一种基于紧支子波的雷达船目标特征抽取方法

本文着重研究正交离散子波变换在非相干雷达船目标特征抽取中的应用。采用现场实录的四类船目标雷达视频回波数据进行实验，结果表明本文提出的方法运算简便，所抽取的特征具有典型性，数据压缩能力强。基于子波域特征提出了一种新的显著态回波的检测方法。     

雷达目标特征信号在导弹制导中的作用

对雷达和导弹制导系统的设计师来说,隐身飞机的目标特征信号是诱人的。本文将提出一些新的隐身目标特征信号,它包括有低自由度的x~2统计分布模型,宽带频率特性,非线性谐波响应,极化本征值以及双基地散射等。隐身飞行器表面实施阻抗加载将增大目标角闪烁,并使目标成象畸变。部分仿真结果与理论估算相一致。     

超宽带雷达目标回波建模

根据复杂目标在超宽带信号照射下的电磁散射特性 ,建立起超宽带雷达目标合理的冲击响应模型 ,并分别针对线性调频、冲击、二相编码无载波等三种典型超宽带雷达信号 ,确定了给定目标的回波特征 ,对回波相关处理的结果表明 ,其输出能反映出目标特征 ,有利于雷达目标的识别。     

用反卷积法获得雷达目标回波波形特征

本文探讨了高、低分辨力两类雷达视频回波与目标散射特性的关系,提出了适用于低分辨力雷达目标识别的回波卷积模型;利用微波暗室测量与数字仿真得到低分辨力雷达视频回波波形,并采用投影迭代反卷积算法,获得目标散射中心特征波形,这些波形在提取目标特征及识别方面优于原始视频回波,从而验证本文模型及算法的可行性。     

舰船目标雷达回波特征信号的建模与仿真

目标建模与特征信号仿真是雷达对目标进行探测与识别的重要前提和基础。针对宽带条件下大型舰船目标的雷达特征信号难以进行实测和缩比测量的难点，采用面元法对目标的雷达散射截面（RCS）进行了有效的预估，通过多频点RCS成像方法获得目标的一维距离像特征信号。给出了具体建模和仿真计算的实例，并进行了详尽的结果分析。     

扩展目标的角闪烁

本文简要地综述了扩展目标角闪烁的研究概况。系统地阐述了角闪烁的概念、产生机理、计算方法和数学模型。在此基础上,详细分析了角闪烁的控制技术,既研究角闪烁的抑制方法,也研究人工增强技术。最后指出了角闪烁对隐身飞形器的设计具有潜在重大意义。     

基于小波变换和神经网络的舰船目标识别和分类

根据舰船轴频电场信号的特点,提出了基于小波变换和神经网络的目标识别和分类方法.利用小波变换计算轴频电场信号的功率谱,提取特征量,根据轴频电场平均累积功率谱对舰船目标和海洋环境进行识别.根据轴频电场信号的功率谱分析,对不同类型舰船目标进行识别.运用BP神经网络,对不同类型舰船目标和海洋环境进行分类.通过对海上试验采集轴频电场数据的仿真计算,证实了该识别和分类方法的有效性.     

基于雷达/红外神经网络融合目标跟踪算法

提出—种基于雷达/红外传感器神经网络融合的机动目标跟踪算法，利用神经网络的非线性逼近能力，将神经网络与卡尔曼滤波器相结合构成一个非线性估计器，该算法可以对来自红外成像传感器的补充信息加以充分利用，进行机动检测，把计算负荷转移到神经网络，在改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单。仿真结果表明所提出的跟踪滤波算法在跟踪应用上优于—般的非线性估计算法，它最明显的优点就是减少了数字计算上的复杂性，提高了跟踪算法的快速性。     

雷达目标回波数据采集系统的设计与实现

本文介绍了一种雷达目标回波高速自适应多通道数据采集系统的设计思想与系统结构。该系统采用双频采集方案，用固定的低采样率发现目标，用可变的高采样率详细记录目标回波。对雷达目标的检测与跟踪进行方位／距离双波门控制。该系统与主控微机配合可自动检测跟踪雷达天线扫描区域内的多个目标，高效地录取雷达目标回波。     

防空雷达中的目标识别技术

雷达技术从其诞生至今已经历半个多世纪的发展历程，并且被证明是对空中目标检测、测距和跟踪最强有力的工具。然而，与雷达同时出现的目标识别问题，至今仍没有满意的答案。本文简要回顾了雷达目标识别的历史，讨论了与防空武器系统密切相关、也是目前普遍认为是最重要的几种目标识别技术，包括动态目标的回波起伏和调制谱特性，高分辨力雷达目标识别技术，目标的极化特征及其识别技术，目标谐振响应与超宽带雷达目标识别技术等。     

用子波变换提取目标回波波形特征

本文分析了子波变换及其在特征提取中的应用，具体讨论了在Ｈａｒｒ子波基底下，用Ｍａｌｌａｔ算法提取雷达目标回波波形特征的实例，从中可以看到子波变换用于特征提取的很有潜力的发展前景。     

一种新的采用神经网络的图像分类方法研究

本文论述了神经网络对图像分类的一种方法──Ｚｅｒｎｉｋｅ矩方法。该方法提取图像特征方便，分类精度高，而且容错性相当好，有较强的实用性。实验结果证实了这些结论。     

奇异值特征抽取目标识别法

图像的代数特征是图像的一种固有的特征。每一幅图像都可以认为是一个矩阵,而矩阵的奇异值具有很多适合图像识别的特征。本文不仅研究了矩阵的奇异值的代数特征,而且找到一种将奇异值特征应用到目标识别中的方法,实验结果证明应用奇异值特征可以取得较好的识别效果。     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

一种基于神经网络的识别反辐射导弹方法

本文利用反辐射导弹的飞行和电磁散射特性,给出了提取反辐射导弹特征量的方法,并用改进双向联想记忆神经网络作为识别器完成目标识别,分析表明,识别器有很好的识别效果.     

用于船舶噪声分类的局域自适应子波神经网络分类器

提出了一种用于船舶噪声分类的局域自适应子波神经网络分类方法。首先利用傅里叶变换对三类船舶噪声进行预处理,然后利用网络局域化构造局域自适应子波神经网络分类器。通过对实际的三类处理后的船舶噪声谱进行自动特征提取并分类,分类结果令人满意,证明了该方法的优越性和工程应用前景。     

一种军事图像目标识别神经网络系统

在军事图像目标识别中,目标通常发生比例、平移、旋转变化,有时还处于复杂背景之中或部分被障碍物遮挡,而识别往往要求是实时的。这使得传统的图像目标识别方法不能获得较好的效果。本文提出了一种神经网络目标识别系统,该系统能直接识别图像目标,而无需提取图像中的目标特征,具有目标识别的比例、平移、旋转不变性,具有良好的复杂背景下的目标识别性能,是一种高速、实用、识别率高的军事图像目标识别神经网络系统。文中给出了改进的神经网络模型并针对不同军事目标的识别需要进行了仿真实验。     

采用神经网络同步器对混沌信号分类的研究

提出了一种用神经网络同步器对混沌吸引子进行分类的方法。该方法对每一类混沌吸引子都训练一个相应的神经网络同步器 ,采用同步测量法实现驱动与被驱动网络的渐近同步 ,所以这种测试方法与系统内部状态的初始值无关。最后通过对Lorenz和R ssler混沌吸引子进行分类证实了所提分类方案的可行性。