回归谱特征提取与识别效果分析

在战场目标噪声自回归参数统计特征分析的基础上,以战场四种车辆噪声为背景,在自回归谱上提取了１２ 个单项特征,并借助于直方图和模糊识别论域分布图,对它们的识别效果进行了分析。     

信息化战场下声信号目标识别技术

介绍了信息化战场中声信号的目标特点及应用领域,并对信息化战场中的声信号的目标识别关键步骤和国外发展现状做出了详细阐述, 指出了信息化战场下声信号的目标识别技术的发展趋势.     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数（DWTMFCC）提取方法,该方法将小波分析和Mel倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3．134个百分点,信噪比为5dB时．识别率仍达到93．67％。     

小波包分析与能量算子结合的声目标特征参数

为了解决强噪声下识别率低的问题,提出了一种新的战场声目标特征参数提取方法。该方法将小波包分析和Teager能量算子(TEO)相结合,采用小波包对带噪声信号进行分解,对分解系数计算Teager能量。实验结果表明:基于小波包分析和Teager能量算子的特征参数提取方法具有良好的抗噪性能,提高了噪声环境下的声目标识别的准确率。     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

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。     

一种鲁棒的战场声目标自适应时延估计算法

提出了一种可用于战场声目标定向的鲁棒自适应时延估计算法.该算法应用最优变步长自适应仿射投影技术和鲁棒M估计理论,无须事先假定信号和噪声的统计特性,自适应调整自身参数,抵御战场环境中的噪声干扰.野外坦克声数据实测表明,在无干扰环境下,算法性能与高阶统计量法、广义互相关法相当,但在武器噪声干扰下表现了更强的鲁棒性和估计精度;在各种条件下,文中算法都比最小均方自适应法表现出更好的性能.     

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。     

采用DSP和小波变换的战场声目标快速识别系统

根据战场典型目标声信号的特性，提出运用小波理论和FOBW编码对其进行特征提取，用数字信号处理(DSP)作为系统核心处理器件，辅以必要的外围电路，实现声目标快速识别的方法。将此系统应用于战场典型目标的快速识别，取得了满意的识别效果。     

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。     

沉浸式虚拟战场3 维音效仿真研究

为提高3维音效在虚拟战场仿真中的应用效果,增强系统的沉浸感和真实感,在对声音的静态、空间、同步和运动4种主要仿真属性进行分析的基础上,基于声音的虚拟重发技术,提出了虚拟战场3维音效仿真方案。仿真方案将战场声音划分为：方向性交互声音、碰撞性交互声音、近体声音、方向性背景声、无方向背景声5种类型,随后论述了声源素材采集方法和实现3维音效的技术手段,最后设计仿真实例进行分析验证。仿真结果表明：该方案实现的3维音效可有效提高虚拟战场的沉浸感和逼真度,减少大脑对视觉的依赖性,为此类虚拟现实系统的研发提供一定参考。     

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.     

数据融合在战场目标识别中的应用

采用异类传感器系统之间的集中式数据融合技术可以提高战场目标识别的准确度。首先,简要介绍数据融合技术的基本理论;然后,阐述数据融合在战场目标识别中的任务;最后,应用集中式数据融合技术进行战场目标识别仿真,检验其可行性。结果表明,该设计取得了良好的分类结果,将在军事领域得到更加广阔的应用。     

海上联合作战战场态势估计关键技术

为了得到客观和准确的海战场态势,从目标识别技术、海战场态势信息检验技术和预测技术3方面对海战场态势估计关键技术进行了探讨,并从完备性、准确性和时效性3方面对联合作战海战场态势信息的检验进行检验,并建立矢量型的时空数据模型和面向对象的时空数据模型对海战场态势进行预测,给出了具体方法。该研究可为海军通用联合作战海战场环境态势估计技术的研究提供参考。     

复杂战场对抗环境下空中目标抗干扰识别算法

针对复杂背景和红外诱饵对抗环境下红外成像攻坚破甲导弹空中目标识别的难题,提出融合强判别性特征的抗干扰识别算法,将区域生成、特征学习和分类识别融合至抗干扰算法中,形成从像素至区域,再到特征识别的逐级抽象的识别框架。首先通过模拟典型战场环境,生成大量不同对抗态势下的目标特性库,作为算法研究的基础;然后由像素相似性聚类形成候选区域,完成区域“粗粒度”定位;再将提取的各区域特征输入至特征选择模块,学习强判别性的特征;最后将选取的特征输入至改进的多分类支持向量机进行目标的分类识别,实现目标区的“细粒度”锁定。通过逐步细化的识别机制,识别复杂战场对抗环境下的空中目标。验证试验表明,算法在不同对抗态势下的弹道图像数据集中的平均识别正确率达到78.63%,可有效完成目标与干扰之间的区分,为工程应用中的算法研制提供支撑。     

水下物理目标声反射器研究

以"柱的方法"为基础,建立了有限长充气柱壳目标声反射器的数学模型.根据该模型,研究了在频率为500Hz～20kHz范围内,目标材料、柱壳厚度等因素对目标强度的影响.通过仿真研究,给出了水下被动目标声反射器设计的最佳参数,为水下被动目标声反射器的论证和设计提供了理论依据.     

主被动异构弹载雷达组网抑制假目标干扰方法

针对单部弹载雷达在欺骗式假目标干扰的情况下存在视角单一、信息量少、难以有效抗干扰的问题,提出主被动异构弹载雷达组网抑制假目标干扰方法。该方法考虑了弹载雷达位置误差,在航迹起始阶段利用角度信息对主动和被动雷达导引头的量测量进行两两关联鉴别,从而剔除部分假目标,并使用关联成功的主动弹载雷达量测信息辅助被动雷达进行航迹起始;在航迹关联阶段,主动与被动弹载雷达分别对目标进行跟踪滤波,通过序贯航迹关联算法再次鉴别剩余假目标。仿真结果表明,该方法能够在保证较高的真实目标鉴别概率条件下对距离欺骗式假目标干扰进行有效抑制。     

舰载机协同无源定位系统精度比较分析

针对舰载机协同对海上和空中目标进行无源定位,采用时差(TDOA)、测向、时差/频差等典型无源定位方法,对利用目标辐射源信号的舰载机协同无源定位系统进行建模仿真和精度分析.仿真结果表明:双机时差/频差定位、三机时差定位、双机测向交叉定位3种无源定位方法各有优劣.因此,明确电子侦察的作战目标以及方法,对分布在战场不同位置的舰载机实施合理分群,为建立多机协同无源定位系统提供理论支撑.     

垂直矢量阵声图被动定位技术研究

在近场条件下,应用垂直矢量阵声图被动定位技术,能有效地抑制海洋多途影响,测定目标距离。由于垂直声压阵的自身指向性问题,无法测定目标方位,故讨论了垂直矢量阵的声图被动定位方法,利用矢量阵的指向性优势来获得声图测量的精确被动定位结果。仿真对比分析了水平阵与垂直矢量阵在多途条件的声图测量效果,此外,给出了单双目标2种情况下的垂直阵声图测量结果。研究发现:垂直阵声图测量由于物理优势比水平阵具有更好的抗多途性能,采用矢量阵可以克服声压阵的指向性缺陷测定目标方位,因而在多途海洋环境中利用垂直矢量阵进行近场目标被动定位具有可行性。