声引信目标识别技术的研究

对地雷声引信目标识别技术进行了研究。提出利用小波变换后声信号在不同尺度的能量值作为目标的特征矢量，并采用均方加权距离分类器来识别坦克和直升机。检验结果表明，该方法提取的特征稳定，并且，该技术具有高的识别率。     

声引信目标识别技术的研究

对地雷声引信目标识别技术进行了研究。提出利用小波变换后声信号在不同尺度的能量值作为目标的特征矢量，并采用均方加权距离分类器来识别坦克和直升机。检验结果表明，该方法提取的特征稳定，并且，该技术具有高的识别率。     

水下目标声成像尺度识别技术研究

水下声成像是提高水下战武器精确制导能力的有效方法。针对目前水下战对抗装备对目标的模拟越来越逼真的情况,提出了一种基于声成像的水下目标尺度识别技术。该技术基于目标的二维声成像技术,通过提取目标二维尺度特征,用于识别真实潜艇和线列阵声诱饵。对该技术在噪声环境下进行了仿真研究。研究结果表明,声成像尺度识别技术是可行的。     

一种体目标的识别方法及试验研究

研究了利用目标方位张角特征进行目标尺度识别的方法，并对模拟体目标的试验技术进行了初步探讨，试验结果表明，该方法是可行的。     

基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。     

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。     

弹载线阵扫描激光雷达的目标识别算法

针对现有算法对稀疏图像识别率不高的问题,提出了基于目标顶部特征的BP神经网络目标识别算法。该算法通过分析模拟目标的线阵扫描数据,应用统计算法提取目标顶部轮廓数据特征,建立目标三维特征图模型,采用最小生成树Prim算法得到目标顶部轮廓空间分布特征,在此基础上设计了对目标特征分类的BP神经网络。仿真结果表明,该算法简单易于实现,并且在预测误差│error│≤0.015时,该算法对目标稀疏图像有较好的识别效果。     

基于Hopfield神经网络的面目标特征识别方法研究

提出了一种基于Hopfield神经网络的面目标特征识别方法。介绍了网络结构、学习算法,编制了相应的计算程序,用该程序对6种不同模拟目标的样本数据进行识别,均被正确识别。结果初步表明,利用Hopfield神经网络进行面目标特征识别是基本可行的。     

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.     

仿生听觉技术在声目标特征提取中的应用

为提高战场声目标识别技术,从仿生听觉技术原理出发,研究声目标的发声机理和人耳的听觉特性,通过与语音声学特征比较,分别研究了时域、频域、小波域和倒谱域具有代表性的声特征参数。通过矢量量化技术对不同声特征、特征矢量不同分量和不同特征组合的识别效果做了比较,实验表明:多种声目标条件下MFCC识别率为96.8%,远高于其他特征,表明其在差异性较大的目标特征中更具有区分度。     

基于统计中心线的目标特征提取算法研究

为了有效识别激光近场探测环境下的目标和云,提出了一种新的易于FPGA实现的目标特征提取算法。该算法提取了目标图像的突变、多分支、大角度、宽度变化等特征。测试结果显示,该算法能对目标进行有效识别。     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

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。     

一种基于统计中心线的成像激光引信目标识别算法

介绍了一种旨在提升激光引信抗干扰和目标识别能力的激光引信成像技术,通过对其系统组成和工作原理的分析,结合目标特征的研究,提出了一种基于统计中心线的目标识别算法并进行了识别仿真.识别结果表明,此算法能够有效提升激光引信抗干扰和目标识别能力.     

基于数据块特征的地面目标识别方法研究

光线变化常常改变图像数据块结构,导致图像匹配识别错误。文中分析了光线强弱对地面目标灰度变化影响,提出基于目标数据块特征的识别方法,将数据块目标分为反色或不反色两类,分别用Nprod匹配和特征识别方法识别两类目标,避免了光线变化对图像识别影响。实验表明,该方法能够克服光线变化影响,较好地识别地面不同类型目标。     

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.     

海上目标雷达回波图像识别系统

针对海上目标雷达自动识别存在方法单一技术受限、识别率不高,难以满足作战应用要求等问题,提出人工判别技术与先进的人工智能技术相结合的方法。通过剖析雷达回波显像特征,提炼人工判别海上目标的知识和经验,综合基于知识的模式识别技术、图像处理技术、自动分类识别技术,构建海上目标雷达回波图像自动识别系统。结果表明,该方法能较大幅度地提高海上雷达目标识别率和作战效率。     

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.     

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.     

基于带权重的贝叶斯网络数据融合研究

目标识别是弹道导弹防御系统作战中的一个重要环节,作战指挥中心对不同传感器获得的目标信息进行特征提取,然后得出多个不同的目标识别结果。对于这些识别结果,给出了一个基于决策层融合的目标识别算法。通过专家测评的方法,对不同目标特征量得出的识别结果赋予不同的权重,然后通过贝叶斯网络的方法在决策层对目标识别结果进行融合。利用该方法进行了实例计算,计算结果比较准确合理。