一种基于模糊理论与D-S证据理论的红外小目标与诱饵识别算法

根据实际要解决的红外小目标与诱饵弹的识别问题,提出了一种基于模糊集理论与D-S证据理论相结合的方法,此方法把目标与诱饵的辐射特性及运动特性用D-S证据结合起来,构成目标与诱饵识别的模糊集合,最后根据目标置信度函数进行模糊综合判决进行目标的检测、识别.实验证明该算法能很好的把目标从诱饵中分离出来.     

战场电磁信号可视化分析系统研究

通过分析电磁信号获取蕴含在其中的战场信息是电子侦察的根本,日益复杂多变的战场电磁信号给信号分析与信息认知带来了困难.将可视化技术作为知识发现与理解的工具引入电磁信号分析中,阐述如何构建一个全面、直观、开放的电磁信号可视化分析系统,力图通过科学的描述与人机交互使分析人员快速、有效获取抽象的信息,提高获取信号特征及战场信息的准确性与可靠度.     

数据融合应用于通信信号调制样式识别

对通信信号的频域、时域特征进行了提取,介绍了利用决策树识别其调制样式的方法。针对决策树缺点,提出了基于模糊理论和D-S证据理论对不同参数的可信度进行融合的方法,并给出了利用数据融合算法进行调制样式识别的仿真结果。     

基于CNN-Transformer网络融合模型的电磁信号识别研究

随着当今通信技术水平的蓬勃发展,电磁空间环境也变得更加错综复杂,电磁空间中的信号种类也呈现多样性。面对电磁空间中的各种干扰,能够准确有效地分辨出电磁信号的种类也变得更加困难。针对该问题,提出了一种基于卷积神经网络与Transformer网络融合模型的电磁信号识别方法,通过对卷积网络结构以及模型参数设计生成面向电磁信号的网络模型结构,再将Transformer网络与提出的卷积神经网络融合,通过公开数据集RadioML 2016.10a进行电磁信号识别性能分析。实验结果表明,提出的新型网络模型在电磁信号上的识别性能相比现有流行的神经网络模型具有更好的识别性能,更加适用于对电磁信号识别的应用。     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

基于深度学习的大规模电磁信号识别

近年来,很多高质量的数据集支撑了深度学习在计算机视觉、语音和自然语言处理领域的快速发展.但在电磁信号识别领域仍缺乏高质量的数据集,为促进深度学习在电磁信号识别中的应用,本文基于广播式自动相关监视(ADS-B)建立了一个大规模的真实电磁信号数据集.首先设计了一个自动数据收集和标注系统,在开放和真实的场景中自动捕获ADS-...     

D-S证据理论在通信雷达一体化侦察系统对武器平台识别中的应用

在详细阐述Dempster-shafer证据理论的基础上，介绍了通信雷达一体化侦察系统中基于D-S证据理论的武器平台识别的信息融合算法，列举了具体的实例，实验结果验证了算法的有效性。     

战场电磁信号环境定量描述方法

对战场电磁信号环境进行定量描述,不仅是平时组织电子对抗侦察的重要依据,也是战时制定作战计划、指挥电子对抗作战的重要基础。首先讨论了战场电磁信号环境定量描述的必要性,对目前战场电磁信号环境定量描述的方法进行了分析比较,最后提出了一种定量的战场电磁信号环境层次描述方法。     

探讨一种新的雷达信号描述方式和识别技术

现代雷达信号体制越来越复杂,这使得现有的雷达信号特征描述方式很难有效地对其进行描述和分析。文章提出了一种雷达信号脉冲样本图的描述方法,利用这种描述方法可以很好地对复杂体制雷达信号特征进行描述和分析。文章还讨论了基于脉冲样本图的雷达信号处理识别方法,跟传统识别方法相比,该方法具有更快速、更可靠的特点。     

战场背景下声信号的目标识别技术

综述了声信号目标识别技术在军事中的应用,并就战场背景下声信号目标识别的一些技术问题进行了讨论,预测了它的发展趋势。     

基于稀疏深度神经网络的电磁信号调制识别

为在低复杂度约束条件下提升电磁信号调制识别的性能,提出了一种基于稀疏深度神经网络(Sparse Deep Neural Network, SDNN)的电磁信号调制识别方法。首先,通过提取电磁信号同相和正交两路数据绘制出信号的星座图,作为信号的浅层特征表达;然后,基于星座图中各信号点密度大小对星座图进行上色,增强星座图中信号特征;最后,通过SDNN对增强后的星座图进行识别分类。实验结果表明,SDNN模型选取合适的剪枝率后,能够有效降低模型存储规模和计算量,其中模型参数压缩了72%,浮点运算量压缩了45%,与原模型97%的综合识别率相比,稀疏化处理后模型的综合识别率为96.8%,在小幅度识别精度损失范围内大幅降低了模型复杂度。     

基于简单证据的目标多特征综合识别

针对目标多特征数据,提出了一种基于简单证据的综合识别算法。首先,利用模糊理论将接收的特征参数与知识库中的特征参数进行比较,匹配求出目标模糊隶属度;然后,根据模糊隶属度和特征参数可信度构造包含“未知”的简单证据;最后,用简单证据组合规则进行证据合成,求出识别结果。经过数字算例验证,该算法既能处理冲突证据又能减少证据合成时间。     

基于雷达及其信号信息数据库的被动辐射源识别技术

介绍了雷达及其信号参数数据库的设计思路,论述了该数据库设计思路的科学性和有效性。详细描述了基于雷达信号信息数据库的被动辐射源识别方法。讨论了被动辐射源识别程序进行被动辐射源信息接收、存储和识别的稳定性和效率。     

一种非组合的电磁目标快速识别算法

针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。     

集成语音信号与表面肌电信号的情感自动识别模型

为了提高情感识别的正确率,针对单一语音信号特征和表面肌电信号特征存在的局限性,提出了一种集成语音信号特征和表面肌电信号特征的情感自动识别模型.首先对语音信号和表面肌电信号进行预处理,并分别提取相关的语音信号和表面肌电信号特征,然后采用支持向量机对语音信号和表面肌电信号特征进行学习,分别建立相应的情感分类器,得到相应的识别结果,最后将识别结果分别输入到支持向量机确定两种特征的权重系数,从而得到最终的情感识别结果.两个标准语情感数据库的仿真结果表明,相对于其它情感识别模型,本文模型大幅提高了情感识别的正确率,人机交互情感识别系统提供了一种新的研究工具.     

基于小波变换的电磁泄漏信号检测方法

电磁泄漏信号检测已经有好多年的历史,尤其是在电磁兼容学科中,更为重要.然而,电磁信号的不平稳、瞬变、微弱等特点,一直困扰着传统的电磁信号频域检测技术.针对电磁信号频域的这些特点,本文提出了基于小波变换的一种电磁泄漏信号检测技术,并针对实际信号的特点选取了db3作为小波基函数,最后给出了实际检测的结果,以及分析和结论.实际结果表明,该方法可以有效地检测出电磁泄漏信号,为电磁环境检测的智能化作了一个准备.     

多传感器模糊D-S理论辐射源识别

研究了将D-S证据理论与模糊推理组合应用辐射源识别的方法,提出了基于模糊综合评估获取基本概率分配函数的方法;在此基础上研究了应用D-S证据理论进行多传感器信息融合,从而识别雷达辐射源的原理;仿真实验和对比实验表明本算法的有效性。     

基于回波信号插值重建的峰值判别技术

在脉冲式激光测距技术中,测量距离和目标反射特性变化等因素会引起微弱回波信号的峰值判别误差,造成激光飞行时间的测量误差,峰值判别误差是影响激光测距精度的主要因素之一.针对激光测距中微弱回波信号不规则引起的峰值判断精度低的难题,采用FPGA控制采样电路对回波信号进行高频采样,通过软件对采样数据进行插值重建,根据重建图形判断出回波信号的峰值点位置作为计数停止点,有效提高了回波信号峰值判别精度.实验证明:采用该项技术的激光测距机能够达到0.1 m测距精度.     

低信噪比信号检测识别技术

针对复杂背景环境中低信噪比信号难以检测识别的问题，本文叙述了几种最新的信号检测技术，并介绍了各种技术的算法及其特点，最后对其应用进行了简单的比较。