基于特征融合与规则推理的目标识别

为了在干扰电磁环境下提高辐射源和平台目标识别的可靠性,建立了特征级和决策级 的分级融合识别框架,通过特征相关和匹配置信度融合进行辐射源识别,提出了基于粗糙集 规则推理目标识别决策方法。仿真结果表明该方法能增强目标识别的容错性。     

雷达辐射源分类识别方法综述

阐述了雷达辐射源识别研究的必要性，详细介绍了现有雷达辐射源基本分类识别方法，系统梳理了现有分类识别技术的优缺点，合理分析了多、大且杂的电磁环境下雷达辐射源识别研究趋势，提出将深度学习与雷达辐射源识别全面结合，实现雷达辐射源识别智能化。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.     

基于多特征参量模糊数据融合的辐射源识别

针对多特征的辐射源识别,采用对辐射源信号特征参数的模糊化表征,建立了多特征、多目标的模糊评价矩阵以及模糊属性综合评判函数,提出了多属性判决函数的融合判决方法进行二次评判的综合识别,从而提高目标识别的准确率和可靠性。仿真结果证实了本文提出方法的有效性。     

一种稳健的通信辐射源个体识别方法

通信辐射源个体识别是目前通信对抗领域研究热点与难点问题,相对于雷达辐射源,通信辐射源信号弱、瞬时特征不明显导致个体识别更复杂、更困难。利用通信辐射源信号的长时谱统计特性,提取信号功率谱峰值特征和包络模板,构造通信辐射源个体特征向量,通过朴素贝叶斯分类算法与个体特征矢量相结合,在训练样本数目足够大的条件下可进行有效识别。测试实验表明,识别方法稳健有效,可在信噪比5 dB情况下实现93.7%的正确识别概率。     

D-S证据理论在舰机目标识别中的应用

介绍了D-S(Dempster-Shafer)证据理论的基本概念及其应用特点,分析了舰船和飞机目标识别的需求以及基于搭载辐射源识别舰机目标平台的可行性,结合需求背景,阐明了D-S证据理论在舰机目标识别中的应用方法,详细说明了识别框架的构建和基本概率赋值过程,并在试验环境下验证了该应用方法的可用性和有效性。     

证书光谱快速鉴别仪的设计与实现

本研究研制成功的证书光谱快速鉴别仪,采用光谱成像技术,基于光、机、电图像获取及处理等多种综合技术,可以同时获得证书影像信息与像元的光谱信息,对证书进行光谱量化分析,并集成图像模板匹配比对等人工智能识别技术,可使用户轻松识别证书中的多种防伪信息,为证书鉴别提供快速可靠的技术手段.     

一种目标密集环境下的雷达目标与IFF点迹相关算法

提出了一种基于联合概率数据关联（Joint Probability Data Association,JPDA）思想的雷达目标与敌我识别（Identification Friend or Foe,IFF）点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点迹的分布情况,通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率,最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明,通过对目标的多次询问和相关概率的迭代,所提方法可有效提高目标密集环境下对我方合作目标的正确识别率,同时降低对非合作目标的误识别率。     

辐射源个体特征提取技术综述

特征提取是辐射源个体识别技术的关键,也是实际应用中必须解决的首要问题。 从接收信号的暂态和稳态两个方面对现有的个体特征提取技术进行了综述,指出各种特征提 取技术的适用范围及关键问题。同时结合个体识别接收设备需要,对所提取的特征参量在工 程应用中的测量条件及局限性进行了归纳分析与对比。最后,指出了目前辐射源个体特征提 取技术存在的问题,以及个体识别技术未来研究方向。