调制分析与识别的谱相关方法

根据谱相关函数理论和对常用通信信号的谱相关函数及谱相关平面图分析，提出了几种可用于调制分析识别的谱相关特征参数，讨论了利用这些特征参数进行调制识别的方法和过程。试验表明，这种方法具有很好的识别效果。     

话者识别系统中语音特征参数的研究与仿真

在说话者识别系统中，提取反映说话者个性的语音信号特征参数是系统的关键问题之一．研究并提取了几种重要的语音特征参数，包括线性预测倒谱系数、美尔倒谱系数、语音动态参数等，对这些参数进行了分析和比较，并研究了将多种参数组合使用对识别系统性能的影响．通过仿真和实验，证明混合参数识别方法能使话者识别系统的正确识别率有明显的提高。     

基于多维特征参数的装备状态评估方法

针对利用多维状态特征参数进行状态评估时存在的信息冗余和赋权难度大的问题,运用自组织特征映射网络（self-organizing feature map, SOM）的无监督聚类能力,对状态特征参数进行离散化处理;利用粗糙集属性约简算法剔除冗余特征参数;采用变尺度混沌优化算法对特征参数的权重进行优化。案例分析表明,该方法解决了状态评估多维参数权重的优化问题,提高了状态评估的准确性。     

故障特征选择与诊断规则提取的VPRS模型方法

针对实际工程系统故障诊断过程中故障特征和诊断规则难以提取的问题，提出了一种基于变精度粗糙集(VPRS)模型的故障特征选择和诊断规则提取的新方法。该方法通过选取适当的分类误差参数β，运用知识约简简化知识系统。它不仅能从实测数据中提取出最佳的故障特征参数，还可得到简化的诊断规则。对滚动轴承故障诊断的仿真实例表明，该方法有效地简化了特征参数和诊断规则，提高了故障诊断的准确率，减低了诊断成本，具有比基本RS方法更广的适用性。     

LDA下操作风险价值的置信区间估计及敏感性

在操作风险领域，损失样本的不一致问题，使以损失分布法度量的操作风险价值存在不确定性。假定损失强度为Weibull分布，损失频率为Poisson分布，并以K．Bocker等人得出的操作风险价值的解析解为理论基础，进一步研究操作风险价值误差的产生机理，得到在特征参数置信度为1-β时，操作风险价值的置信区问。并通过对误差传递系数与特征参数η、λ与研弹性的研究表明：参数研的误差是操作风险价值误差的主要来源，从而也是影响操作风险价值置信区间长度主要敏感因子。     

雷达辐射源信号识别特征参数集的构建方法

针对单个脉内特征在雷达辐射源信号(radar emitter signal,RES)识别中存在普适性差和识别性能“瓶颈”的问题,提出组合多个特征参与RES识别的方法。通过特征组合方式和识别性能的讨论分析,提出特征参数优型组合的概念,并在此基础上,研究特征参数集的构建方法。最后,根据对特征参数集的时间成本分析,提出两种典型的特征参数集——时效集和精准集,为不同需求场合的RES识别提供决策依据。     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.     

基于微多普勒估计进动锥体目标特征参数

锥体目标时频分布是目标的微动及结构信息的联合表征,针对此提出了一种利用微多普勒估计进动锥体目标特征参数的方法。首先分析了进动锥体目标散射源微多普勒的理论解,并利用三角函数降幂公式将其归纳整理为多阶谐波分量的合成,然后利用目标跟踪技术获取了不同散射源的微多普勒,最后依据锥顶及锥底不同谐波分量与目标特征参数的关系,提出了一种特征参数的估算方法。可为空间进动锥体目标识别提供一定参考。     

基于雷达极化理论的弹丸飞行姿态电磁散射特征

针对用线极化天线测速雷达测量弹丸飞行姿态问题,利用电磁理论推导并分析了底部刻槽弹丸的姿态特征参数。首先由雷达电轴与刻槽弹丸对称轴之间的关系,建立弹体散射矩阵,得到散射场的粗略表示,说明刻槽测量姿态的原理;其次,利用理想导体上无限长窄槽的表面等效磁流的近似表达式,详细推导了凹槽散射的远场表达式;再次,比较了刻槽后平行极化与垂直极化的远区散射场,用解析法和数值法仿真了不同飞行姿态下刻槽对弹丸散射回波的调制作用并与实测数据进行了比较,数值仿真了姿态特征参数的单调性;最后,对姿态特征参数的增强方法进行了简要的讨论和展望。仿真结果表明,在一定章动角范围内,该姿态特征参数能够表征弹丸的飞行姿态,具有相对稳健性和单调性。     

基于主成分分析和支持向量机的效能评定

简述了武器系统效能评定的各种方法,并分析了其特点。建立武器系统参数效能模型,首先要挑选特征参数,提出了采有主成分分析方法选择武器的特征参数。利用支持向量机建立了武器系统参数效能模型,通过实例与神经网络法的结果进行了比较,结果表明支持向量机方法比较精确和简单。     

基于矢量控制法和LOD的音乐喷泉模拟

喷泉效果可以大大增强虚拟现实系统的沉浸感。粒子系统是实现喷泉效果的有效方法。基于粒子系统基本思想，提出了矢量控制法并以此法利用OpenGL建立了喷泉模型。为进一步提高模型的绘制效率，引入了LOD技术。最后，利用背景音乐的感性特征参数对该喷泉模型动态驱动，实现了对音乐喷泉的模拟。     

神经网络在柴油机故障诊断中的应用研究

该文利用尺度共轭梯度算法的神经网络对柴油机进行故障诊断 .首先讨论了其训练算法 ,然后确定了柴油机故障诊断所用特征参数及故障种类 ,并提出特征参数数据归一化公式 ,最后以 6-1 3 5 ZC柴油机为例 ,将实验数据输入网络验证 .结果表明 ,神经网络对柴油机故障识别率很高 ,应用于柴油机故障诊断领域是切实可行的 .     

浅谈实时电视跟踪方案

电视图象目标识别要研究两方面的问题,其一是提取目标的精确性,其二是提取过程的实时性。本文是综合实战要求提出的一种实时电视跟踪方案。 一、常用的实时电视跟踪方法 1.电视图象的特征参数:为了对目标进行识别与跟踪有一个理想的模式。首先要弄清图象的特征参数,另外从图象的系列化     

基于熵的入侵检测特征参数选择

传统入侵检测的特征选择方法不但与评估数据的统计特性有关,还与检测算法有关。提出了一种独立于检测算法的入侵检测特征参数选择方法。该方法以入侵检测模型为基础,信息熵为准则。仿真结果显示出用所选特征参数进行检测,不但保证了检测的正确率,而且提高了检测速度,减小了内存资源的占用。     

基于粗糙集和支持向量机的效能评定

简述了各种武器效能评定方法,并分析了其特点。建立武器参数效能模型,首先要挑选特征参数,提出采用知识约简方法选择武器的特征参数。利用支持向量机建立了参数效能模型,给出了实例和解决此问题的支持向量机源程序。通过实例与指数法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于DSm证据云物元模型的装备状态评估方法

针对装备状态各等级之间相互交叠的模糊过渡区域会导致状态划分存在主观性较强的问题,同时为了提高基于装备多特征参数融合的状态评估方法的准确度,提出了一种基于云物元模型的DSm(Dezert-Smarandache)证据建模及状态评估方法。该方法首先对特征参数进行基于云物元模型的DSm隶属度赋值,然后提出了一种基于灰靶贡献度的证据源修正公式,再通过隶属度与基本概率赋值(basic probability assignment, BPA) 间的关系求得DSm模型的BPA,最后将不同特征参数的BPA进行DSmT+PCR5(Dezert-Smarandache theory+proportional conflict redistribution rules)融合得到评估结果。通过实例分析,验证了这一新方法的有效性和优越性。     

基于Petri网的虚拟人行走动作建模及其仿真实现

提出了一种基于位置／变迁Petri网结构的虚拟人行走动作模型。该模型首先根据人体特征和运动特征计算行走的时间和空间特征参数，进而根据实验数据，通过插值计算生成具体的人体运动，仿真模型框架是基于Petri网实现的，并以面向对象的方法封装了包括行走和爬行等周期性的行走动作。最后，设计并实现了一个仿真演示实例，结果验证了所提方法的可行性与有效性。     

基于高阶累积量和小波变换的调制识别算法

针对当前调制识别算法在低信噪比下识别率不高的问题,提出结合高阶累积量和小波变换的混合调制识别算法。该算法利用了小波变换提取的两个特征参数,以及基于四阶和六阶累积量构造出一个新的特征参数,并应用反向传播神经网络分类器对调制信号进行识别。仿真结果证明,该算法能够在信噪比低至2 dB时,识别率仍可达到98%以上,由此证明了该方法的有效性和稳健性。     

运用目标回波来识别目标的探讨

本文根据雷达目标脉冲响应的极点不随视角而变的特点,选用目标的固有极点作为目标识别的特征。对于目标回波的极点提取,介绍了时域的Prony法,推导了抵消脉冲法,评价了它们的优缺点。总结以上两种方法,提出了选用上两法的P次多项式的系数为特征的特征参数法,井把性能优良的Burg算法运用于特征参数法中。最后,对这三种方法进行了计算机模拟识别的比较。     

基于距离和相关性准则的混合参数说话人识别

传统的说话人识别方法在识别能力和稳定性上存在不足,对各种方法没有较好的评价标准。提出了基于平均距离和相关性的评价准则,在比较应用MEL滤波器组和小波包分解提取特征参数的基础上,提出了混合特征参数的提取方法。实验结果表明,距离和相关性准则可以较好的评价各种参数模式的分类能力,在无关的说话人识别中,混合参数在分类能力和抗噪性方面优于传统方法。