基于行为模式的海上目标轨迹分段算法

海上目标监视系统实时获取并长期积累了大量轨迹数据,深入挖掘分析其中蕴含的目标行为特征,是提升传统的基于声光电磁特性的海上目标探测技术性能的重要途径。在轨迹聚类、轨迹预测和行为分析等数据挖掘的预处理环节中,主流的轨迹分段算法以最小化损失为分段依据,没有给分段轨迹赋予行为模式等语义内涵,限制了分段轨迹的应用范围。对此,本文提出一种基于行为模式的海上目标轨迹分段算法,通过定义七种目标行为模式,制定行为模式优先级,达到轨迹分段的目的。通过提取轨迹段的特征值,真实的保留轨迹特征,尽可能的还原轨迹。实验分析表明,本文的算法能准确合理的进行轨迹分段并真实的还原轨迹,不同的算法参数对应不同的应用场景。最终,本文对算法分段结果的应用前景进行展望。      

基于自适应时延神经网络的空间红外点目标识别

神经网络方法是当前解决空间点目标识别问题的一类主要方法。为提高目标的正确识别率,提出一种基于空间点目标红外辐射序列的自适应时延神经网络（ATNN）识别方法。ATNN采用可调整的时延结构,在网络训练时可以针对输入自适应调整延迟步长,更加适用于变化剧烈的红外时序信号识别。该方法以目标的双波段红外辐射强度序列作为网络特征输入,对ATNN进行训练,然后用训练好的ATNN对目标进行分类识别。实验表明,该方法在不同信噪比的条件下,均能有效提高目标的正确识别率,并且具有一定的抗噪性,应用前景良好。     

基于磁惯性测量的分段式井眼轨迹测算方法

为了提高随钻测量中井眼轨迹计算的精度,文中提出一种基于磁惯性测量的分段式井眼轨迹测算方法。在钻头停钻时,使用工具面角模型识别法对测段进行一次井眼轨迹模型识别,按照实时测量数据中的井深变化量生成一次模型约束下的测段的分测点。然后,使用磁惯性测量数据对分测点数据进行校正,将校正后的分测点进行分段轨迹模型识别。最后,将各分段对应的模型进行轨迹计算。实验结果表明,采用新方法后,坐标增量的绝对误差从单一模型算法的0.840 m降低至0.146 m,说明相对于单一模型的井眼轨迹计算方法,分段式井眼轨迹计算方法的误差较小,分段式的井眼轨迹计算方法能够提高井眼轨迹的测算精度。     

两个新的特征提取轨迹网络模型

稀疏轨迹网络利用输入模式时间序列形成类的轨迹,初步实现了空时联合不变性特征提取,但不同类别的轨迹可能重叠,不利于准确分类。本文首先将不同类别轨迹之间的距离等因素引入学习算法,对轨迹调整进行自适应优化,提出一种自适应轨迹神经网络模型：进而从神经元的特性出发,以自适应Ｓｉｇｍｏｉｄ函数包作为激活函数,改善不同类别在特特征空间分布情况,提出一种量子轨迹神经网络模型。模型在任意手写体数字识别上测试了特征提     

基于轨迹分析的交通目标异常行为识别

针对交通监控中运动目标的异常行为识别问题,提出一种基于轨迹分析的异常行为识别方法。首先,引入目标的空间位置、运动速度、运动方向和大小尺寸等特征参数对轨迹进行描述和聚类,以提高对目标轨迹的区分和识别能力;然后,提出一种行为识别数据库的建立和调用方法,并以实际交通场景为例,详细说明了数据库的建立和调用过程;最后,采用基于Bayes最优化的方法对轨迹进行联合匹配和边缘匹配,并根据匹配情况调用行为识别数据库对目标行为进行识别。实验结果表明,该方法切实有效,具有一定的实际应用价值。     

用于机动目标跟踪的分段机动识别方法

分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器.     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

一种面向语音识别的新型神经网络

提出了一种新型神经网络模型，描述了该网络的工作原理和训练方法以及识别算法。为克服神经网络对时序信号建模能力差的缺点，引入了非线性分段处理和代表帧特征提取方法。最后介绍了根据这一模型所设计的一个汉语语音识别系统，试验表明该网络在汉语语音识别方面具有较大的潜力。     

基于特征参数的井眼轨迹模式识别与分段方法

针对井眼轨迹形态多变而测斜模式单一所导致的井眼轨迹拟合偏离真实钻进轨迹问题,文中提出了基于特征参数的井眼轨迹分段和模式识别方法。该方法基于充分的理论分析建立井斜角、方位角随井深的3次b样条函数,得到能够决定井眼轨迹某点邻近形状的曲线特征参数。根据该特征参数,结合各种模型的特征参数,构建井眼模式识别评价指标和分段指标,并选出最符合实钻的井眼轨迹模型。为了验证所提方法的有效性,设计了样机模拟实钻实验。研究结果表明,基于特征参数的井眼轨迹模式识别与分段方法能够有效提高井眼轨迹拟合的精度。     

利用并联CNN-LSTM的调制样式识别算法

为了提高基于卷积神经网络的调制样式识别算法性能,利用CNN的空间特征提取能力和LSTM时序特征提取能力,设计了CNN-LSTM并联网络,上支路由一层卷积层和一层池化层组成,下支路使用单层LSTM网络。直接将同向分量和正交分量作为输入数据,上下支路提取信号的空间和时间特征,提高特征表达能力。对BPSK、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK 等7种信号的调制样式识别仿真实验结果表明:算法无需人为设计特征参数,减少人为因素影响,同时该算法在低信噪比下具有较好的识别性能。      

基于调制谱图卷积神经网络的空中目标识别技术

雷达对空中目标的分类识别技术是雷达信号处理领域中的关键技术.目前大部分雷达目标识别方法通用性较差且对雷达具有较高的要求.针对该问题,提出一种将目标回波的周期性调制谱信息图像化后,基于卷积神经网络调制谱图处理的空中目标识别方法.目标调制谱图像通过卷积神经网络逐层变换自动学习到目标特征信息,最终通过分类器进行分类识别.该方法避免了传统人工拟定调制谱特征的方式,实现了端对端的空中目标识别方法.实验结果表明,基于调制谱图的卷积神经网络模型具有较高的空中目标识别准确率,且模型的鲁棒性和泛化能力较好.     

基于相似度分段的数据智能自适应压缩算法

由于传统的压缩算法,在数据智能自适应压缩时没有对相似度分段距离进行计算,因此压缩比低,无法实现数据智能自适应压缩。为此提出基于相似度分段的数据智能自适应压缩算法研究。通过相似度分段距离计算,判定基准数据是否发生变化,如发生变化则记录此1/4周期数据,并替换基准数据;采用串表压缩,根据相似度分段距离,在编码中定义数据字符、字串、前缀以及后缀等压缩概念;计算基于相似度分段的自适应压缩特征值,解决数据量化误差大的问题;通过自适应压缩噪声补偿,完成数据智能自适应压缩。设计对比实验,结果表明,设计的压缩算法在3个数据集中压缩比均明显高于对照组,验证了设计压缩算法在数据智能自适应压缩中的可行性。     

轨迹网络及其在字母识别中的应用

本文提出一种新的轨迹神经网络模型，它利用输入模式时间序列形式模式类的轨迹，从而实现模式空域不变性特征提取。     

基于双分类器的自适应单双手手势识别

针对传统卷积神经网络(CNN)中仅有对单手手势语义进行识别的算法和深度学习手势识别算法中CNN的收敛性差和识别精度低的问题,提出了一种基于两个分类器的自适应单双手手势识别算法以对单手和双手进行识别.该算法的核心是联合两个分类器进行单双手手势识别.首先,采用手数分类器对手势进行分割分组预测,将手势识别转化成部分手势图像识...     

汉语数码语音识别自适应算法

说话人自适应是提高非特定人语音识别性能的有效方法之一。本文将ＭＡＰ算法应用于汉语数码语音识别中,并讨论了几种加快自适应速度的方法以及自适应对非自适应人的影响。实验表明,ＭＡＰ算法可以有效地降低汉语数码识别对被适应人的误识率,而且对非自适应人性能影响很小。     

广播新闻语料识别中的自动分段和分类算法

该介绍了中文广播新闻语料识别任务中的自动分段和自动分类算法。提出了3阶段自动分段系统。该方法通过粗分段、精细分段和平滑3个阶段,将音频流分割为易于识别的音频段。在精细分段阶段,文中提出两种算法：动态噪声跟踪分段算法和基于单音素解码的分段算法。仿效说话人鉴别中的方法,文中提出了基于混合高斯模型的分类算法。该算法较好地解决了音频段的多类判决问题。在新闻联播测试数据中的实验结果表明,该文提出的自动分段和分类算法性能与手工分段分类性能几乎相当。     

一种用于激光雷达信号的自适应分段平滑算法

为了抑制米散射大气探测激光雷达回波噪声引起的信号随机波动,采用新设计的自适应分段平滑方法对信号进行平滑处理。根据激光雷达信号特性,信号有效变化幅值大于信号背景噪声波动。以背景噪声标准差的若干倍表示信号的噪声幅度。按照相邻信号幅值差与噪声幅度的对比,可以确定信号发生有效变化的位置,这些位置可以作为信号分段端点,在分段端点内用滑动平均可以实现对信号的自动分段平滑。用实测微脉冲激光雷达信号对方法进行了验证,并与常用固定分段平滑方法进行了对比。结果表明,自适应分段平滑方法可以根据信号变化的剧烈程度自动选择平滑窗口大小,在对噪声进行有效抑制的同时,避免平滑过度造成的信号畸变。     

智能化目标识别导论

神经网络的高度并行和强大的联想功能及容错特性,目前已引起了各个不同学科领域的专家学者们的普遍关注,并以极大的热情投入了研究。本文主要介绍基于神经网络模型的智能化目标识别的思想及目前的研究进展,同时亦融入了一些亟待解决的课题及其研究方向的讨论。