基于码根信息差熵和码根统计的BCH码识别方法

现有的信道编码识别方法通常是基于矩阵化简来进行识别,其容错性能较差,提出了基于码根信息差熵和码根统计的BCH(本原循环)码的识别方法,该方法先利用码根信息差熵函数识别BCH码的码长,进而利用码根统计获取生成多项式的整数根,通过遍历该域中的本原多项式以寻求满足BCH码生成多项式根性质的码根和本原多项式,从而实现BCH码的盲识别.理论分析及仿真实验表明:在较高误码率的影响下,码根信息差熵和码根统计对二进制本原BCH码进行识别,效果较好.     

条形码技术、用途及其发展的趋势

当前,自动识别系统的种类繁多,诸如无线电频率识别系统、光学字符识别系统、声音数据识别系统、磁带条及视觉识别系统等。但是,最受人们欢迎并实际应用的还是条形码识别系统。 条形码(Bar Code)是一种计算机可识别的印制标识,它是由一组宽度不等、黑白相间的条形和空白组成,并按照预先规定的编码规则组合起来,用来表示一组数据的符号。要读出条形码符号所包含的信息,必须具备扫描装置和译码器。当用扫描装置去扫描条形码符号时。根据光的反射原理,条形和空白的宽度就被译码器译出,从而使条形码符号转变成数字或数字、字母与一些特殊符号,送到计算机去存贮和处理。     

基于相关滤波和哈达玛变换的帧同步码识别

为从侦收到的信息中得到帧同步码,提出了基于相关滤波及哈达玛变换的识别方法。该方法先利用二次相关滤波区分信息码和帧同步码,然后利用哈达玛变换压缩数据处理量识别出帧长,最后通过模糊匹配法进一步识别出同步码的同步起始位和码型。仿真结果表明:在较高误码率的影响下,该方法可以利用较少的数据量快速准确地建立帧同步,并具有较好的识别效果。     

伪码引信信号识别与干扰

首先分析了伪码引信信号的识别,主要识别伪码引信信号的载频,伪码序列,码元宽度和伪码周期,提出了识别码元宽度的计数法和识别伪码周期的相关法和比较法。然后分析了干扰信号存在误码的情况下的干扰效果,得出了引信采用不同门限时,干扰信号成功干扰引信所允许的最大误码数以及干扰机对引信信号信噪比的要求。最后提出了干扰伪码引信的干扰机原理框图。     

一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

基于线性约束关系的LDPC码校验矩阵盲识别算法

针对误码条件下低密度奇偶校验码(LDPC)的校验矩阵难以逆向构造的问题,提出了基于线性约束关系的LDPC码校验矩阵盲识别算法。该算法通过对含错矩阵进行列消元,结合校验向量的判定准则,筛选对偶向量中LDPC码校验向量,辨识和剔除被截获数据中的含错码组然后进行迭代,不断剔除被截获数据中的误码码组,提高无误码码组的比例。将原误码条件下的棘手问题,退化为无误码条件下的线性约束关系的重建问题,进而解决了误码条件下的LDPC码的盲识别问题。仿真实验结果表明,在误码率小于10~(-4)的非合作条件下,利用本文的算法,接收方可以重建发送方使用的LDPC码校验矩阵。     

敌我识别系统浅析

敌我识别(IFF)是高技术条件下现代战场中自动目标识别技术的重要应用之一.具有敌我识别能力的系统,已成为21世纪战场数字化系统的基本功能单元之一.目标识别目前具有目标特征识别、目标成像识别、无源探测识别、激光雷达识别、毫米波识别、多传感器数据融合识别等等方法.寻找一种简便而实用的识别方法是研制新一代敌我识别系统所必需充分考虑的问题,雷达自动目标识别是当前研究之重点,多传感器系统数据融合技术是其有效途径.由用户直接识别未知目标(即直接分系统)和向用户提供有关目标信息(即间接分系统)两部分组成的敌我识别系统,是正在研制的新一代敌我识别系统.     

基于改进欧几里德算法的(n,1,m)卷积码识别

针对信息截获领域中(n,1,m)卷积码识别算法的应用范围受限和所需数据量大的问题,提出基于改进欧几里德算法的识别方法。该方法利用剩余定理改进经典欧几里德算法,使其可求n个多项式的最高公因式,识别(n,1,m)卷积码只要求码字多项式最高幂次大于记忆长度m,即截获的码序列长度大于其约束长度。Matlab仿真表明:在只需少量数据情况下,可识别所有(n,1,m)卷积码的生成多项式。     

基于有限域欧几里德算法的RS码识别

针对基于有限域傅里叶变换的RS码识别方法存在复杂度高、计算量大的不足,提出了基于有限域欧几里德算法的RS码识别方法。该方法利用有限域欧几里德算法计算RS码与其循环移位码字间的最大公约式,通过遍历码长时得到的最大公约式指数的最大值与平均值的最大差来识别码长,根据识别的码长所对应的最大公约式指数的最大值识别本原多项式,进而对最大公约式进行因式分解识别生成多项式。理论分析和仿真实验表明:本识别算法较现有方法减少了数十倍的计算量,在误码率为10-3的情况下,对RS码的识别概率高于90%。     

基于灰色关联方法的目标类型识别

决策体系中目标信息主要来源于雷达测量数据，利用灰色关联分析，能够简单迅速地判别目标类型。利用灰色关联度和灰色综合关联度分析，对目标进行类型识别，建立目标识别模型，并将所得结果互相校验，能有效地减小计算误差，提高目标识别的精确程度。     

集中插入式帧同步识别方法

在非协作方截获的数字序列帧同步码的识别问题研究中,由于帧的长度未知、帧同步码未知,给识别带来困难。为此,提出了利用小区域检测估计帧长,利用二次滤波估计帧起始位,然后用模糊匹配识别帧同步码型的识别方法,对巴克码或m 序列进行了集中插入式帧同步识别仿真。仿真结果表明:在误码率不大于4%的情况下,上述方法对集中式插入帧同步的数据帧有较高的帧同步识别率:巴克码为80%,m 序列为78%.     

基于信息位与校验位分离的RS码盲识别

针对现有的RS码盲识别算法抗误码性能不佳且无法识别信息位长度的问题,提出了一种基于信息位与校验位分离的RS码盲识别算法。该算法通过计算不同列数下分析矩阵的概率方差,利用概率方差的差异来识别等价码长和等价信息位长,并利用伽罗华域离散傅里叶变换完成符号数、本原多项式及生成多项式的识别,最后获得RS码真实码长与信息位长。仿真结果表明,提出的算法可以有效识别出本原RS码及缩短RS码的所有编码参数,抗误码性能较好。     

D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

基于AR模型和线性调频变换的一种高分辨率频谱特征提取方法

提出基于ＡＲ模型获取目标极点信息，利用该信息对线性调频变换进行初始参数的设置，雷达视频回波线性调频变换可获得高分辨率频谱特征，用这种方法对实地录取的地面目标视频回波数据进行处理提取高分辨率频谱特征，利用所构造可分性测度计算了该模式特征的可分性测度值，并与付里叶谱特征的可分性测度值比较，结果证明所提出的方法具有更好的可行性，是一种良好的高分辨率目标频谱特征提取方法。     

一种用于坦克目标识别的信息融合技术

该文基于对目标识别特点的认识，提出了Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ数据融合规则，集中讨论了时空信息融合的集中（或分配）递归算法。     

基于Origin的国防工程识别信息融合模型

采用DELPHI法,以专家对识别信息的融合值为基础,运用Origin技术进行数据与曲线的拟合分析,确立了国防工程识别信息融合的数学计算模型．按照一致性数据的融合方法,对该模型的具体运用进行深化．研究表明,在国防工程识别信息融合的研究领域中,该算法优于现有的多传感器一致性数据融合方法,且是一个开放的研究体系,容易推广与改进．     

基于瞬时频率提取的信号分选方法研究

雷达信号分选与识别是雷达对抗侦察信号处理的重要内容之一,也是进行雷达特征提取、识别以及威胁评估的前提和基础。充分利用雷达的各种信息参数是进行雷达信号分选识别时的关键。文中通过对常规信号与线性调频信号以及二相编码信号的分析,讨论了一种基于瞬时自相关的瞬时频率提取的方法,并用一匹配滤波器进行了信号的匹配。这种方法对信号的分选的精度有一定的提高。     

基于应变测量的弹体截面载荷识别

如何通过实弹试验中测量的导弹弹体应变数据获得弹体截面等效载荷是型号设计部门面临的研究课题。引入一种数值反演方法,利用导弹试验过程中实测弹体表面应变数据实现弹体截面总体载荷识别。为解决实际测量过程中可能出现的数据坏点对识别结果的干扰,提高载荷识别的可靠性,提出基于线性相关性理论的测量数据坏点剔除方法,设计验证试验,检验识别方法的精度和可靠性。试验结果表明：该识别方法简单易行,且具有很高的识别精度与工程应用价值。     

基于多传感器信息的人体下肢步态识别

为准确识别人体下肢步态运动,设计一种识别下肢步态摆动相和支撑相的方法.通过4个姿态传感器和足底压力鞋垫采集人体下肢角度信息和足底压力信息,将数据信息进行归一化、比例化处理后提取特征;利用模糊原理将传感器信息进行模糊化,将双腿步态划分为4种情况;利用MATLAB对下肢角度信息和足底压力信息采用不同核函数的支持向量机(support vector machine,SVM)进行识别;以同一人在不同步态速率下直线行走的步态和不同身高腿长的人在速率为0.6 m/s下的直线行走的步态进行实验.结果表明:该算法是有效、适用的,识别准确率均在90％以上.     

基于深度学习的光电系统智能目标识别

智能目标识别技术是光电系统多维立体侦察体系的重要支撑,是实现多角度、全方位目标定位、感知分析的基础。为满足复杂环境下光电系统中基于深度学习的目标识别需求,聚焦数据、算法和计算能力三大挑战,提出一种基于多源信息融合的智能化目标识别方法,对多个传感器融合得到的图像进行学习和训练,从而提高目标识别的能力。基于多维图像融合的目标识别技术,将多波段融合图像数据进行标注、训练学习,用来自动识别出图像中的多个目标。实验结果表明,所提算法能够实现对融合目标的精确识别与定位。