基于子波变换和神经网络的直升机目标识别技术

在分析直升机噪声特性的基础上，利用子波变换对直升机所辐射的噪声信号进行特征提取，并采取ＢＰ网络分类器，成功地识别了干扰背景中的直升机目标，实际数据处理的结果证明了该方法的有效性。     

双谱估计在直升机声信号特征提取中的应用

根据直升机信号在更多情况下表现为非高斯的随机过程,提出采用高阶统计量对直升机声信号进行建模与特征提取,导出基于三阶累积量的直升机声信号非高斯参数双谱模型,讨论了双频域内直升机声信号特征提取的方法,并结合实例给出说明,最后指出将高阶统计量分析方法用于直升机声目标识别具有十分有意义的应用前景。     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

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。     

对称相关用于直升机声信号特征提取

针对直升机声信号中混有与信号不相关的随机噪声,提出了一种将对称相关函数法和MUSIC算法相结合的直升机声目标特征提取新方法。采用MUSIC算法提取直升机声信号的对称相关函数的谐波频率,从而可以得到直升机声信号的谐波频率,将其作为目标特征。计算机仿真结果表明:与传统方法相比,该方法可以抑制噪声,突出谱峰位置,准确地体现直升机声信号的谐波特性。     

基于混沌理论的水下目标信号特征提取研究

利用混沌理论对水下目标特征提取进行了研究.通过计算Lyapunov指数,较好的实现了对水下目标信号的特征提取.为水下目标探测和识别提供了新的理论和方法.     

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。     

基于倒谱特征和小波包特征熵的直升机声目标识别

提出了一种将倒谱特征和小波包特征熵相结合的直升机声目标识别新算法，首先分析了直升机声信号的特点，计算了声信号的MFCC（MEL频率倒谱系数）、差分MFCC（差分MEL频率倒谱系数）和小波包分解后各个频带内的小波包特征熵组成的特征向量，并以此向量输入反向误差传播（Back Propagation，BP）神经网络进行训练，再用训练好的神经网络进行不同直升机型号的识别，最后给出了统计结果。结果表明：该算法对直升机机型的识别有较好的效果。     

谐波集(HS)检测算法在直升机目标声探测中的应用

利用单个被动声传感器的声信号进行直升机目标检测，介于直升机声信号的功率谱是由一系列强相关的谐波分量叠加于宽带随机分量组成，着重研究在频域中的谐波集(HS)检测并给出详细算法。通过大量实测信号的测试表明，该方法对于不同飞行状态和距离下的直升机均有较强的检测能力，而且可以进一步为直升机目标识别分类提取有效的特征量。     

基于多目标蚁群优化的单类支持向量机相似重复记录检测

为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。     

合成孔径雷达围像特征关键度分析与分类算法研究

针对合成孔径雷达( SAR)图像目标分类问题，从灰度和纹理特征分析出发，提出了一种SAR图像分类特征量的关键性度量指标。利用关键系数的概念定义了关键特征量、次关键特征量、非关键特征量和关键度。从灰度模型和纹理模型的特征统计量中选择关键度高的特征量，如灰度模型中的均值和方差、纹理模型中的角二阶矩、对比度、均匀性和相关性。针对SAR图像分类往往是多类别、多特征的情况，通过构造特征向量，定义向量距离，按照最小距离方法进行目标分类。为了提高计算速度和更好地描述特征量，引入了窗口方法。仿真和计算结果表明该方法行之有效。     

基于蚁群特征选择的相似重复记录分类检测

为实现相似重复记录的检测,提出一种基于蚁群算法特征选择的分类检测方法。将相似重复记录检测看成二分类问题,定义了字符串型、枚举型和日期型3种典型属性类型的相似特征和归一化算法,以两记录的相似特征向量作为分类器的输入进行检测;建立了以召回率、准确率和特征规模综合最优的特征选择多目标优化模型,并根据问题特点将多目标模型转化为单目标模型,应用蚁群算法设计了模型求解算法。最后,用欧氏距离分类法和支持向量机2种分类器验证了该方法的有效性。     

武器系统总体综合技术选择

阐述了武器系统总体综合技术的含义;论述了美国、前苏联不同的国情、军情,选择不同总体综合技术的途径,及总体綜合技术选择的依据和准则。最后提出了一些对总体综合技术的见解。     

舰船辐射噪声功率谱特征提取方法研究

基于分段最小二乘曲线拟合方法,提出了一种的提取舰船噪声信号功率谱中线谱特征的新方法,通过一种新的坐标变换,用最小二乘曲线拟合方法精确提取了连续谱特征,将连续谱特征和线谱特征组合得到了舰船噪声的功率谱特征。利用BP神经网络对海上实录的两类目标噪声进行了分类识别,实验证明了方法的有效性,识别率达到90%以上,分类效果很好。     

联合目标跟踪与分类技术的进展及存在问题

联合目标跟踪与分类(JTC)技术是信息融合领域新兴的一个研究方向。其基本思想是：通过在目标跟踪器和目标分类器之间进行双向信息交互,来同时有效地提高目标的跟踪精度和分类性能。介绍了JTC技术的基本原理。将现有JTC技术划分为两大类——基于质点运动模型的JTC技术和基于刚体运动模型的JTC技术,并作了对比分析。综合论述了JTC技术的发展。指出JTC技术目前存在的主要问题以及未来的研究方向。     

基于DSP的低分辨率红外目标特征提取及识别

针对末敏子弹试验样机在某试验靶场的高塔上扫描，所获得的低分辨率红外目标图像，介绍了目标特征提取及识别方法。研究指出目标波形携带了与目标密切相关的信息，利用参数方法对目标波形进行分析并选取某些参数作为目标特征向量，可对目标进行粗略分类和识别。在对目标波形进行特征分析的基础上，用抽驭的特征向量构造了目标模板。用以DSP为图像微处理器的试验样机进行现场试验表明：该方法对低分辨率红外目标的识别有好的效果。     

无人车目标识别主干网络技术特点对比分析

目标识别是无人车自动驾驶视觉感知模块的核心技术之一。当前,目标识别主要依靠主干网络提取特征, 进而对目标进行分类与回归。通常情况下,无人车嵌入式计算平台的计算与存储能力有限,为了降低主干网络的算 力与存储量,提升无人车的计算速度与效率,对目标分类任务的主干网络进行综合比较分析。围绕卷积核、感受野、 池化层、全连接层、激活函数等,以cifar10 和cifar100 为实验数据,从理论分析与数据实践层面,对主干网络算子 的选择与网络搭建进行分析对比,总结、归纳特征提取主干网络搭建的主要思路与做法。结果表明,该分析结论对 目标分类主干网络在嵌入式无人车系统中的应用具有一定的理论指导与参考价值。     

A Survey on Joint Target Tracking and Classification

The JTC technology deals with the problem of target tracking and target classification simultaneously within a unified framework. The fundamental idea of the JTC technology is that by taking advantage of the mutual exchange of useful information between the tracker and classifier, significant improvements in performance of both target tracking and target classification can be expected. The principle of JTC technology is introduced. The existing JTC technologies are broadly categorized into two classes, i. e., point-target-motion-model-based JTC and rigid-target-motion-based JTC, which are then compared in detail. The advance of the JTC technology is surveyed with comments on some related litera- tures. Finally, some opening topics of the JTC technology are discussed.     

基于Brushlet 和自适应脊波网络的SAR 图像分类

针对BP神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法。该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能。实验结果表明,该方法快速、准确,其性能优于传统方法。