基于最佳基数目的目标分类研究

根据小波包理论及其算法提出了一种对直升机和坦克进行分类的新方法：对未知目标的某段信号用小波包算法处理后，以熵函数作为信息代价函数，根据熵的大小确定该信号的最佳基，然后统计最佳基数目，最后根据该数目是否落在预定门限内来判别目标是直升机还是坦克。应用此法对外场数据处理的结果表明，该方法能够较好地达到分类目的。     

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。     

地面运动目标分类的模式特征与评价

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。     

深弹磁引信目标信号分析

选用目标潜艇磁场强度的函数作为目标信号，深入分析了目标潜艇磁场以及深弹与目标潜艇的交会条件。在此基础上，分析了典型的目标磁场信号，确定了深弹磁引信的判决准则。     

基于单片机的磁引信系统设计

在对目标信号的特征进行分析的基础上，通过对磁信号的采集和处理，进行了基于单片机的磁引信系统设计，提出了相应的解决方法和技术实现方案。     

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。     

小波分析在金属磁记忆无损检测中的应用

基于小波分析的理论与算法，运用小波分析技术对金属磁记忆信号进行消噪平滑、数据压缩和奇异性分析，提取出有用的特征参量，具体涉及小波多分辨率分析的消噪平滑、一维小波分析进行磁记忆信号压缩、基于小波分析的磁记忆信号奇异性分析等方面，为工件磁记忆信号的正确评价提供理论和实验依据。     

基于神经网络的战场被动声／地震动目标识别方法

目的在于研究人工神经网络在战场声／地震动目标识别应中的有效算法。通过建立战场目标声／地震动特性探测与分析系统，在总结目标特性规律，分析传统BP算法固有缺陷的基础上，采用改进的算法对分类器进行训练，典型战场目标信号样本检验表明，该方法具有良好的识别分类效果，利用基于神经网络的分类来实现对战场声／地震目标的识别分类是可行的。     

基于声信号多重分形和支持向量机的目标识别研究

为提高智能地雷对地面装甲目标的识别率,针对地面装甲目标辐射的噪声信号具有非线性的特性,建立了一种基于多重分形和支持向量机(SVM)相结合的分类识别模型。通过野外场地实验,采集到两种装甲目标在不同工况（运行速度）下的各40组样本信号;利用多重分形分析计算得到两种目标信号的广义分形维数谱(GFDS),分析了两种目标信号在不同工况下多重分形谱的特征;将GFDS值作为目标特征向量输入SVM分类模型,经训练得到最优分类结果,并与小波包能量(WPE)法提取样本特征后输入SVM的识别效果进行了对比,结果表明前者的识别率达到92.5%,高于后者的85%的识别率。     

基于改进卷积神经网络的工频水下磁目标探测

针对工频水下磁目标信号特征提取难、目标数据样本少、识别精度低等问题，提出一种基于深度卷积生成对抗网络(DCGAN)与优化卷积神经网络(CNN)相结合的水下工频磁目标识别方法。该方法通过滑动时间窗将信号由一维时序空间映射到二维灰度值图像，将实测水下磁异常信号利用DCGAN进行数据增强，之后构建卷积神经网络并引入DY-ReLU动态激活函数对CNN网络结构进行优化，以达到对目标信号的分类识别的目的。实验结果表明，经由数据增强的网络模型识别率提高了10%;相较于其他常用的静态激活函数，优化的CNN识别率分别提高了4.5%、4%、3%和2.5%,识别精度达到92.5%。验证了该方法的有效性，为水下磁异常检测提供一种新思路。     

A Classification Algorithm for Ground Moving Targets Based on Magnetic Sensors

A novel classification algorithm based on abnormal magnetic signals is proposed for ground moving targets which are made of ferromagnetic material. According to the effect of diverse targets on earth's magnetism,the moving targets are detected by a magnetic sensor and classified with a simple computation method. The detection sensor is used for collecting a disturbance signal of earth magnetic field from an undetermined target. An optimum category match pattern of target signature is tested by training some statistical samples and designing a classification machine. Three ordinary targets are researched in the paper. The experimental results show that the algorithm has a low computation cost and a better sorting accuracy. This classification method can be applied to ground reconnaissance and target intrusion detection.     

基于跟踪链的无线传感器网络移动目标查询

针对直接查询存在的问题,研究了基于跟踪链的移动目标查询方案。提出了目标跟踪链的概念—由目标移动途经的传感器节点组成的存储着目标时空信息的双向链路;给出了跟踪链的构建方法和基于跟踪链的目标查询过程;理论分析了基于跟踪链的目标查询代价。仿真结果表明,该查询方案与直接查询相比,有效降低了查询跳数和查询失败概率;与基于跟踪树的查询相比,在目标查询频率较低或者目标移动频率较高时表现出能量有效。     

利用转速测试弹丸炮口速度的方法研究

介绍了一种利用转速测试弹丸炮口速度的方法。地磁传感器与测试电路安装在弹丸或引信里,当弹丸发射、地磁传感器的线圈随弹丸旋转时,线圈切割磁力线而产生周期性感应电动势。测试电路采集到感应电动势信号并存储于电路内部的存储器里。在实弹测试回收测试电路后读取存储器里的数据,可以得到弹丸在炮口处的转速值,结合火炮的炮口缠度可以计量或计算出弹丸在炮口的初速值。经过实弹测试验证,该测试方法可测量炮口处弹丸的速度。     

非合作式目标识别技术概述

非合作式目标识别包括雷达、电子支援措施及光传感器的目标识别技术.雷达目标识别含利用跟踪信息、极化信息及通过JEM、距离像和ISAR进行识别.电子支援措施目标识别包括利用基本电波参数、脉冲波形特征和通过对己方电子支援措施电波的接收分析进行识别.光传感器目标识别则是在取得目标的反射特性和辐射特性(光谱)后提取其特征进行识别.     

基于星敏感器原理的空间微弱小目标自动识别

复杂星空背景下,无特定标识的微弱小目标经常会阻碍航天器的飞行任务;由于目标成像尺寸小、发光特点与星点类似,无法通过常规目标识别手段进行辨识;针对该问题,利用星敏感器绝对测量的优势,提出基于星敏感器原理的空间微弱小目标识别方法;该方法利用鲁棒性较好的网格算法识别采集星图上的大部分恒星,将漏星和目标标记出来,再利用角距法加以区别,实现目标识别;通过实验仿真,完成了对含微弱小目标的具体星图的星点及目标识别,并针对过程中出现的参考星和返回目标结果的选择标准问题进行了讨论分析,验证了基于星敏感器原理的空间微弱小目标识别方法的可行性。     

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。     

基于Levy飞行的蜂拥控制算法在目标跟踪中的应用

为解决较大区域内移动智能体对目标的跟踪问题,提高收敛速度,优化跟踪效果,提出基于Levy飞行的蜂拥控制算法。利用Levy飞行的特性,在移动智能体群体中加入搜索智能体,采用Levy飞行策略对目标进行搜索,智能体根据周围邻居和所能感知到的目标信息调整自身运动。仿真验证表明：与不具有搜索智能体的蜂拥控制算法相比,该模型搜索目标的速度更快,跟踪效果更好,适用于大区域内移动智能体的目标跟踪。     

无线传感器网络对边界目标的跟踪能力分析

对进入监控区域的运动目标进行探测跟踪是无线传感器网络的一项重要功能,以传感器模型和Exposure模型为基础,分析了目标的运动速度与检测可能性之间的关系,给出了不可测临界速度和完全可测临界速度的定义及其与传感器参数之间的函数关系;通过仿真,验证了理论的准确性,这为根据实际需要进行传感器节点布设和传感器的参数设计提供了参考。     

低轨预警系统传感器调度层次分析方法

为了实现低轨卫星预警系统对目标的全程跟踪并提高传感器的调度效率,提出了基于层次分析方法的传感器调度方法.分析了目标可见性和传感器调度问题,总结得出影响传感器调度的约束条件,运用层次分析法构建了传感器实时调度模型,最后利用STK软件进行仿真分析.仿真结果表明:该算法可以有效地减少传感器调度所需的时间以及目标交接的次数,具有较好的性能.     

移动机器人目标识别与定位算法发展综述

通过对移动机器人目标识别与定位算法中传统的目标识别算法、基于深度学习的目标识别算法和基于各类传感器的目标定位算法的特点进行综合分析,得出了2点启示,也是以后有待解决的关键技术:1)减小算法计算量以降低对硬件性能的依耐性;2)将目标识别算法与定位算法相融合以实现实时的目标识别与定位.