基于模糊神经网络的坦克目标识别

坦克是陆地战场上的主战武器之一,坦克目标识别是反装甲技术的基本前提,本文基于新型磁探测器对坦克目标磁场信号进行测量,结合运用模糊神经网络技术,对坦克目标进行模型化识别,并采用MATLAB的ANFIS工具箱进行测试与仿真,实现了对坦克和军用卡车的类别和运动方向的正确识别。     

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.     

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。     

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。     

地面多散射点目标识别的研究

在高分辨率探测信号的照射下,被照射目标已不能再简单看成单散射点目标,而是由许多散射点矢量合成的扩展目标。本文研究了在毫米波高分辨信号照射下地面坦克的模型和回波特性。经过对回波作Fourier变换,可消除时延因子的影响,获得时延不变的目标频谱特征,最后以频谱总能量及各分频段能量分布作为识别的特征向量。对目标的识别采用BP神经网络分类器完成,可获得较高识分率。     

基于目标识别的D-S数据融合

目标识别是雷达信号处理的重要组成部分．详细地阐明了D—S证据理论的决策方法，重点研究了D—S证据理论应用于目标识别的方法．通过实例分析，指出了将D—S证据理论应用于目标识别具有实际应用前景。     

声/地震动目标融合识别

根据声／地震动目标信号的特点，提出运用小波变换对信号进行特征提取，并对数据进行统一的FOBW子带编码，在此基础上，运用D－S证据理论对目标进行融合识别，对比单一传感器的识别结果表明，该方法能明显提高识别能力，同时降低识别的不确定性，提高识别的实时性。     

识别坦克目标的一种算法

该文利用弹载毫米辐射计扫描坦克目标所得到的波形信号,从中提取目标特征。此种特征具有平移、旋转等不变的优点。然后设计分类器来识别目标。模拟实验结果表明,用文中的二元码字出现频率作为特征的方法,具有较好的识别率,证明此法是可行的.     

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。     

成像引信联合变换相关目标识别关键技术

为提高引信及制导等武器系统目标识别精度及实时性,阐述了联合变换相关非合作目标激光成像识别技术的研究状况,指出了复杂战场环境下三维联合变换相关非合作目标识别的三个关键技术:1)目标距离与回波强度的高精度获取;2)复杂背景下三维联合变换相关器互相关峰的提取;3)高速运动下三维联合变换相关器畸变不变识别。对该技术在引信及导航、制导等系统中的应用前景进行了展望。     

基于多分类器组合的红外目标识别方法

针对以往的红外目标模式识别方法无法区分坦克与铁板假目标的缺点,提出了基于多分类器组合的红外目标模式识别方法.该方法对红外图像的每行像素使用线性分类器和BP神经网络分类器进行识别,用与规则对两分类器的识别结果进行决策融合,得到每行像素的识别结果,然后对多行像素的识别结果使用多数票规则及或规则进行决策融合,得到最终识别结果,完成对坦克、背景和铁板假目标的区分.仿真结果表明:组合使用BP神经网络分类器和线性分类器,可提高系统识别能力,能较好地完成目标识别.     

基于MSP430 单片机的智能手枪枪-弹识别系统

为解决丢失枪、弹后给社会带来的危害及加强警方对枪、弹的管控等问题,基于MSP430 单片机与无线 射频技术(radio frequency identification,RFID)设计一套智能枪-弹识别系统。该系统包括接触式电子击发手枪弹、 枪内处理单元2 部分,可以实现枪-弹识别：正常击发编写过特殊识别码的子弹,对码失败或没有编写识别码的普通 子弹无法完成击发,并在击发失败后触发失败提醒。结果表明：该系统可以有效减少因枪支违法外流带来的生命财 产损失,加强枪、弹管控。     

小波变换去噪方法在声目标识别系统中的应用研究

简要介绍了小波变换的原理和常用的几种去噪方法，并对这些方法的去噪性能作了简单的比较。通过比较提出了一种适合于被动声目标识别系统的去噪方法。该方法运算量小，去噪效果明显，这对于改善声目标识别系统的抗噪性能是十分有意义的。     

基于VGG网络的轻量化小型水下构筑物探伤模型

针对水下构筑物伤痕形态随机多变,特征提取困难,导致水下探伤识别精度较低的问题,提出一种基于视觉几何组(visual geometry group,VGG)网络的轻量化小型VGG(lite small visual geometry group,LSVGG)模型。采用经典VGG网络结构,减少卷积层和提高特征数量的方法在保证识别精度的前提下降低运算时间和系统开销。实验结果表明：该LSVGG模型可以部署在小型无缆水下机器人(autonomous underwater vehicle,AUV)上,具有较高水下构筑物探伤识别精度;与传统模型相比,水下构筑物探伤识别精度提高了近一倍,识别准确率高达99.7%。     

基于Dempster-Shafer证据理论的通信辐射源个体识别算法

针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。     

一种基于图像检索的枪弹识到系统

针对国内枪弹识别技术的现状和刑事工作人员的需要,设计了一套枪弹自动识别系统。该系统能够完成枪弹痕迹图像的自动采集,对采集到的图像进行预处理使其规范化,规范化图像存档于数据库中。利用基于多小波直方图的图像检索方法,在数据库中检索与目标图像最相似的样本图像,供枪弹检验人员作进一步的决定。系统所具有的自动采集、规范、存储、检索等功能,解放了显微镜下逐一比对、查找这种繁琐而耗时的人工方式,鉴定速度和准确度大幅度提高。     

基于FPGA的双波束激光引信目标识别算法研究

为在复杂的海面作战条件下有效识别低空掠海飞行的目标和排除海浪干扰,结合一定工程应用背景,分析了双波束激光引信的系统构成和工作原理;重点研究了双波束激光引信目标识别算法,提出了速度判断准则,基于FPGA技术采用VHDL语言编写了目标识别算法程序,并进行了程序的仿真、调试和实物测试,测试结果表明：基于目标识别算法的信号处理系统能够在预定时间内做出判断,初步验证了其原理的可行性。     

智能服务机器人在家庭安防中的核心技术初探

为推动智能服务机器人在家庭安防中的应用,对其核心技术进行研究。智能服务机器人在家庭安防中应具有的核心技术主要包括：声源识别技术、人脸识别技术和图像识别技术、语音识别技术、音纹识别技术、实时在线的网络功能、发现事故隐患等。在此基础上,对TMI-118型智能机器人安防系统在智能居家和家庭安防中的应用进行介绍,并提出了智能服务机器人在家庭应用中的技术难点。该研究可为推动智能服务机器人在家庭安防中的核心技术发展提供参考。     

基于人工神经网络的核素识别方法

针对传统核素识别方法不具有强适应性导致识别率降低的问题,建立基于反向传播(back propagation,BP) 神经网络的核素识别预测模型。以镅、镉、钚、氡、钯、钴、铯7 种核素的实测信号为例进行仿真模拟,建立核素 识别模型。结果表明：该模型能快速准确地识别上述核素,应用前景广泛。