雷达舰船目标的混合特征提取算法的设计与实现

特征提取是目标自动识别的关键。介绍了几种常用的目标特征手段，并对回波串成像改进算法、基于目标灰度的特征提取法、基于单个目标回波的特征提取法进行了讨论。     

多重观测矢量模型下的微动目标特征提取

针对传统基于压缩感知(CS)理论的微动目标特征提取方法不适用于宽带雷达目标的情况,以线性调频信号体制雷达为例,通过分析微动目标回波的内在特性,构建了一种微动目标回波的多重观测矢量(MMV)模型。结合频率估计算法与正交匹配追踪(OMP)算法进行MMV模型的稀疏表达求解,从而获得微动目标的特征参数。仿真结果表明,与传统基于单重观测矢量(SMV)模型的微动特征提取方法相比,噪声环境下采用MMV模型进行微动特征提取具有更强的鲁棒性。     

一种基于非相参雷达目标回波的特征提取算法

在着重研究了非相参雷达视频回波的基础上，提出了一种基于线性预测系数及离散Ｋ－Ｌ正交变换的雷达目标回波的特征提取算法。采用实地录取到的大量雷达目标数据对这种算法进行检验，实验结果表明，这种方法具有较高的识别率。     

一种基于一维小波包分解的信号特征提取方法

本文主要针对主动声纳的水中目标回波信号,使用一维二进离散小波包分解技术进行信号的特征提取,研究了信号特征的提取方法和分解节点与实际频带对应列表的计算方法,并通过不同的仿真实验对特征提取算法进行了验证和分析,旨在为基于信号处理提取水中目标回波信号的特征提供一种新的方法和思路。     

非相参雷达目标回波的特征提取方法研究

在着重研究非相参雷达视频回波的基础上，对目标视频回波数据作预处理，借鉴波形特征树的波形特征描述方法，研究了一种基于非相参雷达目标回波的特征提取算法，并用大量的真实雷达目标数据对这种方法进行检验，实验结果表明，这种方法能有效描述目标特性。     

雷达

‘1’到9吕99021220一种基于非相参雷达目标回波的特征提取算法/王众,王首勇(空军雷达学院)11雷达与对抗一1 998,(1)一34一37在着重研究了非相参雷达视频回波的基础上,提出了一种基于线性预测系数及离散K一L正交变换的雷达目标回波的特征提取算法.采用实地录取到的大量雷达目标数据对这种算法进行检验,实验结果表明,这种方法具有较高的识别率.图1表2参6(许)‘1’剑96 99021221机载雷达和自卫电子对抗技术的新进展/张海燕(中国航空工业总公司607所)”电子科技导报.一1 998,(8).一27一29介绍机载雷达在技术上的一些新进展,对机载自卫电子对扰…     

基于自适应波束形成的鱼雷对潜目标识别技术

通过鱼雷对潜目标准确识别,实现对目标的精确打击。当前的目标识别算法采用时频特征提取算法,随着海洋背景噪声强度的增大,准确识别概率不高。提出一种采用亮点回波信号自适应波束形成的鱼雷对潜目标识别算法,首先进行了鱼雷对潜攻击声探测亮点回波模型构建,采用级联滤波器进行回波信号降噪处理,对滤波后的输出信号进行自适应波束形成处理,实现信号的特征提取和指向性聚焦,提高目标亮点回波信号的检测性能,实现目标准确识别。仿真结果表明,采用该算法进行鱼雷对潜目标检测识别,准确检测概率高于传统算法,在低信混比下仍具有较好的准确识别率,抗干扰性能较好。     

基于时频图的飞机目标特征提取算法

研究了两种基于时频分析的飞机目标特征提取算法。首先,介绍利用短时傅里叶变换获得目标二维时频图信息,然后,分析飞机目标回波时频图的图像熵特征和平均时频谱特征,给出了这两种特征的提取算法,仿真得到利用这些特征对三类飞机的分类识别结果,分析了其目标分类识别性能以及适用情况。在研究时频图平均时频谱特征提取算法时,发现单独使用此特征在飞机目标分类识别中存在的问题,加入基于平均时频谱的方差特征,综合两种特征实现了对三类飞机目标的的分类识别。仿真结果表明,这两种特征的目标识别正确率都能达到94％以上。     

基于局部特征匹配的目标跟踪研究

针对目标跟踪中的特征提取和匹配问题进行分析,提出了一种基于局部特征匹配的目标跟踪方法,该算法基于Shape Context进行特征提取。首先,对现有特征提取算法进行简单介绍,并详细介绍Shape Context的基本思想,基于此提出基于局部特征的跟踪算法。其次,详细阐述了目标跟踪算法：采用目标点的χ2-test直方图距...     

基于贝塞尔函数基信号分解的微动群目标特征提取方法

微动特征提取是群目标分辨的有效手段,以往针对孤立目标的特征提取技术不再适用。针对此该文提出了一种基于信号分解的微动群目标特征提取方法。首先通过分析微动信号的正弦调频(SFM)形式,推导了SFM信号相位项在k-分辨率贝塞尔函数基上的分解结果;然后根据回波分解结果中微动频率与函数基的一一对应关系进行频率粗略估计,并针对误差产生原因给出了精确的微动频率估计方法;最后在离散信号相位解模糊的基础上,完成各子目标的微动频率提取。仿真实验验证了算法的有效性,且与正弦调频傅里叶变换(SFMFT)算法和平均幅度差函数(AMDF)算法相比具有更高精度。     

环状编码标记点的高效提取与鲁棒识别算法

针对当前环状编码标记点(CCT,circular coded target)的提取与识别算法效率、识别率较低的问题,提出了一种高效提取与鲁棒识别算法。介绍了编码标记点的特征及编码方式,采用提出的六点法获取目标点近似成像中心、边缘检测和椭圆拟合及边缘筛选,实现CCT的提取;根据CCT的仿射变换不变性提出的等分椭圆内切圆法,实现CCT的识别。对提出的算法进行了实验验证,结果表明,提取算法可有效剔除干扰且运行快速,效率高;椭圆拟合最大偏差与平均偏差分别小于0.06pixel和0.03pixel,精度高;识别算法在各种恶劣条件下均能得到正确结果,鲁棒性强;在复杂背景下,全局漏识别率、误识别率及平均运行时间分别为4.34%、0.47%和7.22ms,相对于其他识别算法,综合性能最优。     

基于多特征融合的弱小运动目标识别

利用单个特征识别强噪声中的弱小运动目标,常因所提取的目标特征与噪声特征易混淆而导致高的虚警率.提出一种新的基于多特征融合的弱小运动目标识别方法.分析了弱小运动目标的连续相关性、面积及质心位置偏移这三个特征的可靠性及提取方法,对获取的特征值进行归一化后采用多特征融合的方法构造更具有鲁棒性的联合特征,确定了以具有最大多特征融合值为真实目标的决策方法.通过与采用单一特征的目标识别方法进行比较,证明了提出的多特征融合方法能更准确地识别弱小运动目标.     

基于最优可免域神经免疫网络的深度模糊红外目标提取算法

深度模糊是模糊红外图像的一类表现特征,准确提取红外图像的深度模糊区域是提取模糊红外目标的基础。基于生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等优异特性,结合生物免疫中神经系统与免疫系统相互作用的关系,提出了一种基于最优可免域神经免疫网络的深度模糊红外目标提取算法。该算法通过设计神经网络能给进行模糊红外图像目标与背景分类的免疫网络以指导作用。依靠独立于免疫系统神经网络先验知识的作用,设计了最优可免域神经免疫网络,实现了针对深度模糊红外目标的准确提取。实验结果证明,相对于其他传统目标提取算法,该算法能更有效和更准确地提取模糊红外目标图像中的目标。     

一种脱机手写签名认证方法

研究脱机签名认证的特征抽取和比较决策。针对脱机手写签名验证特点,提出一种主成分特征提取和径向基神经网络相结合的脱机手写签名认证方法。首先使用主成分特征提取算法对签名图像进行特征提取和降维处理,然后基于主成分特征设计径向基神经网络识别签名的真伪。实验结果表明该方法可取得较好的识别效果。     

基于多目标Camshift手势识别

基于单目视觉下的手势识别技术一般由手势建模、特征提取、手势匹配等几个关键技术构成。手势跟踪算法目前主流的是粒子滤波算法和Camshift算法。系统采用Camshift算法,将人手图像由RGB空间转换到HSV空间后,在HSV空间利用半自动预定义模板颜色对人手进行分割,并对其进行改进实现多目标跟踪,由于Camshift算法为半自动算法,在对手势进行跟踪前需对手势进行手动标定,系统采用了手势跟踪与手势识别技术结合的方法,改进了Camshift算法,解决了Camshift的半自动问题和实现多目标跟踪,实现双手的手势识别。     

对于杂散背景中的目标红外成像特性研究

本文结合对目标红外特性的研究,论述了在复杂背景条件下空一空弹红外成像末制导技术的原理和实现,分析了地面背景的辐射和散射的特征;综合分析了军用喷气式战斗机作为主要被攻击对象的红外辐射特性,并给出了目标红外特征提取的多种方法和算法。     

基于深度学习的轻量化红外弱小车辆目标检测算法研究

伴随高速飞行器的不断发展,目标检测识别作为精确制导的关键一环,需要更高实时性、高准确性地进行目标定位和识别。当前,针对装甲车辆、车辆阵地等时间敏感目标精确检测识别的需求日益迫切,深度学习算法在特征提取及分类器设计上具备优势。文中以特定复杂背景下的小尺寸红外车辆目标为研究对象,针对样本数据少、平台资源受限、实时性要求高、检测精度高等需求,开展基于红外弱小车辆目标检测识别的轻量化深度学习算法研究。项目基于YOLOv5算法进行轻量化剪裁,减小模型的结构,提高实时性;提出了混合域注意力机制模块EPA,该模块通过不降维的局部跨信道交互策略使算法更快速有效地关注重要通道,抑制无效通道,并将通道注意力机制与空间注意力机制结合,使得算法更关注与目标相关的像素信息。提出了残差密集注意模块（RDAB）,该模块由密集残差块与注意力机制EPA构成,通过密集卷积层来提取充分的局部特征,通过注意力机制获取更有效的通道与像素信息,可以使得算法以较小的模型结构获得较好的检测效果。运用设计的网络对数据增广后的小尺寸红外车辆目标数据进行检测识别,并与多种典型算法进行对比实验。由实验结果可知,文中提出的JH-YOLOv5-RDAB网络检测识别效果优于其他网络,权重大小仅为6.6 MB,仅为YOLOv5s算法模型权重的一半,但算法检测效果更优,与93.7 MB的YOLOv5l算法的检测效果接近,mAP50达到95.1%。实验结果表明:该网络在红外弱小车辆目标检测上的优越性和可行性。     

SAR图像特征提取与选择研究

特征提取与选择是SARATR的关键技术之一.通过特征提取与选择可以有效地降低数据空间的维数,从而实现对SAR图像的快速、准确解译.本文首先给出特征提取与选择问题的定义及其研究现状,进而对当前常见的特征提取与选择方法进行总结.在此基础上,给出各算法的选取标准.最后探讨了特征提取与选择过程的发展趋势.     

混沌背景下语音信号提取算法的研究

有效语音信号的提取在说话人识别中起着重要的作用,是声纹识别的主要研究内容之一。由于语音信号的非平稳性和不可预知因素的影响,决定用基于非线性时间序列的状态空间投影算法提取强噪声下的语音信号。该算法对其他场合微弱信号的检测也行之有效。     

Target course recognition using nonsinusoidal look-down radars

The target signature of an airplane as viewed by a nonsinusoidal look-down radar is obtained analytically as a function of target shape, azimuth orientation, look-down angle, and transmitted pulse duration. The information contained in the target signature can be used for detection of stationary and moving targets in heavy clutter, as well as the recognition of target shape and orientation. The relation between target signature and target azimuth orientation shows that pulse lengths shorter than airplane length are required to perform target recognition at all azimuth angles. Target course recognition in the radar ground plane is the process of determining the azimuth angle by selecting from the database the target signature that is most similar to the observed one. The effect of look-down angle on the target signature is also analyzed. At small look-down angles, target shape information is obtained with pulse lengths shorter than aircraft length. However, at large look-down angles pulse lengths much shorter than the airplane length are required. The variation of the target signature with azimuth and look-down angles are utilized for determining two-dimensional target course recognition. Cruise missile radars operating in a lookdown mode can utilize the very-high-resolution nonsinusoidal radar to enhance target shape recognition in addition to target course recognition