基于辐射源特征信息的目标识别技术

针对舰船目标进行识别的问题,研究了基于模糊理论的辐射源类型和目标类型识别技术.首先,对探测到的辐射源信息按方位角进行分类,一类对应一个目标,然后利用辐射源特征信息和辐射源数据库对辐射源类型进行识别,再利用同一类辐射源类型的识别结果结合目标数据库对辐射源平台(目标)进行识别.     

雷达辐射源信号识别研究综述

介绍雷达辐射源信号识别的过程,概述和分析国内外雷达辐射源识别研究的现状,阐述基于粗糙集理论的雷达辐射源信号识别方法,指出雷达辐射源信号识别的发展趋势,为今后相关研究提供了有益的思路。     

雷达辐射源信号识别方法性能比较分析

从正确识别率、识别速度等方面比较了粗糙集理论、灰关联理论、径向基神经网络、支持向量机等几种雷达辐射源信号识别方法的性能,并通过大量仿真得出了这些识别方法的性能优劣的结论及影响雷达辐射源信号识别正确率和识别时间的因素。     

雷达辐射源识别技术综述

文章介绍了雷达辐射源识别的研究背景,分析了单信源和多信息源雷达辐射源识别系统结构的流程,重点论述了识别系统中涉及到的分类识别算法和身份融合算法,比较了各种算法的优劣。     

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。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于正常行为的案例推理在伪装船只识别中的应用

船只识别是一个多影响因素的问题,目前的船只识别方法,普遍采取基于成像原理的方法,利用船只外形的差异,进行识别。对于伪装船只,其外形与普通船只差别较小,利用成像技术对其进行识别比较困难。提出了一种基于船只行为的识别方法,将邻域粗糙集、案例推理与聚类分析引入船只识别的过程中,利用邻域粗糙集对案例进行属性简约,提取船只行为案例关键属性,再对案例库进行案例聚类,以提高案例的检索效率。利用提出的推理模型,充分发掘船只动作数据所包含的信息,能以较高准确率实现对伪装船只的快速识别。     

舰艇编队信息融合中模糊C-均值算法改进研究

在分析舰艇编队信息处理融合的基础上,提出舰艇编队信息融合体系结构、模型和实现框架。针对原C-均值算法在处理数据时的不合理性,提出了改进的模拟C-均值算法,提高分类效果,满足信息融合的实时要求和可靠性要求。     

船用ARPA雷达与AIS信息融合的实现

将AIS信息融人到ARPA雷达系统中,为船舶导航和避碰系统提供更精确可靠、更实用的数据.归纳出ARPA雷达与AIS信息融合的系统框架,针对基于模糊数学和统计加权方法进行航迹关联的不足,提出基于灰色理论的航迹关联算法.模拟实验的分析结果表明,目标船在40艘左右的情况下,识别准确率为98%～99%,具有较高的航迹关联匹配率.     

雷达辐射源的两种识别算法比较

针对雷达辐射源识别中采用的马氏距离法和改进的格贴近度法两种相似性测量方法进行研究,分析了两种算法的相同和相异点及优劣性.指出了两种算法在雷达辐射源识别中的特点和存在的问题.