基于改进RBFN的信号调制识别方法

应用高阶统计量和RBF神经网络原理,针对数字调制通信信号提出了一种基于统计模式识别理论的信号调制类型识别新方法。采用信号四阶和六阶统计量提取信号特征,使用新设计的误差函数训练RBF神经网络,使得识别的效率和正确度得到了明显的改善。计算机仿真结果证明了此方法的可行性。     

一种新的雷达辐射源识别方法

提出一种用于雷达辐射源识别的新方法。根据小波包特征（WPT）和脉冲重复间隔（PRI）的特点,将八维WPT中的第六、七个分量（Wpt6、Wpt7）以及PRI的均值和方差（mpRI、σ^2PRI）四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络（RBPNN）分类器。通过计算机仿真验证了新方法的可行性,与常规方法相比,不仅提高了识别准确率,识别速度也有所提高。     

一种基于分级神经网络的车牌字符识别新方法

为了进行车牌字符的有效识别,提出了一种分级径向基函数神经网络的车牌识别算法,识别网络由两级构成,一级径向基神经网络用于汉字、字母、混合和数字的粗分类;二级子网用于对字母网络、混合网络和数字网络内部易混字符再进行精确识别。实验结果表明,提出的方法有效地提高了识别的精度,而且平均运行时间减少。     

基于时频分析和RBF神经网络的调制识别

提出了利用Wigner-Ville分布区分FSK、PSK、FM和BSS信号的自动调制样式识别方法，利用Wigner-Ville分布提取调制信号的瞬时频率特征，用径向基(RBF)神经网络根据提取的特征参数识别这四种信号，计算机仿真结果证实了该方法的有效性和正确性。     

基于茶叶红外光谱的特征识别方法

通过对识别理论的研究分析,建立了特征基理论,选择合适样品建立的光谱特征基,能反映样品的综合特征信息,从而对多组分物质进行识别研究;以茶叶样品为分析对象,进行了特征基理论的应用研究,实现了对重度发酵茶和普洱熟茶的识别;以普洱熟茶识别为例,通过比较特征提取前后茶叶的识别效果,分析了光谱分辨率问题,结果显示:特征提取后茶叶类内平均距离减小为原来的2×10-3倍,类间相对平均距离增大为原来的4~66倍,类间最小最大距离比值增大为原来的34~156倍,所以类内聚集度增大,类间分散度增大,即特征基理论使光谱分辨率大幅度提高.     

基于RBF的纸币序列号识别方法

序列号识别是金融安全领域的一个重要步骤.针对纸币序列号的字符特点,提出了一种基于径向基函数神经网络模型(RBF)的光学字符识别方法.使用工业相机,采集得到纸币图像,并进行必要的预处理,得到序列号区域的二值图像.再根据连通区域信息对单个字符进行分割并归一化,然后提取字符的二维空间分布信息作为特征向量,并结合径向基函数神经网络进行字符识别.实验证明,该神经网络仅两层隐藏层,结构简单,在小样本集下可达到95%的识别率,并且训练时间在100ms量级,能够很好地满足纸币序列号识别功能的要求.     

基于有限状态径向基函数网络的汉语语音识别研究

本文提出了有限状态径向基函数网络结构，它可用Ｋ－均值聚类算法和最小二乘算法分层独立训练，训练速度快。通过汉语语音识别实验，研究了ＦＳＲＢＦ网及子网的特性。结果表明，ＦＳＲＢＦ结构很适于处理时序信息，易于推广到其他识别单元的系统中。     

一种基于卷积神经网络特征表征的语音情感识别方法

为提高智能语音情感识别系统的准确性，提出了一种基于卷积神经网络CNN(Convolution Neural Network)特征表征的语音情感识别模型，该卷积模型以 Lenet-5模型为基础，增加了一层卷积层和池化层，并将二维卷积核改为一维卷积核，将一维特征预处理后，输送进该模型中，对特征变换表征。最后利用SoftMax分类器实现情感分类，CASIA与 EMO-DB开数据库上的识别结果显示:与Lenet-5网络相比，所设计网络模型的准确率分别提升了1.3％与2％，与SoftMax分类器相比，准确率分别提升了3.8％与6.1％，仿真结果验证了网络模型的有效性。     

自动识别数字调制方式的一种方法

提出了一种对经符号成形的数字通信信号进行调制方式自动识别的方案,该方案将数字已调信号的瞬时特征与功率谱特性相结合,设计了一组对信号信噪比不敏感的特征参数。通过提取经升余弦滤波成形的2FSK等六种常用的数字调制信号的5个特征参数,分别采用决策树和神经网络分类器进行调制方式自动识别。仿真表明,当信噪比为11dB时,采用决策树分类器对除2ASK外的5种信号的识别率在95%以上,神经网络分类器此时对所有信号的识别率达到了98%以上,证明了该方案的有效性和可行性。     

基于改进RBF神经网络的数字调制识别

针对数字调制信号自动识别中分类器的设计,通过将决策树的方法应用到RBF中心的确定中,解决了常用算法计算量大、收敛速度慢的问题,提高了网络的学习精度和训练速度,将其应用到常用的7种数字调制信号(2ASK,4ASK,BPSK,QPSK,2FSK,4FSK,16QAM)的自动识别中,取得了好的结果。经仿真表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点,适于工程应用。     

一种基于奇异值特征的神经网络人脸识别新途径

本文在Z Hong等人使用的奇异值分解(SVD)基础上,将人脸图像矩阵的奇异值作为识别特征,解决了奇异值处理、神经网络训练策略和竞争选择问题;运用BP网络进行识别,提出了一种基于奇异值特征的神经网络人脸识别新方法.基于ORL人脸数据库的多次反复实验结果表明,在大样本情况下,识别方法具有实现简单、识别速度快、识别率高的特点,为人脸的实时识别提供了一种新途径.     

一种新的雷达目标HRRP识别方法

针对雷达目标回波的非平稳特性,推导了S变换及其快速实现算法,利用电磁场时域有限差分算法仿真了3种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的矩特征作为目标特征矢量,利用改进径向基函数神经网络对特征矢量进行训练和学习,最后对3种飞机作了分类识别,取得了很好的识别效果。     

基于灰度图特征的低分辨雷达目标识别

低分辨雷达目标识别一直是目标识别领域的研究难点.由于我国现役雷达基本上都是低分辨雷达,开展低分辨雷达目标识别研究有着极为现实的意义和迫切的需求.文中基于现役低分辨雷达,研究了目标识别的关键技术,提出了基于灰度图的特征提取方法,并采用径向基函数神经网络对所提取的特征进行了识别实验,达到了较高的识别率.     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

无线电信号识别方法的研究

文章提出了小波分析与神经网络相结合的方法自动识别无线电信号的调制类型.文中分别用常规的方法和小波的方法提取信号的特征参数，送入RBF（Radial Basis Function）网络，按照样本距离最小的原则进行聚类，利用RBF网络的快速收敛性和较好的自适应性，实现对无线电信号的识别.仿真结果表明，采用小波与神经网络相结合的分类方法，能获得满意的识别率。     

特征提取及其在数字调制方式识别中的应用

通信信号调制识别技术在军事和民用领域都具有重要的应用前景,而特征参数的提取是调制方式识别的首要问题。本文提出了两个新的特征参数,并结合这两个新的特征参数在统计模式识别的基础上构造了一组新的特征集参数,该特征集无需任何先验知识。随后,本文针对2PSK、QPSK、8PSK、16QAM、2FSK、4FSK、8FSK、2ASK、4ASK等9种调制类型,采用了分层结构的神经网络分类器进行自动识别。大量仿真表明,在待识别的信号信噪比大于5dB时,该识别系统的正确识别率达97%以上,且识别的稳定性好。     

基于突变理论的网络异常行为分析方法

给出了把异常数据流从网络数据流中按区间分离出来的方法,基于分离出来的每个时间序列异常数据流集，给出了网络异常行为突变模型设计、参数估计和检验等方法。为了推断未来网络异常行为出现情况。给出基于RBF网络的模型外推方法。根据外推得到的突变模型,可以方便地计算有关网络异常行为的各种参数和评估指标。     

一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法

 提出一种基于类haar特征和改进AdaBoost分类器的车辆图像识别算法,以解决当前基于SVM分类器或级联分类器存在的分类识别性能不足以及传统基于AdaBoost算法的训练所需时间过长的问题.首先,基于积分图提取图像的扩展类haar特征,然后对所提取的海量类haar特征应用改进的AdaBoost分类器训练方法进行特征选择及分类器训练,最后利用所选择的特征信息及训练得到的分类器进行两类分类识别.实验结果表明,文中方法无论是在识别性能还是训练所需时间方面均明显优于传统方法,具有较好的应用前景.