基于SIB/PCA的通信辐射源个体识别

提出了一种新的同类通信辐射源个体识别方法.该方法选择矩形积分双谱(SIB)作为个体识别的主体特征参数.然后采用主元分析(PCA)方法从大量训练样本特征参数集中挑选低维、低复杂度的特征矢量,并在识别特征矢量中融合对分类具有显著贡献的辐射源调制特征参量,最后采用基于核函数的支撑矢量机(SVM)实现对辐射源个体识别.实验表明该方法在较低信噪比条件下具有较高的正确识别率(90%),并能够较好地解决同型号、同批次通信辐射源的个体识别问题.     

贝叶斯判别法在基于足底压力特征个体识别研究中的应用

利用贝叶斯判别法,以足底压力特征为研究对象,选取footscan足底压力分析系统所提取的50名实验对象的足底各区域压力参数作为分析样本(训练样本500枚足迹、测试样本100枚足迹),建立个体识别模型。经检验,同一个体的足底压力特征组合具有相对稳定性,不同个体的足底压力特征组合具有特定性,且个体间的识别率可达92%。为利用足底压力特征的人身识别研究提供了理论基础。     

辐射源个体识别中分类器应用

随着电磁辐射源个体之间差异的减小,传统的模板比对法已经难以完成对辐射源的个体识别任务。为了更好的识别个体之间的微小差异,提高复杂电磁环境中辐射源个体识别的成功率,从工程应用角度出发,提出先使用Fisher判别率进行特征预选,再使用主成份分析进行降维,最后使用支持向量机进行训练识别的辐射源个体识别方法,构建了可以识别辐射源威胁差异的分类器。仿真结果表明:该方法可以兼顾工程应用中识别正确率和识别速度的要求,对辐射源个体识别具有较好的应用价值。     

基于深度聚类的通信辐射源个体识别方法

针对非合作通信条件下缺少标签数据的通信辐射源个体识别问题,提出了一种基于深度聚类的通信辐射源个体识别方法。利用自编码器网络强大的特征提取和数据重构能力对原始I/Q数据进行表征学习,提取个体识别的指纹特征,同时将表征学习过程和特征聚类过程进行联合优化,使表征学习和特征聚类契合度更高,更好地完成无标签条件下的通信辐射源个体识别。通过对5种ZigBee设备采集的信号进行实验,结果表明在信噪比高于0 dB时,可以达到85%以上的识别准确率,证明了本文方法的有效性和稳定性。     

基于集群智能的高速公路交通状态识别算法

针对传统交通状态识别算法仅考虑交通参数个体特征差异而存在识别率较低的问题,引入集群智能概念,提出了既考虑交通参数个体特征差异,又考虑个体参数所蕴含的群体特征差异性的高速公路交通状态识别算法。由于模糊C均值聚类算法(fuzzy C-means algorithm,FCM)在交通状态识别泛化能力上存在收敛缓慢的不足,基于反向学习策略以及鲸鱼优化算法(whale optimization algorithm,WOA),考虑个体交通参数所蕴含的集群行为增强了交通状态初始聚类中心种群的多样性,设计了一种具有良好的全局搜索能力集群智能的高速公路交通状态识别算法,融合了反向学习、WOA和FCM算法,克服了FCM识别算法容易陷入局部最优的局限。实证分析结果表明,所提出的交通状态识别算法具有良好的识别效果,准确率达到92%,且收敛速度较FCM算法更快。     

融合场景及交互性特征的多人行为识别

人类的行为复杂多样,场景、外观、位置等信息均与行为息息相关.本文针对如何高效地综合利用这些信息的问题,提出了融合场景及交互性特征的多人行为识别方法,使用双通道的方式分别提取个体外观特征与场景特征.对于个体通道,采用注意力机制模块来关注与行为相关度更大的区域,并将提取的个体外观特征结合位置特征输入图卷积网络进行关系推理.其中,图卷积网络采用了余弦相似度的方法度量个体特征之间的相关性,并结合个体之间的位置特征进行关系推理;对于场景通道,使用在place365数据集上预训练的ResNet 50提取场景特征.最后,本文将个体以及场景通道所得的特征进行加权融合,得到群组以及所有个体的行为识别结果.在Collective Activity Dataset（CAD）数据集上的实验表明,该方法能提高行为识别的准确率,群组行为以及个体行为的准确率分别达到了92.29%与78.19%.     

多姿多彩的生物识别技术

<正>生物学特征很难在个体之间传递,可以被认为是人类独一无二的标志。生物识别指的是利用可测量的人体生物学或行为学特征来核实个人身份。这些技术包括指纹识别、视网膜和虹膜扫描、手掌几何学、声音识别、面部识别等。对于任何需要确认个人真实身份的场合,生物识别技术都具有巨大的潜在应用市场,以旅     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

基于变分自编码器的雷达辐射源个体识别

针对雷达辐射源个体识别中特征提取困难和低信噪比下识别率低的问题,从图像角度出发提出了一种基于变分自编码器的雷达辐射源个体识别算法。基于信号时频分析,利用变分自编码器(variational auto-encoder, VAE)提取时频图像的深层特征,并采用核主成分分析(kernel principal component analysis,KPCA)获取特征中的主成分,最后将特征送入支持向量机进行分类识别。仿真结果表明:文中所提算法在识别效率和抗噪声性能等方面均优于其他传统算法。当信噪比(signal-to-noise ratio,SNR)为0 dB时针对6个辐射源进行识别,可获得93%以上的识别率。该算法特征提取简单、系统实时性高,具有较高的工程应用价值。     

小天鹅的个体识别方法

个体识别是行为学研究中最基本内容之一．离开了它，行为学研究中的许多内容就无法完成．笔者通过多年的摸索，找到一种鉴别小天鹅个体行之有效的方法，即利用小天鹅喙部特征来进行个体区分．     

基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

人脸识别技术三大优势

相比于指纹识别等其他识别技术,人脸识别的优势是比较明显的。自然性 所谓的自然性是指该识别方式同人类（包括其它生物）进行个体识别时所利用的生物特征相同．是通过观察比较人脸区分和确认身份;具有自然性的识别还有语音识别和体形识别,而指纹识别和虹膜识别等则不具备自然性。     

基于KCCA的特征融合方法及人耳人脸多模态识别

鉴于人耳和人脸特殊的生理位置关系,本文从非打扰识别的角度出发,提出一种基于人耳人脸的多模态生物特征识别技术。首先仅采集侧面人脸图像,然后将核方法引入到典型相关分析(CCA)中,提出基于核CCA的特征融合方法,抽取两组特征矢量的非线性典型相关特征构成有效鉴别特征矢量用于识别,并应用其提取人耳人脸的关联特征进行个体的分类识别。实验结果验证了基于KCCA特征融合方法的有效性;此外,与单一的人耳或侧面人脸特征体识别比较,基于人耳和人脸融合的多模态生物特征识别性能得到提高,这为非打扰生物特征识别提供了一条有效的途径。     

跳频通信中的射频指纹识别技术

为了更好地在跳频通信中应用射频指纹识别技术,提出了一种跳频通信射频指纹识别新方法.利用跳频通信设备的频率切换瞬态信号特征来实现跳频通信中的射频指纹识别.根据射频指纹识别的技术流程对新方法的有效性进行了验证,将新方法应用在蓝牙设备个体识别中.分类试验结果表明,利用频率切换瞬态信号特征可以较好地识别跳频通信个体设备.     

有限实名网络中个体行为分析与建模

有限实名网络环境作为一种广泛存在的网络环境类型,其网络个体行为与匿名网络、实名网络中个体行为存在显著的差异性;从有限实名网络中个体行为的影响因素出发,进行个体行为的维度设计,从而建立个体行为的形式化描述;通过实证分析,阐述个体行为建模在识别个体行为相似性上是可行的,因此,准确获取有限实名网络中个体行为的特征,对于研究由此形成的网络群体行为同样具有现实的意义。     

基于差分等势星球图的通信辐射源个体识别方法

为了准确地识别和认证物联对象,阻止用户身份假冒和设备克隆等问题的发生,提出一种基于差分等势星球图的通信辐射源个体识别方法;通过差分等势高星球图的射频指纹特征提取,在不对接收机的载波频率偏差和相位偏差进行估计和补偿的情况下,获取较稳定的通信辐射源个体(发射机)射频指纹;对同厂家、同型号、同批次的20个无线保真网卡设备进行识别测试。结果表明:差分等势星球图通过点密度特征可以恢复一定低信噪比时的星座图丢失的统计特征,更全面地描述信号的细微特征;在相同的深度卷积神经网络模型架构下,相较于传统的基于星座图的统计图域方法,所提出的方法可以在很大程度上提高识别准确率。     

一种基于指针调整的SDH网络设备识别细微特征

针对数字传输网络中的同步数字体系(SDH)网络设备个体识别问题,提出了一种基于指针调整的细微识别特征。首先,在对SDH指针调整机理分析的基础上,指出了指针调整与设备时钟偏差之间的具体关系,提供了指针调整作为细微识别特征的理论依据;其次,通过检测数据中指针调整状态的变化,提取了指针调整的帧号作为特征序列;最后,以高斯混合模型对一阶差分特征序列进行建模,并将模型参数作为细微识别特征。实验结果表明,基于指针调整的细微特征具有稳定性和区分性,可有效地区分不同的SDH网络设备。     

基于BP神经网络解决小麦群体特征的图像理解问题

小麦生长发育群体图像动态信息的识别与分析能够为小麦高产田的诊断提供定量化的诊断依据。依据诊断出的作物各生长阶段的群体结构和个体指标,通过技术措施对群体发展动态进行监测调控,使其沿着高产目标的预定方向发展。本文以小麦群体绿色面积和叶面积指标信息的获取为例,应用图像分割、图像增强技术提取小麦群体图像特征,采用BP人工神经网络（ANN）方法,建立小麦图像群体特征识别自学习系统,并将其应用于小麦图像群体特征识别中,准确率在85%以上,表明利用ANN技术对小麦图像群体特征识别是可行的。     

基于改进KNN算法的语音情感识别系统

语音是人类表达情感的重要方式之一,语音中情感信息的识别已然成为人机交互不可或缺的组成部分,目前的语音情感识别技术存在一定的问题,如冗余大、识别率低等,故提出一种改进KNN识别算法。首先提取能够表征音频情感信息的特征参数,并通过优化算法对其进行筛选,然后对优化特征集运用所提算法进行识别验证。实验结果表明,笔者所提的识别算法能够用于基于语音信息的个体情绪识别状态。     

声纹识别特征MFCC的提取方法研究

目的:研究声纹识别在人的个体生物特征识别中的应用。方法:利用符合人听觉特性的语音特征参量MFCC作为识别特征,并且在Matlab平台上对MFCC的提取算法进行了详细的阐述和程序设计。结果:在实际应用中取得了较高的识别率。结论:采用MFCC作为特征参数进行声纹识别,其正确率比用LPC等作为特征参数有较大的改善。