基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于目标特征信息融合的潜艇目标识别系统

结合水下目标运动状态估计和目标声特征提取的关键技术,提出了基于目标运动状态特征和声特征信息融合的潜艇目标识别基本原理.首先,采用双通道Power-law水声瞬态信号检测方法和LMS自适应时延估计算法,建立了基于方位时延的目标运动状态跟踪的数学模型,并采用EKF算法实现了水下目标运动状态估计;其次,建立了提取潜艇典型不变声特征的原理模型;最后,提出基于多目标特征信息融合的结构模型,为潜艇目标识别系统的发展奠定了理论基础.     

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。     

基于模糊综合技术的多传感器目标识别融合

通过研究基于模糊综合技术的多传感器之间的目标识别融合技术，把不同传感器提供的不同信息进行融合，这样可以把声呐系统的检测、识别、定位和跟踪联系在一起，根据它们之间一定的关系进而提高声呐系统的各项功能，以达到对弱信号的检测和估计。     

基于信息融合的水雷引信目标识别系统设计

该文介绍了水雷在水中的各种信号类型,对于水雷目标识别过程中的多个不利因素进行了分析,引进了信息融合技术来解决目标识别中的诸多不确定因素,并设计了基于多传感器信息融合的水雷引信目标识别系统。     

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。     

多传感器信息综合及目标识别专家系统

本文介绍了MIRES专家系统的功能、性能和运行环境,论述了面向多传感器信息综合及目标识别专家系统外壳的基本结构与问题求解的基本思路,探讨了建造该专家系统的若干关键技术,为舰船指挥控制系统智能化提供了示例,     

面向目标识别的水下多传感器信息融合技术比较研究

对于水下作战,目标识别十分困难,因此必须走多传感器融合、多技术融合的道路,应分析研究不同的方法优缺点,取长补短,综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点,分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D—S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术,提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架,并结合应用讨论了其特点。     

水下目标识别的一种信息融合算法

利用布设的水下传感器对水下潜艇进行探测预警是反潜的一种重要反潜手段。本文利用信息融合算法对水下目标识别中多传感器获得的不同数据进行信息融合,从而得出识别结论。     

多传感器信息综合及目标识别专家系统

本文介绍了ＭＩＲＥＳ专家系统的功能，性能和运行环境，论述了面向多传感器信息综合及目标识别专家系统外壳的基本结构与问题求解的基本思路，探讨了建造该专家系统的若干关键技术，为舰船指挥控制系统智能化提供了示例。     

基于多源信息融合的潜艇目标识别方法研究

提出一种基于多信息源的潜艇目标识别系统原理模型,介绍了证据理论在潜艇目标识别中的应用方法,给出了针对潜艇装备情况,建立各种识别信息源的方法,初步探讨了该识别系统的实现方法,并给出了有效的决策规则,为解决潜艇目标识别难题提供了一种新的解决方案.     

基于声纳目标多线谱信息的目标运动参数估计

在方位信息基础上,利用频率信息可以在本艇不机动条件下完成对目标的观测,而一般情况下,水下目标辐射噪声存在多个线谱频率,根据单阵或多阵所测得的目标方位和多线谱频率信息建立量测方程,对于求解这种非线性问题,利用一种改进极大似然估计方法避免残差值较大时收敛性存在的不足,完成对目标的运动参数进行估计.通过蒙特卡罗仿真表明,此算法具有比方位一单频率算法收敛速度更快、精度更高、稳定性更好等优点.由于线谱一般都处于低频段,信噪比高,因此该算法可应用于远距离的水下被动目标运动参数估计.     

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Elman网络模型的空中目标识别方法

为了准确、迅速识别空中目标类型,建立基于Elman神经网络的空中目标识别模型。该模型降低了以往空中目标识别方法中的人为因素,提高目标识别结果的可信度和快速性。通过实例验证,证明该模型的有效性和正确性。     

水运交通电视监控图像目标识别技术研究

针对水运交通的特点,提出一种水运交通电视监控图像目标识别技术,使用条件细缝检测窗,对窗内的图像数据进行似然比法求差图像,序列图像相关去时域噪声及进行闭运算以弥合孔洞和裂缝,之后进行目标检测和跟踪（匹配）, 最后计算各种交通参考。     

基于声辐射模态理论的声场分离技术

为了消除复杂声场中干扰噪声对于近场声全息重建精度的影响,该文提出了一种基于单层阵列测量的声场分离技术.当目标声源和干扰噪声源为相干声源时,利用源强密度声辐射模态分析理论建立了声源与辐射声场的数学关系模型,通过对单层阵列测量的声压数据进行空间重采样得到两组子数据,构造各组子数据与目标声源和干扰噪声源的声辐射模态之间的数学公式,再求解公式中目标声源的各阶声辐射模态的展开系数,可重构目标声源在阵列处的声场响应,达到声场分离的目的.刚性脉动球声源与刚性脉动球干扰源、平板声源与刚性脉动球干扰源的数值仿真及对影响该方法的相关参数进行了详细研究,相关结果表明该方法具有较好的有效性和正确性.     

一种被动声纳目标识别数据融合方法的研究

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。     

基于回波空间特性的潜艇目标识别研究

本文阐述了基于波束分裂的互谱法定向理论,给出了水下体目标的亮点模型.在此基础上,提出了一种利用体目标回波的空间方位分布信息识别水下目标的方法.通过对亮点模型目标回波的方位角和俯仰角进行估计,估算出目标的线性尺度,实现体目标的识别,最后通过计算机仿真给出了估计量的估计方差并进行了相应的分析.     

基于最小二乘法的气象信息组网技术及实现磁

根据最小二乘法设计了一种陆战场大区域气象信息数据组网架构,改变了传统的气象保障途径和模式,提高了远程火力打击气象保障能力,给出了基于组网技术的气象信息数据随空域变化的全弹道精确调用实现方法。