整的、基于合成孔径雷达（SAR,synthetic aperture radar）图像的自动目标识别（ATR,automatictargetrecognition）系统。该系统包括降相干斑处理、恒虚警率（CFAR,con-stantfalsealarmrate）检测、强散点聚类与鉴别、感兴趣区域（ROI,rangeofinterest）分割和基于模板的最大相关匹配等五大部分。SAR图像匹配模板库来自于对典型目标的电磁仿真,待检测SAR图像来自某机载SAR系统对某地面区域的成像实验。测试表明所介绍的ATR系统在满足工程性能要求的意义上,实现了在典型的地貌环境下对典型军事目标的实时自动识别。     

语音情感识别综述

语音情感识别是利用计算机建立语音信息载体与情感度量之间的关系,并赋予计算机识别、理解人类情感的能力,语音情感识别在人机交互中起着重要作用,是人工智能领域重要发展方向。本文从语音情感识别在国内外发展历史以及开展的一系列会议、期刊和竞赛入手,分别从6个方面对语音情感识别的研究现状进行了梳理与归纳：首先,针对情感表达从离散、维度模型进行了阐述;其次,针对现有的情感数据库进行了统计与总结;然后,回顾了近20年部分代表性语音情感识别发展历程,并分别阐述了基于人工设计的语音情感特征的情感识别技术和基于端到端的语音情感识别技术;在此基础之上,总结了近几年的语音情感识别性能,尤其是近两年在语音领域的重要会议和期刊上的语音情感识别相关工作;介绍了语音情感识别在驾驶、智能交互领域、医疗健康,安全等领域的应用;最后,总结与阐述了语音情感识别领域仍面临的挑战与未来发展方向。本文旨在对语音情感识别相关工作进行深入分析与总结,为语音情感识别相关研究者提供有价值的参考。     

新时代电子计算机与人工智能的结合

随着信息技术和通信技术的快速发展,新时代的电子计算机与人工智能的结合成为研究的热点。文中通过梳理相关文献和研究成果,总结了新时代电子计算机与人工智能的结合的主要内容和趋势。首先,新时代电子计算机与人工智能的结合主要体现在以下几个方面。对基于人工智能算法的计算机视觉和图像处理技术的研究,包括目标检测、图像识别等;对基于人工智能算法的自然语言处理和语音识别技术的研究,包括机器翻译、对话系统等;对基于人工智能算法的数据挖掘和分析技术的研究,包括模式识别、预测分析等。其次,新时代电子计算机与人工智能的结合面临的挑战和问题也不容忽视。最后,新时代电子计算机与人工智能的结合具有广阔的应用前景和发展空间。新技术的不断涌现和开放数据资源的丰富性,为电子计算机与人工智能的结合提供了更多的机会。新时代电子计算机与人工智能的结合是一个充满挑战和机遇的领域,其中涉及算法优化、数据安全和隐私保护、算法可解释性等问题。这一研究方向具有广阔的应用前景,将为人们的生活和社会发展带来积极的影响。     

红外成像制导导弹自动目标识别应用现状的分析

自动目标识别是武器系统智能化、自主化的关键技术。在红外成像制导武器中采用自动目标识别技术，可以使武器具备发射后载机脱离、发射后不管、识别目标、诱饵和干扰的能力，提升红外成像制导武器的作战效能和武器载机的生存能力。目前，国外已经将红外图像自动目标识别技术应用在大型地面固定目标以及飞机类目标的红外成像制导武器中。介绍了红外成像制导导弹的自动目标识别应用现状，分析了制约自动目标识别在红外成像制导导弹中广泛应用的因素，并提出了推动该技术在红外成像制导导弹中应用的对策。     

雷达HRRP目标识别系统参数分析

雷达高分辨距离像在实现自动目标识别方面具有较大潜力，其识别性能与雷达系统参数，如雷达工作频率、信号带宽等有关。此外，用于采集识别器训练数据的雷达接收机的特性与实际工作的雷达接收机的特性会有所不同，也会影响到识别性能。文中对上述参数对识别性能的影响进行了分析和评估，所得到的结果对目标识别雷达的系统设计具有参考价值。