基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

BP神经网络在雷达目标识别中的应用

针对雷达目标信号复杂多样的特点,提出了基于BP神经网络的雷达目标识别方法。BP神经网络具有学习功能,能够有效地提高雷达目标识别系统的效率。实验结果证明了该方法的有效性和实用性。     

响度控制在广播系统中的应用

同一音频节目或不同音频节目间响度差异过大,会给听众带来听觉的疲惫,严重影响节目的收听效果.因此我们需要在广播系统中进行响度控制.本文介绍了响度的基本概念,并分析了广播音频链路中,制作、播出等环节存在响度一致性问题的原因,在此基础上提出了在制作、播出和传输环节解决响度一致性问题的方案.     

雷达目标特性数据建库及其在雷达检验中的应用

就雷达目标特性数据库的建设提出方案构想，并对数据库在雷达检验、目标识别研究等方面的应用展开初步探讨。现代电子装备的设计、研制和发展对目标特性提出了广泛而深入的需求。在检验场建立雷达目标特性数据库，并将目标特性充分运用于雷达检验中，将发挥积极的作用。     

南方台播出响度控制技术的应用

随着现代电视技术的发展,电视图,像质量得到了很大提高,但对于音频质量而言,许多电视制作机构对其不够重视。从过往的国家级电视节目评奖中可以知道,在测评时就有相当一部分电视声音在动态电平与响度方面达不到要求而被减分的。     

响度与响度评定值在语音交互测试中的差别与应用

响度是人耳接收到声音信号后的一种感觉量,它并非一个物理量,与人类的听觉特征和主观感受直接相关,一般用单位宋(Sone)来度量.响度评定值不是直接由接收端收到的实际声音测试信号计算出响度,而是采用插入到中间参考语音通道和待测语音通道、与频率无关的传输损耗值来表示.     

响度技术在播出中的应用

在安徽电视台高清频道播出中,采用响度控制技术,使播出音量始终保持在某一适当的平均响度。本文介绍了响度控制的原理,响度控制系统的连接组成。     

一种用ERB谱计算Moore响度的算法

Moore响度算法在2005年成为美国国家标准(ANSI),但是ANSI中只给出以信号频谱参数作为输入来计算Moore响度的方法,对频谱的获得方法并未限定.针对现行的直接用FFT谱方法和Moore提出的用多次FFT合成谱方法来计算Moore响度的不足,提出了一种以ERB(等矩形带宽)尺度划分的频带谱来求解Moore响度...     

基于运动特征的分层模糊目标识别

提出了一种基于目标运动特征的空中目标实时分层模糊识别方法.对直升机、固定翼飞机、空地弹及巡航弹等空中目标的运动特性进行了分析,提取目标的高度、速度、加速度、高度变化率和加速度变化率等特征.进行分层目标识别,首先根据加速度、高度变化率和加速度变化率等特征识别出空地弹目标,然后根据高度、速度和加速度特征对目标类别的隶属度和模糊密度,实现直升机、固定翼飞机以及巡航弹目标的实时识别.实验结果表明,该方法计算简单,识别率高.在实际工程应用中取得了良好的效果.     

自动目标识别在图像末制导中的应用

实现图像末制导导弹发射后不管和远程精确打击,自动目标识别的工程化应用是关键技术。概述了国内外精确制导武器自动目标识别的发展历程、识别方法、技术水平和应用效果等现状,分析了基于目标特征和模板匹配的识别方法与应用场景,指出了两类经工程化验证有效的自动目标识别方法,梳理了任务规划、主要执行内容、规划质量对不同识别方法的影响等自动目标识别流程。为了适应未来精确制导武器智能化发展需求,深度学习识别技术工程化应用成为了新趋势,针对解决好深度学习算法效率与应用精度的平衡问题,重点分析了网络剪枝、权值量化、低秩近似和知识蒸馏等实时加速推理关键技术;针对网络模型训练,提出了有效解决训练样本不足或军事目标样本获取困难等问题的思路。随着多波段、多模复合制导技术的广泛应用,信息融合为目标识别的工程化应用提供了新技术途径。如何适应各种复杂场景和人工主动干扰是图像末制导面临的重大挑战,阐述了在干扰条件下目标识别鲁棒性,是自动目标识别技术在图像末制导应用中需要迫切解决的工程化问题。     

轮廓不变特征在待机飞行器识别中的应用

飞行器拍摄到的待机飞行器图像常出现旋转、尺度、仿射等畸变,同时噪声等影响会使目标轮廓部分缺失。针对这个问题,提出了一种轮廓不变特征,并将其应用于待机飞行器识别当中,以分割出来的物体灰度图像为基础,利用椭圆拟合方法进行方向归一化,提取全局轮廓特征;根据轮廓中的关键点位置将轮廓划分为上下左右4部分局部轮廓,提取局部轮廓特征,将其当作神经网络的输入参数,利用神经网络作为分类器,达到识别物体的目的。设计了两组目标识别对比实验。实验结果证明此方法在噪声污染、轮廓提取不完整的情况下,仍能得到较高的识别率,优于传统的矩特征等方法。     

两类特征在红外目标识别中的应用

针对目标红外图像类特征选择问题,文中提出将类特征分为类间特征与类内特征两种,分别用于目标识别时的粗判与细判,与传统的特征选择与目标识别均只在类间特征基础上相比,该方法能较好地应用于红外目标的识别。     

目标识别技术及其在现代战争中的应用

讨论目标识别在现代战争各个领域中的应用,总结目标识别技术的发展方向,提出目标识别技术工程化实现方法。     

一种弹道目标识别数据库构建方法

雷达目标识别数据库用于目标特性分析、识别算法验证,是实现智能目标识别系统的关键所在。本文从弹道目标识别数据特性出发,以典型弹道目标识别任务为牵引,从数据来源、特征信号、目标特征、分类判决进行逐级分析与设计,获得一种弹道目标识别数据库设计方法,支持实时特性数据读写操作、动态模型训练、批量数据查询等基础操作,并适用于群目标分辨、真假弹头识别等不同层面的识别任务,该数据库设计方法已在工程实践中应用,性能稳健,推广性强。     

向量相似度在雷达目标识别中的应用

在给出向量相似度的定义的基础上提出了一种新的雷达目标特征融合方法--向量相似度法.并给出了模板的概念,通过计算目标的各个特征向量与其特征模板的向量相似度,进而计算出了目标与其模板的综合可信度,最后由综合可信度得出识别结果.此识别方法充分利用了雷达目标各个特征的多次测量信息,能够有效地提高雷达目标的识别率,特别是在目标信息极为有限的情况下此方法优势更为明显,对空中目标识别具有重要意义.     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

遗传算法在雷达目标匹配识别中的应用

基于多散射中心理论建立待识别目标的散射中心模型，并用遗传算法进行最佳目标匹配的快速搜索。与一维距离像全姿态角匹配识别方法比较，具有计算量、存贮量较小的特点。仿真试验验证了算法的有效性。     

光照不变量特征提取新方法及其在目标识别中的应用

针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法MLNCST.新方法首先用NSCT将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行BayesShrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet模型下,MLNSCT比LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的Dual lenet能进一步提高地面目标识别准确率.     

模糊判决在目标识别中的应用

文中根据模糊数学理论，提出一种用于目标识别的方法，该方法同以往的目标识别方法相比，更简便，且更易实现。