基于ICA和HMM的战场混叠声目标识别

为识别战场混叠声目标,提出一种基于独立分量分析(ICA)的声目标盲分离和隐马尔可夫(HMM)识别的混合声识别方法.建立已知声目标的HMM,实现混叠声目标盲分离,提取的线性预测系数作为声目标识别参数,通过K均值聚类得到训练和识别特征向量,通过Viterbi解码判断声目标的类别.仿真结果表明,ICA分析能有效地分离混叠声目标信号,基于线性预测系数的HMM识别率较高,混合模型识别系统在混叠声目标识别中具有可行性.     

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。     

隐马尔可夫模型和支持向量机混合模型声识别

为弥补单一模型在识别低空飞行目标时的不足,进一步提高低空飞行目标的识别率,提出一种基于HMM和SVM混合结构的低空飞行目标声识别算法.针对战场环境下声信号的特点,算法综合考虑HMM适合处理连续动态信号及SVM小样本情况下的强分类能力,利用HMM处理待辨识的连续动态信号,将HMM易混淆的信号作为与待辨识信号较为相似的模式类,形成候选模式集,再由SVM在候选模式中对待辨识信号作最后决策.实际数据的识别结果表明相对于单一的HMM和SVM,混合模型的识别率有一定的提高.     

基于改进的K-均值聚类信源数目估计算法

针对盖尔圆盘法在低信噪比和少快拍数背景下进行信源数目估计时会出现错误判断的问题,提出了色噪声背景下改进的K-均值聚类信源数目估计方法.求出数据相关矩阵后按照信号和噪声的类均值对信号特征值和噪声特征值进行K-均值聚类,然后不断更新类均值直到信号特征值收敛.计算机仿真实验证明了该方法在低信噪比和少快拍数时的估计成功概率高于盖尔圆盘法.     

灰关联分析法在坦克声目标识别中的应用

提出了一种基于灰关联分析的声目标识别算法.该算法提取坦克声信号的线性预测系数特征作为关联参数,通过比较声信号的灰关联值实现目标识别.在白噪声背景下,结合谱相减法,通过提取坦克声信号特征识别,仿真表明灰关联算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,识别率较高.因此该算法在声目标识别中具有可行性.     

超音速飞行体激波信号的主成分分析和K-均值聚类

提出一种基于激波信号的超音速飞行体的目标分类方法，通过5.56mm，7.62mm和12.7mm三种枪弹实测分析，提取信号的时域特征，用主成分分析法对信号的特征变量降维处理，用K-均值聚类算法进行聚类分析。对比直接用原始特征变量进行分类和经主成分分析处理后分类的效果，结果表明主成分分析的有效性和超音速目标分类识别的可行性。     

基于AP-DBSCAN聚类的弹道目标进动特征提取

进动是弹道目标识别的重要特征.以锥体弹头为研究对象,文中提出了一种基于宽带雷达组网的锥体目标进动特征提取方法.首先建立弹道目标进动模型,利用AP聚类算法,根据回波信号的强度进行初步聚类,然后通过DBSCAN算法,剔除噪声点,将非噪声信号分类并求平均值.在此基础上,分别估计出不同雷达体制下各散射中心的幅、相信息,进而解算出弹道目标的进动参数.仿真结果表明,在信噪比较小的情况下,目标的进动参数估计精度仍较高.     

基于模糊c-均值增量更新的脉冲多普勒引信干扰与目标信号识别

针对脉冲多普勒（PD）引信在复杂战场电磁环境中对目标回波信号识别效率不足问题,提出了一种具有自适应增量更新功能的模糊c-均值(FCM)聚类算法,以有效地提高引信对干扰和目标信号的识别率。在对引信距离门选通输出信号分析的基础上,利用信号时域与频域熵特征,借助FCM算法对干扰与目标信号进行分类识别,并针对信噪比不断恶化的情况,通过改进的增量更新算法实现引信FCM分类模型自适应更新调整,从而保持引信对干扰和目标信号的高识别率。仿真实验结果表明：改进的增量更新算法在降低更新耗时的同时,可使引信在-15 dB信噪比条件下对干扰与目标信号识别正确率达到96.43%,显著地提高了PD引信抗有源噪声干扰能力。     

基于多模板矢量量化的战场目标识别的算法

提出噪声背景下基于多模板矢量量化的声目标识别方法。加性背景噪声中，提取了声信号的线性预测系数（LPC）作为目标识别的参数，对不同类型，不同信噪比的声目标进行模型训练用，使每个声目标具有多个模板。最后根据矢量量化识别算法判断声目标的类别。仿真结果表明，该方法在单一噪声背景下的声目标识别中具有可行性。     

灰关联分析法在坦克声目标识别系统中的应用

提出了一种基于灰关联分析的坦克声目标识别算法。该算法提取坦克声信号线性预测系数特征作为关联参数,通过比较坦克声信号的灰关联值实现目标识别。仿真结果表明：该算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,无噪背景下,平均识别率可达到90%。因此该算法在声目标识别系统中具有普适性和可行性。     

基于Hough变换和聚类的舰艇编队队形识别算法

编队队形识别技术是反舰导弹武器系统目标识别领域中的一项重要研究内容,具有队形识别能力的反舰导弹可以有效增强对密集型舰艇编队当中重要目标的选择能力,进而直接提升导弹的命中概率和作战效能。基于Hough变换技术研究了一种舰艇编队队形识别算法,在无探测噪声影响时具有很好的识别率。当目标信息受污染较严重时,进一步采用了改进的K均值聚类算法对Hough变换后得到的积累矩阵局部峰值进行聚类处理,根据峰值聚类的结果准确提取出待识别队形的参数,从而有效抑制了探测噪声带来的不利影响。仿真结果表明,采用该算法可以正确识别出舰艇编队队形,在目标信息受污染较严重时也具有较好的识别效果,具有较好的鲁棒性。对该算法复杂度及目标指示误差对算法精度的影响进行了分析。     

基于雷达高分辨距离像序列识别的研究综述

为了解雷达目标更多的详细信息,对基于高分辨距离像(high resolution range profile,HRRP)序列的目标 识别方法进行分析。对隐马尔可夫模型(hidden Markov model,HMM)、卷积神经网络(convolutional neural network, CNN)、循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)等面向序 列识别的分类器进行阐述和讨论,分析不同分类器用于HRRP 目标识别的发展历程,指出不同识别方法的优缺点及 适用性条件。结果表明,该研究可为不同识别场景下应用合适的分类器提供一些思路。     

基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法研究

为实时监测并发现重型车辆危险行驶姿态,在重型车辆侧翻预警系统中,采用一种基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法,动态辨识重型车辆行驶状态。选取典型重型车辆行驶工况,采集相应工况数据,采用T-G检验法对数据序列进行剔除异常数据预处理。利用K-means算法设定重型车辆行驶状态的阈值。利用Baum-Welch算法对双层隐马尔可夫模型进行优化,应用优化后的隐马尔可夫模型进行重型车辆行驶状态在线辨识。辨识结果表明:该模型可准确、高效地辨识各个单一和复合工况下的车辆行驶状态,并且具有很好的实时性。     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

基于隐私保护的改进K-means 算法

针对传统K-means 聚类算法聚类过程以及聚类结果公示时可能出现隐私泄露的问题,提出具有差分隐私 保护的改进K-means 算法。在原有K-means 基础上引入密度度量,提高簇类的类内相似性,保证选取的中心处于相 对密集区域;引入距离度量,降低簇类的类间相似性,保证不同类聚中心排斥性较高;引入类间平均最大相似度, 动态规划最佳聚类个数K 和最佳初始类内中心;引入了隐私保护拉普拉斯噪声,保护信息的安全性。实验结果表明, 该算法比传统算法具有更高的聚类可用性和数据可靠性。     

基于改进花朵授粉算法与K-means算法的人体姿态库构建方法研究

为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明：相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明：相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。