基于参数样本图的雷达辐射源识别

在现代信号环境中,基于传统的雷达信号特征描述方式很难对复杂体制雷达辐射源进行准确描述和识别。提出一种新的雷达参数样本图的描述方式,并研究了基于参数样本图的雷达辐射源识别算法,利用脉冲序列与雷达参数样本图进行匹配识别,给出了参数类型匹配及参数样本图匹配的方案。仿真结果表明,这种方法是有效的。     

基于脉间特征深度学习的雷达辐射源识别

多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。     

基于IVIF-VIKOR的雷达辐射源信号分选识别特征性能综合评价方法

为解决雷达辐射源信号分选识别特征评价不够客观和缺乏评价依据等问题,提出了一种基于区间模糊原理、模糊交叉熵和多准则折衷法的特征评价方法. 首先通过区间模糊原理建立信噪比分级评价模型,并基于汉明距离进行寻优得出信噪比权重;其次结合信噪比权重和区间直觉模糊加权平均算子将分级模型整合成群决策矩阵,使用熵最大化法计算属性权重;最后基于多准则折衷法框架,采取模糊交叉熵实现特征方案排序. 仿真实验结果表明,所提方法能够给出与实际仿真实验相一致的分选识别特征评价排序结果,并优于逼近理想点方法,验证了所提方法的可行性和有效性.     

基于带宽比特征的雷达辐射源信号识别

提出了用信号带宽比特征识别雷达辐射源的新方法。通过两次对雷达辐射源信号进行平方处理,提取两次处理前后信号带宽的比值组成二维特征向量。利用四种常见的雷达辐射源信号进行的仿真实验结果表明,带宽比特征类内聚集性强,类间分离度大,能达到非常满意的正确识别率,证实了所提方法的有效性。     

现代雷达辐射源分选技术浅析

系统地阐述了当前用于雷达辐射源分选的几种关键技术,从理论上分析了他们的优缺点,并介绍了脉内特征提取技术在现代雷达辐射源分选中的应用前景。文章最后指出当前这一领域亟需解决的几点难题。     

基于多重同步压缩变换的雷达辐射源分选识别

针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换(MSST)的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号(CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK)的整体平均识别成功率大于96.5%。     

基于模糊神经网络的雷达对抗目标识别模型

在现代战场上,雷达信号密度大,体制多,波形复杂多变,而且在工作频段上往往相互重叠,在客观上对雷达对抗目标的识别造成了很大的困难。以空中雷达对抗目标的识别为例,采用过零点检测法提取雷达瞬时频率差分序列的样本方差作为脉内细微特征,结合模糊神经网络建立了一个具体的识别模型,通过仿真,证明了利用脉内细微特征和模糊神经网络技术对雷达对抗目标进行识别,是一种有效的方法。     

基于熵特征的雷达辐射源信号识别

针对现有方法识别率低和没有考虑噪声影响的问题, 提出一种新的雷达辐射源信号识别方法. 将近似熵(ApEn)和范数熵(NoEn)构成特征向量, 用神经网络分类器实现自动分类识别. ApEn是定量描述信号复杂性和不规则性的有效测度, NoEn是定量表征信号能量分布的有效参数. 理论分析和实验结果表明, 熵特征类内聚集性强、类间分离度大, 在较大信噪比范围内均能获得非常满意的正确识别率, 证实了所提出方法的有效性.     

基于知识库的雷达辐射源识别专家系统

从分析雷达辐射源识别的特点出发，提出了基于知识库的雷达辐射源识别专家系统。讨论了系统总体结构模型和面向对象模型。根据系统要求建立了数据库；积累案例形成案例库；获取专家经验及领域知识建立了规则库；依据知识层次结构建立了模型库，这四库一体化形成专家系统。介绍了基于案例、基于规则和基于模型的推理方法，比较了各种推理方法的优、缺点，并提出了基于案例、规则和模型的混合推理。最后给出了系统的功能和实现方法。应用证明基于知识库的雷达辐射源识别专家系统可以得到与专家同样的结果。     

雷达信号脉内细微特征参数分析

介绍了基于正弦波频率估计的脉内特征参数估计方法,并与数字正交法相结合,解决了编码信号频率估计模糊问题。对单频信号、线性调频信号、二相编码信号、四相编码信号进行了脉内特征分析,给出了仿真结果。     

宽带雷达信号特征提取的系统设计与实现

阐述了宽带雷达信号特征提取系统的设计和实现,该系统采用经典的高速FPGA 多片高速DSP的硬件结构,实现了常见宽带雷达信号的时域和频域特征信息的提取。给出了测试结果。     

基于ARM7的多批激光威胁信号分选及码型识别

简要介绍了多批激光威胁信号分选及码型识别的原理,利用现场可编程逻辑门阵列FPGA对不同方向的不同时刻到来的3～8位多批脉冲间隔编码信号进行到达时间测量,并将时间数据通过32位总线送给32位嵌入式处理器ARM7进行信号分选和码型识别。给出了FPGA内部信号流程以及ARM7进行信号分选及码型识别的算法,并通过测试证明了该算法的有效性以及分选速度快、准确率高的特点。在实际应用中,利用此方法,提高了某型装备信号分选和码型识别的能力。     

基于BF592的指纹识别系统设计

介绍了ADI BF592处理器,以及以DSP为结构搭建嵌入式识别的一种设计方法。传统指纹识别平台通常采用CPU实现识别算法,但在功耗和移动性方面不能满足市场需要。随着DSP芯片在图像处理领域的广泛应用,采用DSP指纹识别系统是今后指纹识别技术的发展方向。充分利用DSP的结构,开发出了一套小型的指纹识别硬件设备,在功耗和便携性方面满足目前的市场要求。     

基于标志物识别的机器人自我定位算法研究

针对特定环境下清扫机器人自我精确定位问题,提出一种基于图像处理技术的标志物识别算法,进而基于标志物位置信息的定位算法研究,可实现室外环境下清扫机器人的自我实时定位。该识别算法主要通过标志物的选定以及结合室外环境下标志物的颜色及边缘特征研究实现,获得了室外环境下标志物准确识别以及基于标志物的自我精确定位的实验效果。     

语音信号中的情感特征分析和识别的研究

本文分析了含有欢快、愤怒、惊奇、悲伤等４种情感语音信号的时间构造、振幅构造、基频构造和共振峰构造的特征。通过和不带情感的平静语音信号的比较,总结了不同情感语音信号的情感特征的分布规律。根据这些分析,提取了９个情感特征进行了情感识别的实验,获得了基本上接近于人的正常表现的识别结果。     

基于复杂驾驶环境下面部特征识别技术的防疲劳驾驶系统

本课题阐述基于面部特征识别技术的防疲劳驾驶系统研究、开发.通过后台管理系统进行大数据分析,研究驾驶员疲劳规律、预测驾驶员可能出现的疲劳,方便管理人员有针对性的重点关注"常疲劳"的驾驶员,实现精细化管理,尽早预防、尽量避免疲劳驾驶,为行车安全把好关.     

基于三维模型的前视红外目标匹配识别方法

针对前视红外图像中地面固定目标的识别问题,提出了一种基于三维模型的匹配识别方法.首先由场景的3D数据建立目标三维模型,并以人工标记的方式进行编号以保留交界线信息;然后根据实时观测参数进行二维投影绘制得到目标的二维模板图像;最后提取边缘加权HOG特征在观测图像中进行匹配.对大量实测数据的实验结果表明,该方法识别精度高、对...     

基于两空间核鉴别分析的人脸识别

指出了几种线性鉴别分析方法在处理小样本人脸识别问题时存在的不足,结合核方法的思想,提出了一种基于两空间核鉴别分析的人脸识别方法.首先使用KPCA方法在核变换后的特征空间中对样本进行处理;进面将变换后的类内散布矩阵分成非零空间和零空间进行鉴别向量确定和鉴别特征提取,最后将得到的两种鉴别特征融合,从而使用最近邻法进行分类....     

基于相关分析的飞机目标识别方法

提出了一种基于相关分析的飞机目标识别方法。该方法利用飞机图像低频和高频部分合成滤波器模板,能达到很高识别率与很低的等错率。该研究旨在提高飞机识别的准确率和降低出错率,采用一种基于相关分析的飞机目标识别方法。该方法通过对采集的飞机图像做去除背景、降噪、图像增强、二值化和归一化处理,将飞机图像低频和高频部分合成滤波器模板,通过特征比对达到识别飞机的目的。利用Matlab 7.0做10种飞机的识别实验,得出了95.47%识别率和0.04%等错率的结论,识别率和等错率均优于不变矩法、三维识别方法、基于小波分析和矩不变量的方法,印证了笔者提出的基于相关分析的飞机目标识别方法的优越性。在飞机图像数据库上的实验结果表明,该方法是可行的。