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。     

基于遥感图像的舰船目标检测及特征提取技术

首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。     

模糊专家系统在线谱检测中的应用研究

本文给出了一种线谱检测的组合方法.首先利用双门限线谱检测算法进行初始线谱检测,同时提取频率等线谱特征,在此阶段通过选择低门限,可以保证在低信噪比下无论信号和背景噪声是否平稳都可获得高的检测概率;然后研制了一个简单高效的线谱识别模糊专家系统,根据提取出的线谱特征,进一步剔除噪声点.分析验证表明,由于该算法将线谱检测和特征提取融合在一起,不但提取出了用于目标识别的线谱特征,而且非常宽容,能以高检测概率和低虚警概率自动地检测低信噪比线谱.     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

基于层次集成学习的高光谱图像分类

为提高高光谱图像（HSI）分类精度,基于集成学习方法提出高光谱图像分类的层次集成学习新框架。采用两种集成学习策略：外部集成及内部集成。在外部集成阶段,构造多种高光谱图像的光谱和空间特征,使外部集成呈高度多样性,有利于提高分类精度;内部集成阶段,针对关联多特征集中的个体,Adaboost算法实现个体分类性能的提高。两组高光谱数据的实验结果表明,与原始的Adaboost和单分类器相比较,该方法在整体精度方面有更好的性能。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

柴油机故障的特征提取及组合优化方法

采用欧氏距离度量的方法对柴油机故障的特征提取进行了研究,从而设计出柴油机故障的特征提取器,并采用人工神经网络模型进行了验证。     

云计算船舶通信网络的入侵特征提取与检测

为使处于航行状态下的船舶具备良好通信条件,设计一种新型船舶通信网络的入侵提取与检测方法。以云计算环境作为物理搭建背景,通过特征比对序列构建、粗提取算子确定的方法,完成船舶通信网络的入侵特征提取。在此基础上,利用Modbus TCP安全协议,构建基础的船舶通信网络检测证人链,并根据具体网络运行需求,分析所需遵循的检测率,完成云计算船舶通信网络入侵特征检测与提取方法的构建。实用对比结果显示,与常见处理手段相比,应用新型入侵提取与检测方法后,船舶通信网络的基础维护量得到稳定提升,单位时间内信息通量的最大值状态得到有效延伸,具备构建良好船舶通信条件的物理能力。     

基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。     

感应线圈信号曲线的处理方法及其在车型识别中的应用

为提高车型识别的准确率,提出信号处理的方法：首先采用快速小波变换抽取原始曲线的近似轮廓,从而削弱了噪声等细节信息的干扰,并实现2^n倍的数据压缩;其次利用五点三次滤波器对上一步获得的近似曲线进行平滑,使得离散信号更接近于真实的连续信号;在此基础上提出基于峰值时间差的强鲁棒性车长检测方法;最后,根据形态匹配的要求,采用Akima插值法进行信号尺度的归一化处理。车型识别试验采用观测点的实测数据,并将结果与其他文献进行比较,说明所提出的方法的有效性。