一种基于小波分频带统计特征的舰船分类识别方法

为了有效提高舰船目标的识别率,提出了一种基于小波分频带统计特征的舰船分类识别方法。该方法利用小波变换分别提取了舰船辐射噪声带内信号的小波模极大值和带外信号的分频段能量两类特征,并将两类目标特征的联合量作为舰船的目标特征用以识别舰船目标。同时利用实测海录58组舰船的辐射噪声数据对上述舰船目标特征的分类识别方法进行了验证,结果表明,利用联合特征对目标的检测概率可以达到97%以上。     

一种基于模糊综合评判的目标识别方法

探讨了一种基于模糊集理论的目标识别方法，通过对红外、毫米波传感器采集数据的特点分析，提取了反映目标响应特性的脉宽和脉峰两个特征，建立了特征隶属函数，并对各特征的权值进行了自适应调整，最后经模糊综合评判实现了对地面目标的有效识别。     

基于运动特征的弹道导弹目标识别技术

弹道导弹目标的运动特征反映不同目标的运动特性,是鉴别弹头和诱饵目标的有效手段之一。分析了弹道导弹目标运动特征差异,系统地归纳了基于运动特征的弹道目标识别方法。根据雷达提取运动特征所采用的信息不同,将此种方法分为基于速度变化的识别方法、基于弹道运动特性的识别方法、基于微动特性的识别方法以及基于质阻比的识别方法。详细阐述了四类识别方法特点、实现途径及适用条件,展望了弹道导弹目标识别技术的发展趋势,并对目标识别特征作战运用提出一些新的想法。     

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。     

基于多维特征的高超声速目标分类识别算法

针对高超声速目标天基探测中分类识别困难的问题，提出了一种基于多维红外特征的高超声速目标分类识别算法。在对主动巡航式和被动滑翔式两类不同机动类型的典型高超声速目标多维红外特征进行对比研究的基础上，结合高斯混合模型进行机器学习聚类分析，开发了基于多维特征的高超声速目标分类识别算法，构建了高超声速目标多维特征混合识别模型。基于天基探测全链路模型仿真的数据进行测试验证，其结果证明了所提出的高超声速目标分类识别方法的有效性。在检测到的高超声速目标运动特性未知的情况下，该算法仅通过多维红外特征可快速对两型高超声速目标（主动巡航式/被动滑翔式）进行分类识别，为后续跟踪和拦截高超声速目标争取了时间。     

一种高分辨雷达目标识别方法的研究

探讨了高分辨率雷达视频回波特征提取及识别方法。鉴于时域视频回波波形特征变化较快，不适合作为目标特征进行识别。回波频域的波形（频谱）相差不大，为了提高谱的分辨率，本文提出对回波信号作Ｃｈｉｒｐ－ｚ变换，以提高谱的分辨率。理论分析与实验结果均表明以回波信号的Ｃｈｉｒｐ－ｚ变换作为目标特征优越性。以ＢＰ网络作为分类器，对两类目标进行了识别，仿真结果说明了此方法的有效性。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

基于磁梯度张量SVD 的磁性目标识别方法

针对磁梯度张量单个分量对斜磁化多目标识别能力不足,受载体姿态影响较大的问题,提出基于磁梯度 张量奇异值分解(singular value decomposition,SVD)的磁性目标识别方法。通过磁梯度张量矩阵的奇异值分解,提 取奇异值的最大值作为磁性目标识别特征量,增强了对斜磁化多目标的识别能力,证明了磁梯度张量奇异值的张量 不变量特性,克服了载体姿态变化对磁梯度张量识别的影响。仿真和实测结果表明,该识别方法能有效区分和识别 斜磁化的多目标。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

地面装备目标特征测评方法研究现状及展望

针对地面装备作战任务所面临的局部战争冲突、军事对抗竞赛、作战空间的变化等多方面影响,分析了地面装备面临的探测、识别与打击威胁环境以及目标特征信号测试与隐身效能评估技术的发展需求,从测试能力、数据融合技术等方面介绍了国内外目标特征测试方法研究现状,对比与国外的差距,结合地面装备隐身技术的发展和目标特征实战化应用需求,展望了地面装备多源目标特征测试与隐身效能评估技术发展及应用方向.     

多传感器数据融合技术在目标识别中的应用

提出了一种基于D-S证据理论算法的目标识别方法.该方法利用了两个CCD和一个热像仪分别提取弹标光源、干扰光源、随机噪声和火堆的特征向量,基于各特征的先验知识,采用D-S数据融合算法识别目标和干扰,有效提高了目标识别的概率.     

基于增强字典稀疏表示分类的SAR目标识别方法

针对合成孔径雷达(SAR)目标识别方法中分类决策存在的不足,提出基于增强字典稀疏表示分类的SAR目标识别方法。该方法通过对原始训练样本进行多信噪比、多分辨率样本构造,进而构建描述能力更强、对于扩展操作条件更稳健的增强字典进而采用稀疏表示分类器提高目标识别的整体性能。基于MSTAR数据集的实验结果表明,该方法在对于3类和10类目标的平均识别率可分别达到98.61%和98.12%,验证其区分多类目标的能力;通过测试在不同信噪比、不同分辨率下的识别性能,验证了该方法对于噪声干扰、分辨率变化具有较强的稳健性。     

基于短时傅里叶变换的毫米波引信地面目标识别

针对毫米波引信对地面背景中目标时域检测时地杂波影响较大影响识别的问题,提出基于短时傅里叶变换(STFT)的毫米波(MMW)地面目标识别算法。该算法的实质是提取毫米波引信信号频谱中的有效多普勒频率特征信息,用短时傅里叶变换分析实测的引信多普勒信号。在MATLAB软件下用外场实测数据进行试验验证,验证结果表明了短时傅里叶变换方法对地面目标检测、识别的可行性,可以有效地判断出背景信号中有无目标。     

地面侦察雷达目标威胁度评估方法研究

根据目标状态参数和身份识别结果,对目标的威胁度进行评估是地面侦察雷达急需解决的问题。基于地面侦察雷达的目标属性集,利用隶属度函数、专家知识和贝叶斯网络构建了地面侦察雷达动态威胁度贝叶斯评估模型。经仿真验证,目标威胁度评估数据变化特征符合人的推理过程,对于多功能相控阵雷达,可根据目标威胁度自适应调度波束实现对目标的跟踪。     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

反辐射导弹智能记忆抗诱偏技术研究

提出一种基于目标识别和超分辨测向的反辐射导弹智能记忆抗诱偏方法.针对多信号条件下,反辐射导弹对目标辐射源的识别和抗诱偏摧毁问题,分别采用基于谱特征的信号识别方法和小型圆阵基础上的超分辨测向算法,设计了系统框图,给出了方法工程实施方案.仿真证明该方法能够有效识别多种信号,测出诱偏条件下多个信号源位置信息,能够抗关机、抗诱偏.     

复杂地面背景下多目标的检测和识别

对复杂地面背景下多目标的截获和攻击包括三个主要过程即::1)目标检测,2)目标选择或识别,3)目标截获及跟踪。本文对目标的检测和选择或识别的信号处理技术进行了探讨,对检测和识别方法进行了比较并给出了理论分析和检测及识别的概率计算。     

基于PCA的反辐射导弹激光引信目标识别方法

为了满足空舰反辐射导弹激光引信对舰载雷达目标的识别要求,通过建立舰载雷达目标三维模型,运用激光仿真软件获取雷达目标点云数据,在此基础上提出采用主成分分析法(PCA)分析目标数据点在局部空间分布特性的目标识别方法。利用Matlab进行仿真分析,结果表明分析得到的雷达目标数据点在局部空间的分布特性与实际目标基本相符,可将其作为数据模板与激光引信探测到的目标信息进行匹配从而完成识别。     

基于MEMS激光雷达的车辆目标识别算法

针对传统线阵激光雷达对地面目标识别准确率低的问题，设计一种基于MEMS激光雷达推扫成像点云识别算法。引入直通滤波和栅格分割算法缩减原始点云数据，有效提高算法的运算速度。结合MEMS激光雷达点云有序化处理方法，提出基于数学形态学的点云聚类算法，将去除地面后的点云分割为相互独立的点云簇。在此基础上使用自适应阈值的分布直方图去噪算法，去除点云簇周围的离群噪点。设计多特征复合判据，直接处理聚类去噪后的三维激光点云，实现对目标的准确识别。分析典型实验条件下的数据处理结果，识别准确率达到了94.9%,表明该方法具有良好的泛化能力和准确性。     

弹道导弹中段目标群及识别技术研究

弹道导弹中段是导弹防御的关键阶段,随着各种突防技术的不断发展,弹道导弹中段目标特性也在不断变化。梳理了弹道导弹中段目标群的构成,根据弹道导弹在中段的目标特性和识别特征,从目标识别方法的角度,分析了中段目标识别的主要技术以及不足。最后,分析了弹道导弹识别技术的发展方向。