基于模糊神经网络的目标识别研究

文中将模糊规则与神经网络相结合,提出一种新的基于模糊神经网络目标识别方法,实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来,充分利用了两者各自的优势,最终达到了对目标识别的效果.     

一种复杂环境下的多传感器目标识别系统

对于复杂环境下的多传感器目标识别,其环境因素多变、处理数据量庞大,若采用传统的识别方案,系统的可靠性和抗干扰性不理想。为了解决这些问题,提出了一种用于复杂环境下的神经网络分类器组合结构的多传感器目标识别系统,并通过几种融合方法的仿真实验表明该系统是可行的,能有效地提高系统识别率及鲁棒性。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策中的关键技术．针对目标特性，提出了一种基于模糊技术的BP神经网络的目标识别模型．从传感器中提取目标特性，经过模型处理，可以较好地实现目标的类型识别．     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策糊技术的BP神经网络的目标识别模型.从传感器中提取目标特性,经过模型处理,可以较好地实现目标的类型识别.     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策中的关键技术。针对目标特性，提出了一种基于模糊技术的BP神经网络的目标识别模型。从传感器中提取目标特性，经过模型处理，可以较好地实现目标的类型识别。     

多传感器信息融合的模糊神经Petri网络型

将模糊产生式规则应用到多传感器融合系统是得到一种模糊信息融合方法，再用Ｐｅｔｒｉ网对此信息融合系统建模。在此基础上将人工神经网络与Ｐｅｔｒｉ网相结合，提出了一种多传感器信息融合的模糊神经Ｐｅｔｒｉ网模型。     

分布异质传感器下的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,在以往采用单个神经网络进行目标识别的基础上,提出了基于神经网络集成的目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别系统.仿真结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,具有较高的应用价值.     

基于高阶神经网络的目标不变性识别系统

针对大尺寸目标图象的不变性识别提出了一种综合目标识别系统。该系统用形心到外轮廓的距离序列表示目标形状，将二维的目标图象识别问题传化为一维波形曲线的识别问题。对于这种波形曲线的识别，采用具有平移不变性的高阶神经网络（ＨＯＮＮ）方法，成功地解决了目标旋转变化后导致的边心距序列循环移位的问题，克服了传统匹配识别方法寻找匹配起始点的困难；同时使得ＨＯＮＮ由三阶降为二阶，极大地降低了对存贮容量的要求，仿真结果表明该系统对大尺寸目标图象的平移、旋转和比例不变性（ＴＲＳＩ）识别是切实可行的。     

察打一体化无人机多传感器自动目标识别系统

以美军捕食者无人机为例,详细介绍了无人机多传感器系统的组成、特性参数及功能,并介绍了察打一体化无人机自动目标识别的关键技术和工作过程。     

激光引信目标识别及抗干扰设计

激光引信由于其特有的优点，在空空导弹上得到了日益广泛的应用。如何在满足一定启动概率的前提下，解决好目标识别和抗干扰这一对矛盾是激光引信设计必须面对的问题。文章从系统设计的角度提出了目标识别和抗干扰的措施和方法。     

D-S证据理论在多传感器目标识别中的改进

针对证据理论在处理冲突证据时可能得到与直觉相悖的结论,文中首先分析了基本DS证据理论组合准则缺陷的产生原因,提出一种新的基于权值的证据调整方法,给予证据分配不同的权值,重新分配概率分配函数.算例分析结果表明,改进后的方法可以提高识别结果的可靠性,在一定程度上改善了目标识别系统的性能.     

伞-弹动力学及运动学在末敏弹目标识别中的应用

对于带有降落伞的灵巧弹来说,末敏器的目标识别算法是影响攻击精度的关键因素。利用伞一弹系统稳定下降阶段的9自由度动力学模型,分析了阵风小扰动作用下子弹姿态的运动特性;然后在末敏器的目标识别算法中融入了子弹姿态角的运动规律,用以消除子弹晃动所造成的目标识别误差。空投试验表明：融合了子弹运动学的目标识别算法有效可靠,可以提高灵巧子弹的命中精度。     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

基于数据挖掘方法的多传感器数据融合系统

提出了基于数据挖掘技术的多传感器数据融合方法,根据该方法运用粗糙集--模糊神经网络建立了融合系统模型,给出了系统的原理图,并对系统各部分所用算法进行了研究.最后介绍了该模型的特点,即有较强的通用性,并举例予以说明.     

毫米波敏感器目标识别系统设计

文中设计了一种弹载毫米波敏感器目标识别系统，说明了系统的软硬件设计方法和步骤，给出了目标识别算法流程图，由于AT94K系列SoC的高速和内嵌的特点，实现了目标识别系统快速和可靠的要求。     

基于DSmT的多传感器目标识别

在总结已有的冲突证据合成方法的基础上。提出了基于DSmT的多传感器目标识别方法。仿真表明。DSmT在系统存在伪证据（干扰）时仍然能够有效快速地识别出目标。     

高分辨率毫米波雷达目标识别研究

利用分数傅里叶变换(FrFT)在时频域对信号的混合表示的特点,将离散分数傅里叶变换(DFrFT)和相关向量机(RVM)应用于毫米波(MMV)高分辨雷达一维距离像识别。使用Fisher准则确定DFrFT的阶数α,将一维距离像进行α阶DFrFT变换,获得信号的特征量,然后利用RVM网络进行分类识别。实验结果表明,该方法是一种可行有效的特征选择方法,具有较高的识别率。