高斯模糊下舰船图像的矩特征

针对舰船目标图像受到自身运动、环境和图像预处理的影响出现模糊,丢失轮廓信息,造成像素点阵模糊和矩特征变化的问题,在高斯模糊低阶矩特征分析的基础上,提出并证明了Hu矩、仿射不变矩特征在高斯模糊作用下的变化定理;通过2个仿真实验验证了定理的正确性;为了保证舰船目标的识别效率,提出了建立多尺度特征库的建议。     

基于云映射的多粒度语义决策属性识别

异类多传感器多属性目标识别中的描述性语义和决策属性信息无法直接进行识别判定,为此基于粒层转化的思想,提出了一种语义和决策属性识别方法。首先构造云映射函数,将语义和决策属性粒层统一到区间粒层,再根据灰色关联的思想计算区间化后的语义和决策属性信息与数据库之间的区间关联度,实现了不等粒层属性的粒度计算,最后采用证据推理进行了识别判定。结合语义和决策属性识别算例及对比分析,验证了所提出方法在异类数据模糊转化处理和识别上的有效性。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

基于模糊模式识别的电力远动通道监控系统

分析了电力远动通道监控系统的现状,为解决其不足之处提出了一种电力远动通道监控的新方案.采用了一种基于模糊模式识别的综合评判远动通道通信质量的方法来实现对远动通道的监控,并详细论述了方案中模糊模式识别模型的建立,同时给出了系统的实现方案.在实际应用中表明,该系统能够有效地解决目前监控系统存在的不足,为电力远动通道监控开辟了新途径.     

一种新的基于粗集的辐射源信号识别模型

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域。在深入研究粗糙集理论的基础上,将其引入辐射源识别问题中,给出了一种基于粗糙集的辐射源信号识别模型。同时给出了一种不依赖先验知识确定辐射源识别权值的新方法,并提出了一种新的分类规则。最后,进行了计算机仿真实验,并与经典的模糊模式识别及统计模式识别方法进行了比较,实验结果证明了该方法的优势和有效性。     

对数极坐标变换识别算法在成像制导中的应用

图像匹配是成像制导系统中常用的目标识别算法，但实时目标图与基准目标图存在的尺度差异以及旋转不可避免，这也导致失配率提高。针对这个问题，引入对数极坐标变换运算，根据对数极坐标图像的尺度、旋转不变性提出了新的目标匹配识别算法，一方面保证了在尺度变化及旋转下的高匹配率；另外新算法结合了变换图目标区域的轴向投影统计策略，保证了匹配运算量的降低；文中仿真实例验证了算法的优势与有效性。     

商业成像情报卫星的现状和发展趋势

分析了商业成像情报卫星的现状及其特点，展望了商业成像情报卫星技术的发展趋势。指出，商业成像卫星以其应用范围广泛、商业价值巨大而得到了美、俄等国的高度重视，并在技术上得到迅速发展；商业成像情报卫星突破或淡化了军用与民用的界限，实现了两者的信息共存、资源共享、综合利用；未来商业成像情报卫星将朝着小型化、一体化、数字化、可见光成像与微波成像的方向发展。     

基于RCS序列的空间目标形状估计

将空间目标等效为椭球体,在分析椭球体RCS方向图的基础上,提出了利用空间目标RCS序列极大值与极小值比值来估计空间目标长短轴比值的方法。实测数据处理结果表明,该方法能有效估计出目标长短轴比值。目标长短轴比值反映了目标的形状信息,具有明显的物理意义,有利于后续的空间目标分类与识别。     

基于AHP与D-S理论的辐射源识别技术

深入研究了基于层次分析与证据理论的辐射源识别技术.首先针对属性测度识别方法中权重获取困难的问题,提出利用层次分析法获取多参数权重的思想,给出权重具体计算步骤,同时简要回顾属性测度识别方法的原理.在此基础上,应用D.S证据理论进行多传感器信息融合,给出识别算法和模型.仿真对比实验表明,提出的辐射源识别技术是实用有效的,其下确识别率较高.     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。