基于模糊理论的雷达目标识别

本文旨在基于模糊集理论对雷达目标识别过程中的各种不确定信息进行客观的定量分析和有效处理，以提高识别系统的可靠性和智能度。文中给出了雷达问题描述，把模糊集之间贴近度的概念用于雷达识别，并利用最大择近原则的方法推出了每类雷达有多个模式下的识别算法。仿真结果表明了该方法的可行性。     

空间测量雷达目标分类与识别算法及其能力分析

对空间测量雷达目标分类与识别算法的结构及其工作过程作了介绍，并对该雷达的目标分类与识别能力进行了分析。     

基于舰载雷达小样本的低慢小目标识别方法

本文针对舰载雷达低、慢、小目标探测面临的小样本识别问题,提出一种基于小样本学习的低慢小目标分类识别方法。该方法将低慢小目标雷达回波数据转换到小波变换域,利用多头注意力机制和双向长短记忆人工神经网络相结合的方式,解决了小样本目标分类识别的问题。在低慢小目标雷达回波仿真数据集上,开展模型训练和算法验证,分析任务差异性与识别准确率的关系,实验结果表明该方法对典型低慢小目标识别精度可达90%以上,在雷达目标识别领域具有较好的应用价值。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值。因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法，该方法能够自动的确定网络的最优结构和联结权值，同时避免网络的局部优化。将该方法用于被动声呐晶目标的分类识别，实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题，具有更好的识别率。     

一种基于多频谱特征的舰艇识别方法

多频谱技术是红外探测中的一种重要方法。利用这种方法研究雷达信号的多频谱特征，讨论利用多频谱特征识别目标的方法，并利用神经网络的方法对这种识别技术进行验证，得到了很好的效果。     

基于RCS统计特征的船舶目标识别方法

雷达散射截面(RCS)是衡量船舶目标散射特性的重要参数,是雷达进行船舶目标分类识别最有效的电磁频谱特性。但船舶目标结构、形状复杂,电磁散射机理复杂,同时受雷达探测角度及所在海域电磁环境等因素的影响,船舶的RCS呈现明显的起伏变化特性。本文对不同工况下船舶RCS测量数据进行统计特征描述,并采用BP神经网络进行船舶识别。结果表明,该方法取得了较好的试验结果,可实现对若干工况下不同类型的船舶精准识别。     

多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别,着重研究了线谱特征提取方法,提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明,所设计的被动声纳目标识别系统具有很好的分类效果。     

一种自适应雷达辐射源目标识别方法

雷达辐射源测量信息具有不确定性变化的特点,严重影响目标识别性能。针对这一问题,提出一种雷达辐射源目标识别方法,利用多种动态变化的门限识别信号目标类型,并依据识别结果对相关类型识别参数进行自适应计算调整。仿真结果表明,该算法能适应信号测量参数的动态变化,具有较好的识别效果。     

基于支持向量机和辐射噪声的舰船目标识别

分类器的构造和特征量的提取是目标识别的两个基本问题。鉴于舰船辐射噪声反映了同种舰船的特征，以及以支持向量机为核心的统计学习理论具有具有较好地解决小样本、非线性问题的能力，提出了一种新的识别方法，首先利用子波变换和多分辨分解算法对舰船目标的辐射噪声进行分解，得到目标的线谱和调制谱特征，然后使用支持向量机构造分类器，进行目标识别。实验表明，这种方法是可行的，且有较好的识别精度和较强的泛化性能。     

基于径向基神经网络的侦察目标意图识别研究

针对无人机空中侦察目标意图识别的问题,提出一种基于径向基神经网络的目标意图识别模型。首先利用雷达收集空中目标相关参数;然后对收集到的数据进行处理并提取特征;最后利用知识库训练好的径向基神经网络对处理后的数据进行模式识别,得到空中目标的意图。案例分析表明,相对于BP神经网络和支持向量机的目标意图识别模型,基于径向基神经网络的空中目标意图识别模型具有更高的准确性。     

基于小波神经网络的船舶导航雷达航迹相关外推方法

采用小波神经网络实现船舶导航雷达跟踪的航迹相关外推,本算法采和神经网络的并行处理方式,结合小波分解理论中局部Lipschitz指数信息,实现雷达的高精度在线相关跟踪滤波,仿真结果表明,该算法的计算量不随目标运动模型复杂性增加而增加,并且具朋在线处理精度高、实时检测误跟踪准确等特点。     

基于调制线谱特征提取的被动声呐目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别，首先着重研究了调制线谱特征提取方法，然后为了训练神经网络目标分类器，本文将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法。最后，对海上实录的三类目标噪声进行了分类识别，实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。     

一种基于模糊推理和模糊判决的雷达目标识别算法

本文旨在基于模糊推理和模糊判决对雷达目标识别过程中的各种不确定信息进行客观的定量分析和有效处理,以提高识别系统的可靠性和智能度。文中给出了雷达问题描述,把模糊集之间贴近度的概念用于雷达识别,并利用最大择近原则的方法推出了每类雷达有多个模式下的识别算法。     

大数据技术在舰船导航模式识别中的应用

针对现有导航模式识别方法无法获得精确且完整的导航轨迹信息,致使识别准确率无法满足舰船的安全性需求,故提出大数据技术在舰船导航模式识别中的应用。将舰船雷达与AIS目标点迹表示为因素集合,并构造综合因素关联隶属度函数,通过双门限关联算法对舰船导航点迹关联性进行判定,应用大数据技术融合处理关联的雷达与AIS目标轨迹信息,以此为基础,通过附加动量法改进BP神经网络算法,将融合后导航轨迹信息输入至改进BP神经网络算法中,输出即为导航模式识别结果。实验数据显示,与应用文献[4]方法相比较,应用大数据技术的导航轨迹方差较小,为导航模式识别提供更精确的数据支撑。     

基于盲源分离的一维距离像特征提取算法磁

在日趋复杂的电磁环境下,雷达回波中存在着大量的噪声和干扰,一维高分辨距离像目标识别过程中,采用一般的特征提取算法不能提取有效的目标特征,影响着目标识别的效果。论文采用盲源分离的方法对复杂电磁环境下的雷达回波进行处理,提取目标回波,将强散射点回波信号视为不同的信号源进行盲源分离,实现了一维距离像上散射点位置特征的提取,并通过计算机仿真验证了该方法的有效性。     

舰船目标距离一维实时成像及其特征研究

雷达目标距离像的特性对目标识别有很大影响,对目标距离像特征的分析尤为重要.针对线性调频脉冲信号提出了舰船目标一维距离像实时成像算法,同时结合实测数据对舰船目标的距离像特性进行了分析,并讨论了距离像特征对雷达目标自动识别的影响,以及处理这些特性的常用方法,最后对包络对齐及幂次相关2种方法在雷达目标识别预处理中的应用进行了分析,从而为基于高分辨距离像的雷达目标识别工作打下了基础.     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。