基于RBF神经网络的数字模式识别方法

在介绍径向基函数神经网络基本原理的基础上,讨论了基于 RBF 的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题。     

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

用标定和亚像素技术实现三维运动目标的高精度测量

本文介绍一种利用多种亚像素图像技术提取目标及网格节点，并采用新的摄影系统标定与系统误差修正技术，用多个摄像机实现对有特殊标志的空间三维运动目标的高精度测量方法。     

星载稀布L阵对地面辐射源的高精度测向研究

在均匀分布和非均匀分布两种情况下,采用二维MUSIC算法研究了星载稀布L阵列的地面辐射源测向精度。对地面辐射源方位估计、小角度辐射源分辨率,以及测向精度的分析和仿真结果表明,星载L型阵列能实现对地面辐射源的高精度二维测向。在相同条件下,非均匀阵的测向性能明显优于均匀阵。     

反导系统中的目标识别技术及其发展趋势

指出了反导系统目标识别的难点和特点。回顾了反导系统中的红外识别技术和雷达识别技术,并探讨了反导系统目标识别技术的发展趋势。     

空时接收并行干扰消除器的性能分析及优化

提出一种新的用于DS-CDMA系统上行链路阵列接收加部分并行干扰消除的联合处理方案。在接收端多径信号的阵列处理方面,将传统的RAKE接收改为LS-DRMTA算法,能大大降低基站处理的运算量。在波束形成器之后引入干扰对消器,对传统的并行干扰消除器“硬判决”的缺陷进行优化,改为部分并行干扰消除器,可以更好地检测出期望用户信号,而且避免了消除串行干扰中存在延时问题,仿真结果表明,该联合处理方案简单有效,适合工程应用。     

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。     

一种新的全天自主星图识别算法

在星图识别领域三角形算法得到了广泛的应用，但是在星对角距很小的情况下，其识别率严重降低。字符匹配算法可以解决这个问题，但是它无法识别由于相机在拍摄瞬问的平移和旋转而产生位移的星图。为了克服这一缺陷，提出了一种有效的星图识别算法，该算法在生成导航星数据库时以一些一定范围内的亮星为中心，把整个天球分为很多个四方形区域，然后根据被拍摄星图的特点从这些四方形区域内选取子区域参与星图识别。仿真结果表明该算法不但继承了字符匹配算法的优点，而且对星图位移有很强的鲁棒性。     

四边形全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。该算法将四边形星图模式分解为两个具有公共边的三角形模式，使用三角形模式的特征，在保证自满计算量和星载星表的存储容量的前提下，使算法的识别成功率得以星著提高。Ｍｏｎｔｅ Ｃａｒｌｏ实验表明，在星等误差０．５星等（３σ），位置误差１０角秒（１σ）时，该算法的识别成功率接近１００％。