基于频率和形状特征的脉冲重复间隔调制识别

根据雷达信号脉冲序列的特点，从雷达脉冲信号中提取频率特征和形状特征，构成二维特征向量，并用支持向量机设计多类别分类器，实现雷达信号PRI调制信号的自动识别．实验结果表明，对特征向量进行大幅度降维（从64维降到2维）后，既简化了分类器，又保持或提高了识别率和抗噪声性能．与原特征向量相比，对无噪样本的误识率从0．15％～0．25％降低到0．00％，对有噪样本的误识率从0．40％～1．30％降低到0．15％～0．93％．     

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

Radar Emitter Signal Recognition Based on Complexity Features

Intra-pulse characteristics of different radar emitter signals reflect on signal waveform by way of changing frequency, phase and amplitude. A novel approach was proposed to extract complexity features of radar emitter signals in a wide range of signal-to-noise ratio ( SNR), and radial basis probability neural network (RBPNN) was used to recognize different radar emitter signals. Complexity features, including Lempel-Ziv complexity (LZC) and correlation dimension (CD), can measure the complexity and irregularity of signals, which mirrors the intra-pulse modulation laws of radar emitter signals. In an experiment, LZC and CD features of 10 typical radar emitter signals were extracted and RBPNN was applied to identify the 10 radar emitter signals. Simulation results show that the proposed approach is effective and has good application values because average accurate recognition rate is high when SNR varies in a wide range.     

支持向量机在雷达辐射源信号识别中的应用

为了提高电子对抗设备的信号识别能力，采用相像系数法提取雷达辐射源信号特征，并引入支持向量机完成信号自动分类识别．相像系数法在大信噪比范围内稳定性好、分辨能力强．支持向量机分类器结构简单、可获得全局最优、泛化能力强．实验结果表明，基于相像系数和支持向量机的辐射源信号识别方法在大信噪比（5～20dB）范围内，错误识别率最低可达2．68％，优于传统识别方法．     

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法．首先利用改进的瞬时自相关算法提取信号的瞬时频率特征．在此基础上，对所获得的瞬时频率进行级联归一化处理，提取分类特征向量．最后，采用层次决策方法实现自动分类．仿真结果表明，该方法提取的特征向量具有较好的类间分离性，整体信号分类方案在信噪比不低于6dB时，可获得90％以上的分类准确率．     

一种雷达辐射源信号分选新方法

提出一种基于小波与神经网络联合分析的雷达辐射源信号分选新方法.该方法首先对接收到的雷达信号进行小波去噪,达到提高信噪比的目的,然后利用小波脊线法准确提取其脉内特征参数,最后基于神经网络实现信号的分选.计算机仿真结果表明,较现有方法,该方法在较低的信噪比情况下,可以更准确地实现雷达辐射源信号的分选.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于STBC的混沌MIMO雷达的信号处理研究

针对MIMO（multiple input multipleoutput）雷达正交信号设计的困难,提出了一种超宽带调制的混沌二相码,并结合STBC（space-time block coding）技术,能够达到发射信号的完全正交和最大空间分集．方法简单易行,具有较好的保密特性．仿真实验给出2×2系统下,信噪比为20dB时的回波信号波形,发现该方法较好地实现对复杂目标的识别．同时推导了该模型在奈曼皮尔逊准则下的目标检测概率,相对于窄带系统,检测概率显著提高．     

基于点模式的雷达与电子海图信息匹配定位

为了实现雷达定位自动化,减轻航海人员的定位劳动,提高航行的安全性,采用点模式匹配方法,进行了电子海图和雷达信息匹配定位研究.论述了点模式匹配原理,雷达回波图像特征点集和电子海图图象特征点集的建立方法,特征点集匹配集的确定和平差求最或然船位的方法.通过示例验证了研究的可行性及在各种定位条件下的定位准确性.     

基于小波变换的船用雷达海杂波小目标检测

强海浪中小目标回波的检测一直是船用雷达目标识别的难点,但现有的统计方法难以准确和全面地描述复杂的海杂波特性.要突破这一局限性,以获得对复杂现象更有效的描述,就迫切要求使用新技术.文中利用小波理论,针对强海浪下点目标和低矮宽大目标二类以往难以检测的目标,通过区分噪声、点目标、低矮宽大目标在小波变换下不同的奇异特征、设计了一套能够识别出点目标和低矮宽大目标的方案.     

Efficient iris recognition via ICA feature and SVM classifier

With the increasing demands of security in ournet worked society,the technology for personalidentification works as the main solution to safe-guard people s properties.Biometrics is an alterna-tive to solve the problemand has the advantage thatthey cannot be stolen or forgotten like pass words.Because personal identification numbers or identifi-cation tokens(such as s mart cards)cannot provide ahighlevel of security which can be copied,inspec-ted and/or stolen.They only showthe knowledgeof som…     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析（PCA）为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明：2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。     

具有亚像素精度的冗余特征机器人视觉伺服控制

为克服机器人视觉伺服系统对位姿估算及标定精度的依赖性,结合前期特征识别和后期视觉伺服控制,提出基于冗余特征的机器人视觉伺服控制方法.首先,针对图像处理计算密集的问题,从加快特征提取运算速度考虑,研究了矢量数据的递归贪婪压缩算法;其次,从提高图像空间测量精度考虑,研究了基于向量正交性的亚像素特征提取方法,并结合合作目标形状,给出基于多边形形状拟合的目标识别实验性准则;最后,基于图像视觉伺服理论和任务函数方法,直接以具有亚像素级的冗余图像特征作为反馈信息,建立了机器人视觉伺服控制模型,并进行了视觉伺服验证试验.理论分析和实验结果表明,本文提出的视觉伺服控制方法能够在复杂的环境下快速稳定地提取伺服特征,并对标定误差和深度估计误差具有一定的鲁棒性.      

基于图像融合和DCT域增强的人脸识别

提出了一种基于图像融合和DCT域增强的人脸识别方法.首先对人脸图像分别进行直方图均衡化和对指数变换,将二者变换结果融合,减少光照对人脸识别的影响;然后进行DCI变换,在滤除高频分量的同时进行图像增强,抑制块效应,在此基础上进行IDCT图像重建,利用二维主成分分析提取人脸特征,降低空间维数;最后通过最邻近分类法实现人脸识别.Yale人脸库仿真实验表明,该方法在光照变化较大和人脸样本较少的情况下具有较高的识别率.     

����������д�ı��IJ���ʶ���о�

联机连续文本识别是字符识别技术领域中新的研究方向.基于分层构筑法(Level-Building, LB)和动态时间规整算法(Dynamic Time Warping, DTW)建立了面向连续手写文本识别的手写部件识别器。将部件看作笔段和连续文本的中间模式，根据手写文本的特点建立了由484个手写部件构成的部件集.提取笔段的长度、角度等特征用于LB中每一层的DTW网格匹配中.测试样本包括6763个汉字和303个连续手写文本.实验结果表明手写体部件集能够有效地支撑笔段和连续文本之间的联系，串识别率达到86.47%。     

二维激光雷达数据角点特征的提取

为增强无人车识别行驶环境中角点特征的鲁棒性, 并提高角点特征的识别速度, 基于观测点的二变量正态概率密度映射之间的相对差值, 提出了一种角点特征提取方法; 将观测数据组映射到二变量正态概率密度空间, 获得每个观测点的映射; 对映射结果进行归一化, 消除协方差引起的数值差异; 在映射数值曲线中寻找波峰与波谷的位置, 波峰对应的观测点最接近均值点, 波谷对应的观测点最接近拐点; 利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求; 用波谷对应的原始观测数据点坐标作为角点特征, 构建环境特征地图。试验结果表明: 提取方法能够处理观测点数大于63, 观测点角度分辨率大于1°的稀疏观测数据, 在大尺寸室外环境和室内环境中, 提取方法都能够稳定识别大型角点; 对小于180个点的观测数据, 最大处理时间小于5ms, 平均处理时间小于1.9ms, 提取方法减少了构建环境特征地图的时间; 提取方法依据观测数据的二变量正态概率密度提取角点特征, 对观测误差和角点特征的尺度与形状不敏感, 能够有效提高角点特征的识别鲁棒性。      

基于瞬变电磁雷达的检测技术及其在隧道衬砌中的应用

基于自主研发的瞬变电磁雷达技术对铁路隧道衬砌质量进行检测,结合双极性叠加法与小波去噪法对采集信号作去噪处理,利用欠阻尼探测天线,得到隧道衬砌各部位缺陷特征;结合地质雷达（GPR）检测和现场钻孔数据,通过典型图像分析,对比瞬变电磁雷达在探测深度、图像分辨率方面与地质雷达的差异,总结其相对于普通衬砌检测雷达所具有的优势。综合分析表明,瞬变电磁雷达应用于衬砌检测具有如下特性：（1）探测深度较大,穿透性较强;（2）图像分辨率较高,电磁波反射具有体积效应,成像直观清晰;（3）操作更便捷,雷达主机与采集终端为无线数据传输且设备轻便,可单人操作,数据可现场处理,从而可快速实时查看隧道衬砌缺陷,并标定衬砌缺陷部位便于后续处理。     

Chaff cloud jamming suppression based on wavelet transform

Radar target signals and chaff cloud jamming signals have different characters by the wavelet transform. The wavelet coefficients of radar target signals are highly correlated with its near-and-near-scale wavelet coefficients, however the correlativity between the wavelet coefficients of chaff cloud jamming signals and its near-and-near scale wavelet coefficients is less significant. Based on the binary-base discrete wavelet transform and the correlation algorithm, the method of target entropy to estimate standard variance of the jamming signals and each scale is proposed to ensure reasonable threshold, to suppress chaff cloud signals and finally to reconstruct mixed signals by the improved spatially selective noise filtration (ISSNF) method. The extensive simulation results show that the proposed method can availably suppress chaff cloud jamming and decontaminate target echo.     

Wavelet moment invariants extraction of underwater laser vision image

Wavelet moment invariants are constructed for object recognition based on the global feature and local feature of target, which are brought for the simple background of the underwater objects, complex structure, similar form etc. These invariant features realize the multi-dimension feature extraction of local topology and invariant transform. Considering translation and scale invariant characteristics were ignored by conventional wavelet moments, some improvements were done in this paper. The cubic B-spline wavelets which are optimally localized in space-frequency and close to the forms of Li＇s （or Zernike＇s） polynomial moments were applied for calculating the wavelet moments. To testify superiority of the wavelet moments mentioned in this paper, generalized regression neural network （GRNN） was used to calculate the recognition rates based on wavelet invariant moments and conventional invariant moments respectively. Wavelet moments obtained 100% recognition rate for every object and the conventional moments obtained less classification rate. The result shows that wavelet moment has the ability to identify many types of objects and is suitable for laser image recognition.