一种基于极点特征的似然比雷达目标识别方法

利用一维距离像识别非合作目标通常需要在方位向上建立庞大的模板库,这必然会大大增加识别所需的存储空间．为了能够以较少的存储量实现高精度目标识别,提出了一种基于极点特征的似然比（LRTPC）雷达目标识别方法．该方法首先基于目标特征极点建立表征目标属性的原子库,然后利用原子库重构目标回波信号,经过似然比测试实现目标的识别．最后用给定极点合成的散射场数据进行了仿真实验．实验结果验证了LRTPC方法的有效性．     

一种基于联合特征矢量的雷达目标识别方法

综合波形特征和小波分解能量特征作为联合特征矢量,利用概率神经网络对目标类型和数量进行一体化识别,从对真实雷达视频数据进行的实验证实了这点。     

基于卷积神经网络的水下目标声呐图像识别方法

水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。结果表明,设计的卷积神经网络模型在实测声呐图像数据集上能够比常规卷积神经网络更准确、更快速地识别水下目标。     

浅海声场中时频互谱估计目标的绝对速度

目标绝对速度是表征目标运动特征的一个重要物理量,绝对速度的估计在目标被动测距、识别等方面有重要作用,现有文献都是围绕目标径向速度的估计。本文基于声场干涉理论,推导了原理最近通过距离时目标的互谱规律,提出了一种应用于单水听器目标绝对速度及距离被动估计的时频互谱算法。运用R-WVD变换对互谱信号进行处理,结合Hough变换来被动估计目标绝对速度及最近通过距离。计算机仿真得到绝对速度和最近通过距离估计误差约为2%,海试试验数据分析得到两者误差均在10%以内。本文验证了该方法的可行性并且具有很好的应用前景。     

基于多区域最优选择策略的声呐图像目标检测

为了解决侧扫声呐图像目标检测受噪声和阴影区域影响,难以准确检测目标的问题,提出一种谱聚类结合熵权法的多区域最优选择策略的目标检测方法。根据先验知识提前设定谱聚类的聚类数,将声呐图像的像素聚类为多个不同的区域;提取每个区域具有的平移、旋转和缩放的不变性特征,用于构建多区域的特征准则矩阵;利用熵权法对该特征准则矩阵计算各特征的权重以及每个区域的综合加权分数,即可得到最终的目标区域。实验结果表明,所提方法不仅能够有效地克服侧扫声呐图像中的噪声和阴影区域带来的不利影响,还可以在图像聚类后的多个区域中实现最优目标区域的选择,验证了所提方法的可行性和有效性。     

一种基于谱估计的MTD设计方法

基于对雷达杂波的功率谱估计,提出了一种新的MTD滤波器组设计方法.该方法利用AR模型构建MTD滤波器组,与传统的基于加权FFT的MTD滤波器组相比,具有更低的旁瓣,零频附近具有较深的抑制凹口,而且凹口宽度可随杂波谱的变化自适应改变.因此,该方法可获得更好的滤波效果,运用实际采集数据的对比性实验表明了该方法的优越性.     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

一种基于DTW算法的谱图匹配声纳目标识别方法

为解决由于舰船目标螺旋桨轴频不同造成DEMON谱线谱频率不同而难以直接比对的问题,利用DTW算法将DEMON谱数据根据线谱频率进行对齐,解决了难以比对的问题,并对实测舰船辐射噪声进行了分析。结果表明,利用DTW算法的识别率在原先匹配识别的基础上提高了3%~5%,说明基于DTW算法对谱图匹配声纳目标进行识别是有效的。     

一种基于时频分析的目标架次识别方法

针对常规窄带雷达无法直接在距离和方位上识别目标架次的缺陷,利用编队目标间距引起的多普勒频率的差异,给出了一种基于时频分析的窄带雷达目标架次识别方法．该方法既有良好的时频分辨特性,同时又能抑制交叉项,因而能对目标架次做出准确的判断．计算机仿真结果验证了该方法的有效性．     

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性...     

Parameter estimation method for the cone-shaped target under narrow-band radar observation

The parameter estimation for the space cone-shaped target based on precession is very important for target discrimination. This paper proposes a novel parameter estimation method via the scattering centers' micro-Doppler frequency contained in the narrowband echo. After the establishment of the target's precession model, the theoretical variation of top and bottom scattering centers' micro-Doppler frequency are derived, and then the micro-Doppler frequency of the bottom scattering center is expanded, and the relationship between the expansion coefficients and the target's size and precession parameter is analyzed. Finally, a linear system of equations is established to solve the expansion coefficients with the top and bottom scattering centers' micro-Doppler frequencies, and then the target's size and precession parameters are calculated based on the coefficients. Experiments based on electromagnetic computation data indicate that the proposed method is valid and accurate.     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

基于不变性特征的水下目标特征提取

针对水下成像环境的特殊性和复杂性,分析了在离散状态下比例因子对不变矩特征的影响,构造了基于区域矩的仿射变换不变量,以克服水下不确定因素给目标识别带来的困难,为了验证所提取特征的有效性,对球体、椭球体、三棱柱和四棱柱4类水下目标进行了特征提取试验．仿真试验结果表明,该方法在对简单背景水下图像的特征提取上能够取得较好的效果,可有效地克服水下图像灰度分布不均和环境不确定因素的干扰,实现了对水下目标的区分．     

Radar HRRP based few-shot target recognition with CNN-SSD

The development of radar high resolution range profile(HRRP)non-cooperative targets recognition technology is mainly limited by two aspects:(1) Due to the low observation frequency of non-cooperative targets,the number of labeled HRRPs is insufficient,making non-cooperative HRRP based target recognition a typical few-shot recognition problem,which is still a hot and difficult issue without definite conclusion in the academia.(2) The existing HRRP based target recognition methods are mostly based on the hypothesis of complete dataset,making them mismatch with non-cooperative target recognition in few-shot setting.In this paper,we put aside the complete hypothesis and propose an HRRP based few-shot target recognition method with CNN-SSD.The proposed method first uses a complete training HRRP containing 45 classes of cooperative targets to learn an initial category-independent feature extractor,on the basis of which we further utilize the model sequential self-distillation mechanism to obtain a more generalized feature extractor.Finally,the generalization ability of the extracted features is evaluated on unseen non-cooperative targets during training.Experimental results on self-simulated HRRP dataset reveal that the proposed method can achieve an average recognition rates of 61.26%,84.69% and 92.52% respectively when only 1,5 and 10 annotated HRRPs of non-cooperative targets are available.     

一种基于加权图模型的手指静脉识别方法

提出一种基于加权图模型的手指静脉网络特征描述方法。对于一幅手指静脉图像,通过图像划分获得图的顶点集,利用三角剖分获得图的边集,边的权重由边所连接顶点之间的特征相似度决定。通过这种方式,一幅手指静脉图像可转化为一个加权图,并通过度量加权图邻接矩阵之间的相似度实现手指静脉识别。详细研究影响识别结果的几个因素,并通过试验证明了该方法的有效性。     

基于目标子空间的雷达自动识别系统

分析了HRRP空间RATR方法的冗余噪声匹配问题．探讨基于目标子空间的RATR方法．与HRRP空间相比,目标子空间理论上不存在冗余噪声,能够更加准确地反映目标的结构特征．对外场ISAR实测数据的处理表明,此目标子空间算法的识别结果比传统的HRRP空间算法的效率更高,比常规方法具有明显的优越性．     

基于LBP层次特征的表情识别算法

提出了一种基于LBP层次特征提取的表情识别算法.将图像分成许多子块,并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征,对人脸图像的眼睛和口部作粗定位.采用局部二值模式(LBP)的层次特征提取法,对图像进行分块操作,求出每个子块的LBP直方图,然后将基于整体特征得到的LBP直方图与基于局部特征得到的LBP直方图连接起来,作为整幅图像的LBP直方图.将层次特征提取法所提取的LBP直方图作为嵌入式隐马尔可夫模型(EHMM)的初始向量,即形成观察序列.对JAFFE人脸库中的7种基本表情进行了测试,结果表明该方法能有效提高表情识别率.     

基于AR模型谱估计的调制方式自动识别算法

使用现代谱估计技术估计出平滑的调制信号功率谱,从信号的功率谱和信号平方的功率谱中提取出谱峰个数和谱峰的峰态量两个特征参数.在不需要先验知识的情况下,可对常用的MPSK和MFSK信号进行自动识别.仿真结果表明,两个新特征值在信噪比较低时（-2 dB）仍然能有较高的识别率.     

基于小波神经网络的调制信号识别方法

为了克服神经网络识别类别较多时构建网络复杂、训练速度低的缺点,提出了一种小波变换和阵列式RBF网络结合的方法实现无线通信信号调制类别检测.利用小波变换对常用3种模拟信号和6种数字信号进行多层分解和特征提取,然后利用特征参数通过阵列式RBF网络进行信号调制类别检测.仿真结果表明,小波分析和阵列式神经网络相结合的设计,使无线通信信号调制类型的检测系统在信噪比为-10 dB达到平均辨识率90％以上的性能,同时提高了多类别情况下的检测率.