共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
传统的船载远程电子通信设备异常信号识别方法存在着识别性能差的缺陷,为此提出船载远程电子通信设备异常信号识别方法研究。利用比较判别法对采集的船载远程电子通信设备信号进行判别,对异常信号特征进行提取并组成异常信号特征集合,以异常信号特征集合为依据采用异常信号识别算法对异常信号进行识别,实现了船载远程电子通信设备异常信号的识别。通过实验得到,提出的船载远程电子通信设备异常信号识别方法识别正确率比传统方法高出24%,说明提出的船载远程电子通信设备异常信号识别方法具备更好的识别性能。 相似文献
3.
4.
基于LOFAR谱和DEMON谱特征的舰船辐射噪声研究 总被引:1,自引:0,他引:1
目标识别的核心问题就是目标特征提取.文章用LOFA和DEMON的方法对舰船辐射噪声的谱和频率特性进行分析,给出了方法和结果的简要介绍,并对仿真信号和实船信号分别进行研究,得到了一些具有工程实际意义的计算结果,为舰船的检测识别提供了有效的参考. 相似文献
5.
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。 相似文献
6.
通信对抗干扰目标选择和任务分配是通信对抗作战效能评估的重要内容.在深入研究通信对抗战术战法的基础上,建立通信对抗目标选择和任务分配评估指标体系,并通过算法模型对其进行量化分析和评估; 提出干扰压制强度F 的概念,并建立在各种电波传播方式下F的简化模型,使得对干扰任务分配的评估分析更加科学合理. 相似文献
7.
动态频谱通信的出现将给电子侦察提出许多新的挑战。动态频谱信号的"多变性"使得传统信号特征检测技术需要更多的认知与重构能力。信号时间周期特征以及地理位置特征将成为识别动态频谱信号的两大要素。文章试图使用先进的商用电子监测设备作为构造军用电子侦察的一个重要选项。 相似文献
8.
论文主要介绍了声自导鱼雷尺度靶供靶的原理,并创建了为声自导鱼雷供靶的模型,利用M atlab对供靶的过程进行了仿真,对仿真结果进行了分析,并将鱼雷非尺度声靶模型仿真结果和尺度声靶供靶仿真的鱼雷回波信号进行对比,得出鱼雷尺度声靶模拟鱼雷声目标的逼真度和准确性,其回波信号能更为真实地反映潜艇等声目标对声自导鱼雷寻的信号的反射特性,从而加强靶标对抗鱼雷识别的能力,更好地保障高技术信息化条件下的鱼雷武器的靶场试验。 相似文献
9.
以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。 相似文献
10.
11.
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。 相似文献
12.
13.
14.
水中目标散射声信号中蕴含了目标外形、结构、材质等物理属性信息,如何表征和提取这些属性信息一直是水中目标散射声信号分类与识别研究关注的焦点之一。为此,文章提出并研究了与水中目标属性信息相关联的散射声信号包络起伏特征,分析了该特征与目标外形、结构等物理属性间的内在关联及其形成机理,建立了相应的特征表征模型,并开展了理论仿真分析和模型实验验证研究。研究结果表明:体目标回波的脉冲包络起伏极值频率随入射声波的载频增加而增加,这体现了体目标的属性;Bench Mark模型的回波脉冲包络起伏频率与目标方位角密切相关,其中艏艉方向最大,正横方位最小。 相似文献
15.
16.
17.
《船舶与海洋工程学报》2019,(3)
Elastic acoustic scattering is important for buried target detection and identification. For elastic spherical objects, studies have shown that a series of narrowband energetic arrivals follow the first specular one. However, in practice, the elastic echo is rather weak because of the acoustic absorption, propagation loss, and reverberation, which makes it difficult to extract elastic scattering features, especially for buried targets. To remove the interference and enhance the elastic scattering, the de-chirping method was adopted here to address the target scattering echo when a linear frequency modulation(LFM) signal is transmitted. The parameters of the incident signal were known. With the de-chirping operation, a target echo was transformed into a cluster of narrowband signals, and the elastic components could be extracted with a band-pass filter and then recovered by remodulation.The simulation results indicate the feasibility of the elastic scattering extraction and recovery. The experimental result demonstrates that the interference was removed and the elastic scattering was visibly enhanced after de-chirping, which facilitates the subsequent resonance feature extraction for target classification and recognition. 相似文献
18.
TIAN Jie XUE Shan-hua HUANG Hai-ning ZHANG Chun-hua 《船舶与海洋工程学报》2007,6(1):36-40
A Support Vector Machine is used as a classifier to the automatic detection and recognition of underwater still objects. Discrimination between the objects can be transferred into different projection spaces by the process of multi-field feature extraction. The multi-field feature vector includes time-domain, spectral, time-frequency distribution and bi-spectral features. Underwater target recognition can be considered as a problem of small sample recognition. SVM algorithm is appropriate to this kind of problems because of its outstanding generalizability. The SVM is contrasted with a Gaussian classifier and a k-nearest classifier in some experiments using real data of lake or sea trial. The experimental results indicate that SVM is better than the others two. 相似文献