导弹目标极化散射特性的试验研究

针对高分辨全极化雷达体制,在烈火导弹目标暗室实测数据的基础上获得目标的高分辨距离像,利用极化目标分解方法分析每个散射中心对应的极化散射矩阵,不仅验证了极化目标分解对提取目标极化特征的有效性;同时还证实了极化目标分解提取的极化特征能够辅助导弹要害点选择。     

一种基于小波变换的毫米波雷达目标识别方法

在分析毫米波雷达目标散射特性的基础上,提出一种基于小波变换的毫米波雷达目标识别方法。这种方法既保留了小波多分辨分析理论在分析高分辨雷达回波信号中的优点,又克服了小波变换没有时移不变性的缺点;同时对小波特征作了抗噪处理。目标识别对比实验获得了满意的结果,证实了这一方法的可行性。     

基于功率谱三值化的联合变换相关目标识别方法

为了提高目标识别的准确性和精确性,提出基于功率谱三值化的联合变换相关目标识别方法,从算法上对联合变换功率谱进行了修正,将联合变换功率谱进行了三值化(+1,0,-1)处理.与二进制联合变换相关器比较,三进制联合变换相关器大大提高了联合变换相关性能和分辨率,对输人目标敏感,能更好地鉴别目标.仿真实验结果证实了这种方法的可行性.较已有的相关识别方法在判断目标是否相同时更有效,提高了目标识别的准确性,算法也简洁快速.     

雷达导引头目标极化信息识别技术与发展

导引头目标识别已成为反舰导弹发展必须解决的瓶颈技术.近年来,雷达目标极化信息的获取和利用,越来越受到国内外学术界的重视,成为雷达新技术发展的一个重要方向.分析了利用极化信息进行目标识别的方法.探讨了基于极化信息的目标识别技术发展趋势.     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型．利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验证明了该混合模型的可行性。     

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。     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点,建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型,利用粗集对输入信息进行约简,剔除冗余信息,简化了生成规则和神经网络模型结构,提高了网络训练速度和运行速度,并通过仿真实验,证明了该混合模型的可行性.     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型，利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验，证明了该混合模型的可行性。     

基于Hopfield神经网络的面目标特征识别方法研究

提出了一种基于Hopfield神经网络的面目标特征识别方法。介绍了网络结构、学习算法,编制了相应的计算程序,用该程序对6种不同模拟目标的样本数据进行识别,均被正确识别。结果初步表明,利用Hopfield神经网络进行面目标特征识别是基本可行的。     

基于知识的飞机目标灰度图象部位识别方法研究

在分析大量成像引信目标图象的基础上，建立了飞机图象知识库，提出一种由上而下的知识驱动型图象识别算法；建立由粗到细分层推进的识别原则，利用图象关键点和灰度分布特征设立各部位的识别规则。实验证明，算法便捷有效。     

基于Gabor原子变换和支持向量机的毫米波雷达目标识别方法

为提高毫米波雷达目标识别能力,提出一种基于Gabor原子变换和支持向量机(SVM)的雷达目标识别方法。该方法充分利用了Gabor原子变换在信号表示方面的有效性以及SVM在分类方面的优越性,首先将雷达回波信号进行Gabor原子变换,获得信号的特征量,然后利用SVM网络进行分类识别。实验结果表明：该方法可行且具有较高的识别率。     

基于偏振成像的目标轮廓增强技术

为解决低对比度下目标轮廓信息不明显的问题,基于目标与背景在表面粗糙度等方面的差异导致反射的电磁辐射在偏振特性上有较大差别问题,采用偏振成像技术通过对目标与背景不同偏振辐射的探测,大大增强目标的轮廓.在强度成像系统中加入可旋转偏振片,通过获取阴影下目标在不同角度的偏振图像,利用斯托克斯参数计算出目标的偏振度图像,对阴影下目标及低对比度目标的偏振度图像进行处理.结果表明:目标的轮廓信息能得到明显增强,图像中目标边缘及纹理信息增强多,且阴影下目标轮廓清晰,有利于进行阴影下及低对比度目标的识别.     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于潜艇分布式建模的目标识别方法

为了使鱼雷更好地识别潜艇结构,从而有效区分潜艇和声诱饵,提出了一种基于分布式目标建模的潜艇目标识别方法。该方法在分布式目标建模理论的基础上,建立了潜艇分布式目标模型,并把分布式信号参数估计（DSPE）方法应用到潜艇分布式模型方位估计中,同时利用平面阵进行了计算机仿真,得到了潜艇回波的3D方位谱。仿真结果表明,该方法能很好的对潜艇结构进行识别,有助于鱼雷实施正确的攻击。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

一种基于单片机的声目标识别系统设计

在现有声探测技术的基础上，设计了基于PIC单片机的声目标识别系统，结合对直升机，坦克的目标识别，确定了系统的参数，最后对系统进行实验验证，证明了系统的实用性。     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

非合作式目标识别技术概述

非合作式目标识别包括雷达、电子支援措施及光传感器的目标识别技术.雷达目标识别含利用跟踪信息、极化信息及通过JEM、距离像和ISAR进行识别.电子支援措施目标识别包括利用基本电波参数、脉冲波形特征和通过对己方电子支援措施电波的接收分析进行识别.光传感器目标识别则是在取得目标的反射特性和辐射特性(光谱)后提取其特征进行识别.     

基于磁梯度张量SVD 的磁性目标识别方法

针对磁梯度张量单个分量对斜磁化多目标识别能力不足,受载体姿态影响较大的问题,提出基于磁梯度 张量奇异值分解(singular value decomposition,SVD)的磁性目标识别方法。通过磁梯度张量矩阵的奇异值分解,提 取奇异值的最大值作为磁性目标识别特征量,增强了对斜磁化多目标的识别能力,证明了磁梯度张量奇异值的张量 不变量特性,克服了载体姿态变化对磁梯度张量识别的影响。仿真和实测结果表明,该识别方法能有效区分和识别 斜磁化的多目标。