共查询到17条相似文献,搜索用时 46 毫秒
1.
2.
文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。 相似文献
3.
4.
水下目标识别技术的研究 总被引:11,自引:1,他引:10
本文分析了水下目标识别技术的研究现状,阐述了水下目标识别技术的基本原理,为了提高水下目标识别的正确率,给出了三种新的研究方法,最后提出了水下目标识别面临的主要困难与亟待解决的问题。 相似文献
5.
基于神经网络的主动声纳目标分类器 总被引:1,自引:0,他引:1
人工神经网络是当前模式识别领域非常活跃的工具之一,本文在传统BP算法的基础上,引进了误差范围BP-ER算法,利用各种统计方法所建立的主动声纳目标信号的模式表示,提出二上网络结构对信号进行训练分类,比传统的分类器,性能有明显的提高。在6dB的信噪比情形下,对实际海上回声信号进行分类,取得了令人满意的正确分类率。 相似文献
6.
7.
文章给出了海洋水文要素与声速的关系,在分析了相关海域的水文条件基础上,基于声线理论和声纳方程,建立了被动声纳对水下目标探测的数学模型。针对不同的声速剖面,进行了仿真实验,并对结果进行了详细的研究。 相似文献
8.
9.
声纳浮标网络可用于对潜艇等水下目标进行定位。针对声纳浮标节点的特性,提出一种新的时间加权质心算法。新的时间加权质心算法将各个节点探测的信号强度反映到节点发送探测信息的等待时间中,利用等待时间的长短对各节点位置进行加权,因此权重体现了各节点到目标的距离,提高了目标定位精度,而通信量与一般质心算法相同。仿真结果验证了算法的有效性。 相似文献
10.
11.
基于高阶谱的水下目标识别 总被引:1,自引:0,他引:1
利用高阶谱估值法,对具有很强非高斯性和非线性的舰船辐射噪声信号进行分析及特征提取,并通过结构自适应神经网络作为分类实验,表明基于高阶谱的特征提取具有较强的类别可分性,在无源声纳目标识别中特具潜力。 相似文献
12.
13.
多传感器综合目标识别技术研究 总被引:1,自引:1,他引:1
描述了传感器与目标身份信息的特征,提出了多佑感器特征级综合目标识别的系统结构,并介绍了与综合目标识别相关的关键技术,重点阐述了几种目标识别融合算法。 相似文献
14.
文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。 相似文献
15.
数字识别是字符识别中的一个重要的研究课题。阿拉伯数字只有0~9十个,而且笔画简单,但是识别这十个数字并非易事,识别的正确率并不高。虽然液晶数字在形式上相对于识别难度较大的手写体数字来说比较规范,但是液晶数字的变体也比较多,形状各异,因此文章研究的目的在于找到一种对于液晶数字识别的一般的有效的方法。文章建立了"仪表监控与数字识别系统",主要对液晶数字识别的过程进行了讨论,重点研究了数字图像处理和数字识别,做了以下几个方面的工作:1)在研究了多种液晶数字特征的基础上,提取了数字的粗网格特征。2)建立了一个基于BP神经网络的液晶数字识别系统,进行了分类器设计,并对数字识别结果进行了检验,取得了较好的系统性能,从而证明了采用的方法是可行的。 相似文献
16.
声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础 相似文献
17.
首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。 相似文献