基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

小波变换在空间扩展目标精密跟踪中的应用

本文介绍了小波变换的特点及其在图象边缘提取中的意义，讨论了边缘提取中最有效的小波函数及方法，介绍了以飞机图象为目标在不同图象模糊程度及背景噪音情况下用小波变换进行目标形心坐标提取的计算机模拟情况，展示了小波变换在扩展目标跟踪技术中应用的前景。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

基于小波变换的单脉冲雷达目标RCS测量方法研究

随着现代信号处理技术的发展,对非平稳信号分析和处理的小波分析技术已成功应用于雷达目标特性分析领域,大功率单脉冲雷达作为我国航天测控网的主干设备,具有一定的目标特性识别能力。本文主要针对脉冲雷达RCS测量原理,讨论了基于小波变换的单脉冲雷达空间目标RCS测量方法,提出应发挥窄带低分辨率雷达在未来空间目标识别中的作用。     

面积律设计概念与工程应用

介绍了面积律概念及相应的计算方法。指出按照近于Sears-Haack面积分布的当量旋成体设计的飞机组合体可以实现跨、超音速最小波阻。描述了面积律的工程应用，涉及设计步骤、目标面积分布控制以及“局部”面积律在高亚音速飞机上的应用等工程设计问题。     

基于迁移学习的小样本目标识别研究进展与展望

在空、天、海等复杂环境下的目标识别任务中，高质量的样本数据往往较少。特别是在干扰对抗环境下，某些特定领域的目标信息获取困难，可靠的标注数据较少。小样本问题对深度学习技术在目标识别任务中的应用提出了新的挑战。迁移学习为小样本不确定环境下的目标识别问题提供了新的研究思路。本文针对小样本目标问题，以机载雷达等空天传感器信息对海面目标识别为例，介绍了迁移学习的主要思路和方法，对迁移学习在海面目标识别问题中的应用现状进展进行了总结；分析和归纳了迁移学习在海面目标识别应用中的主要挑战。最后对可解释性及鲁棒性的海洋目标识别技术需求及未来发展方向进行了展望。     

航拍机场图像中的一种目标匹配算法

针对小波变换的多尺度图像匹配算法仍然存在的问题--迭代落入局部最优点,提出了一种在航拍机场图像中运用小波变换多尺度和遗传算法相结合的目标匹配算法。试验结果证明,这种算法可以在航拍机场图像中准确、快速地识别出匹配的目标。     

一种基于红外图像的目标自动识别算法

红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

基于小波变换的海杂波分布特性分析

提出了用小波变换对海杂波分布进行统计分析,利用小波多分辨分析估计海杂波的概率密度函数,通过拟合识别分布并求取参数,改变以往先假定海杂波分布识别的方法,克服了因为噪声的存在直接由海杂波数据估计分布参数不准确的缺点。通过适当地调整小波多分辨分析的阈值,可以获得更逼真的海杂波概率密度函数,适应各种海况下的海杂波分析。     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中,给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率,识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明,该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

用小波和神经网络相结合的方法识别人体表面肌电信号

以MALTAB语言作为系统设计工具，将小波分析与神经网络相结合分析人体表面肌电信号。对SEMG信号的识别分为3个步骤：数据预处理，特征的提取，设计分类器分类。首先利用小波分析进行消噪，提取特征；然后采用BP神经网路进行分类、识别；最后通过对分类结果的分析与比较，证明小波与神经网络相结合是一种有效的表面肌电信号的模式识别方法。     

基于加强谱峭度的航空发动机齿轮毂故障诊断

针对航空发动机减速器一级齿轮毂故障诊断问题,提出了一种基于小波包和CHI-LMD(三次Hermite插值-局部均值分解)的加强谱峭度的故障诊断方法。在用AR(自回归)参数模型对原始信号进行降噪后,首先采用小波包对信号进行分解,并结合谱峭度找出特征频带,继而用CHI-LMD对特征频带进行再分解获得若干PF分量,最后对获得的PF分量计算谱峭度作为故障识别参数。利用此方法对10组待识别信号的诊断结果表明,该方法能有效识别减速器一级齿轮毂故障,在不拆卸发动机的情况下实现了对目标的诊断。     

基于离散小波变换的航迹关联算法研究

本文基于1-D离散小波变换(DWT)提出了一种航迹-航迹关联算法。由于目标航迹数据是非平稳随机序列,因此采用离散小波变换方法分析,利用基于F分布的假设检验模型来描述小波分解高频小波空间与低频尺度空间能量的比率,结合"去相关"方法分别讨论了航迹相关与无关的情形,并给出了一种仿真方法。仿真结果表明算法的有效性和在分辨两条相近航迹方面的优越性。     

面向目标分类识别的多任务学习算法综述

多任务学习(MTL)可以在训练中联合利用多个任务的监督信号，并通过共享多个相关任务之间的有用信息来提升模型性能。本文从目标分类识别应用角度，全面梳理和分析了多任务学习的机制及其主流方法。首先，对多任务学习的定义、原理和方法进行阐述。其次，以应用较为广泛、具有代表性且具有共性特点的细粒度分类和目标重识别为例，重点介绍多任务学习机制在目标分类和识别任务应用的2类方法：基于任务层的多任务学习和基于特征层的多任务学习，并针对每种类型进一步分类分析不同的多任务学习算法的设计思想和优缺点。接着，对本文综述的各种多任务学习算法在通用数据集上开展性能对比。最后，对面向目标分类和识别任务的多任务学习方法的未来趋势进行展望。     

基于人工黏性的二维激波小波多尺度数值计算

基于自适应小波配点法和人工黏性，构造了二维激波问题的小波数值计算格式。利用最细尺度的小波系数构造两组激波定位函数，分别用以控制两个正交方向人工黏性的大小和分布。对三类二维激波问题进行计算和验证，结果表明：自适应小波配点法利用小波阈值滤波删除变化平缓区域大量网格点，而保留变化急剧区域的网格点，比传统方法计算效率高，且分辨率越高，计算效率更高；利用最细层小波系数构建的幂函数形式的激波定位函数能准确判断激波位置和控制X、Y方向人工黏性的大小和分布，从而捕捉不同方向和不同强度的激波。     

空间目标红外辐射特性分析

研究空间目标的红外辐射特性,对于探测识别空间目标、监视空间碎片、保障卫星运行安全等问题有重要意义.本文以空间卫星为目标,分析了其红外辐射特性形成的原理,依据空间目标的热平衡方程,应用节点网络法求解目标表面的温度分布,并结合普朗克定律推导空间目标红外辐射度的计算方法,在分析总结相关资料的基础上得到了求解空间目标红外辐射特...     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

空间目标地基光电探测与识别技术的发展

空间目标地基光电探测与识别技术是空间态势感知的主要技术手段之一。首先归纳了空间目标的典型光学特征,分析了用于轨道与光学特征探测与识别的两类光电望远镜特点,梳理了国外空间目标光电探测与识别技术的发展历程,简要总结了空间目标地基光电探测与识别技术和应用需求间的主要问题,展望了空间目标光电探测与识别技术的未来发展方向。