基于多重分形关联和深度CNN的常规雷达目标分类方法

针对传统分类方法中飞机雷达回波信号识别分类精度低、人工定义特征稳定性差的问题，提出基于多重分形关联特征和深度卷积神经网络(convolutional neural network,简称CNN)的雷达目标分类方法.首先，对输入训练数据进行多重分形关联分析，将多重分形关联谱的投影图作为输入特征图；然后，利用深度卷积神经网络对特征进行训练，得到训练模型；最后，使用训练后的模型对目标进行分类.实验结果表明：相对于其他3种方法，该文方法有更强的飞机分类性能.     

基于调制特征的飞机目标自动分类

为了解决防空雷达飞机目标自动分类问题.依据飞机旋转部件对雷达电磁波的调制机理、调制特性模型和防空雷达回波特殊性,在时域用相对量分析法提取了幅度、相位调制特征,在频域用复AR双谱分析法提取了调制周期特征.提出了基于幅度、相位、周期3种调制特征的逐级最近邻分类法,对来自20条航线不同姿态的3类8种飞机回波进行了自动分类实验,并讨论了每种调制特征对飞机分类的效果.结果表明3种调制特征和逐级最近邻分类法能有效用于防空雷达飞机目标的自动分类.     

OFDM信号的多重分形谱特征盲识别算法

针对非合作通信条件下的调制方式识别问题,提出了一种正交频分复用(OFDM)信号的多重分形谱特征盲识别算法.该算法首先提取通信信号多重分形谱最大值对应的奇异性指数以及通信解析信号平方处理后经两次傅里叶变换的幅频信号的多重分形谱跨度作为信号特征参数,然后通过多层决策树分类器完成对OFDM信号和单载波信号的识别.该算法提取的...     

基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.      

基于分形理论的水合物回波特征提取及分类识别

针对海底裸露块状天然气水合物的探测问题,为了能从超声回波中准确提取天然气水合物的特征信息并与其他海底沉积物的特征进行分类识别,提出基于分形理论的水合物分类识别方法。通过实验室超声探测装置获取各类海底沉积物样品和天然气水合物样品的回波信号,并利用分形理论对回波信号进行分析,提取不同海底底质的声学回波特征,然后利用分类算法对底质进行分类识别。利用概率神经网络对沉积物试样回波样本的原始广义维数谱及经过核Fisher判别分析法优化后的特征进行分类识别。研究结果表明：采用多重分形方法提取的不同海底底质的广义维数谱特征差异明显,可以达到区分天然气水合物和其他沉积物的目的;未经优化的原始广义维数谱的识别准确率约为68.8%,而采用降维优化处理后的识别准确率提高到82.3%,表明经降维优化后的核Fisher判别分析法对天然气水合物回波信号的识别具有较好的适应性和较高的准确率。     

雷达海面目标识别技术研究进展

 针对雷达海面目标识别特征数据缺乏和识别算法推广能力差等问题,从雷达目标电磁散射特性和目标分类识别两方面总结了雷达海面目标识别技术的研究热点和发展趋势。围绕海面目标雷达特性,从电磁散射测量和建模两个方面综述了国内外研究现状;从低分辨雷达回波、高分辨距离像、高分辨雷达图像3方面综述了海面目标识别技术发展现状;介绍了雷达海面目标识别工程应用情况;最后展望了海面目标识别技术的发展趋势。     

基于混沌特性的PRC-CW雷达目标回波分析和识别

伪码调相连续波(PRC-CW)雷达目标识别中,对于具有相同径向速度的不同目标的分析和识别是一个需解决的问题.针对PRC-CW雷达目标回波的非线性时变特性,该文运用非线性动力学方法分析了此类回波的混沌特性.通过Lyapunov谱、相关维、Kolmogrov熵3类混沌特性参数提取方法的研究,形成了一个完整的分析和处理流程.进而通过对多类实测目标数据混沌特性参数的分析,得到了X波段PRC-CW雷达运动目标回波呈现混沌特性的结论.以实际的计算结果的分析和比较,证明了基于混沌特性的PRC-CW雷达目标识别是可行的.     

基于MF-DFA的语音情感识别

针对语音情感线性参数在刻画不同情感类型特征上的不足，将多重分形理论引人语音情感识别中．通过分析不同语音情感状态下的多重分形特征，提取多重分形谱参数和广义hurst指数作为新的语音情感特征参数，并结合传统语音声学特征，采用支持向量机SVM对其进行语音情感识别．试验结果表明，该方法可使系统的准确率和稳定性得到有效提高．非线...     

沥青路面表面纹理的多重分形特征及其磨光行为

为揭示沥青路面表面纹理分布特征及其磨光行为,引入多重分形理论,验证了沥青路面表面纹理三维形貌分布的多重分形特性.然后,模拟了AC-13型石灰岩混合料在转速0~1×105低速荷载下表面纹理的磨光过程,分析了磨光区域表面纹理的多重分形谱参数变化情况,量化了表面纹理磨光前后的整体与局部特征变化.结果表明,沥青路面表面三维形貌具有多重分形特性,多重分形谱宽Δα反映了表面相对粗糙的整体特征,分形谱左右两侧高差Δf反映了陡峭区域占优程度.随磨光转数的增加,分形维数D变化较小,谱宽Δα则呈现出较为明显的衰减,表面平坦区域占优程度逐渐趋于稳定.因此,多重分形特征参数为描述路面表面纹理的磨光行为提供了新思路.     

基于散射电场的飞机旋翼多普勒回波模拟

旋翼飞机飞行过程中会产生具有独特多普勒特征的雷达回波,通过对旋翼回波的准确模拟,可为不同类型飞机的精确识别提供重要依据.针对现有散射点叠加算法的假设缺陷,从目标高频电磁散射理论出发,提出了基于散射电场的飞机旋翼回波模拟方法.依据电磁散射场与雷达回波方程间的数学关系,发现目标回波的基带信号与目标后向散射电场的复振幅矢量具...     

基于距离分类准则的雷达目标识别方法

雷达目标信号是非平稳信号，对于这样的非平稳信号，用于分类的特征往往包含在局部的时一频信息中，用一般的变换提取有效的特征比较困难。利用小波包基的性质，提出了一种雷达目标识别方法。首先，对雷达回波信号进行小波分解，利用距离准则，选择最优小波包基，从被识别的信号中提取具有最大可分性的特征，得到目标识别的特征向量，由此进行目标识别。仿真实验结果表明，该方法具有高的识别率。     

基于微多普勒的雷达目标特征参数提取方法比较

从雷达探测到的众多目标中识别出真目标,进而进行有效的拦截是导弹防御系统中的关键技术。利用雷达获得的微多普勒效应进行真伪目标判定是目前较为先进的目标识别方法之一。选择弹道导弹的弹头目标建立其运动模型,通过对基于微多普勒的时频分析法、频谱与倒谱法、延时共轭法等三种常用方法对弹头目标的微多普勒特征参数提取的计算、仿真和分析,给出了各种方法的优缺点和适用范围。仿真结果表明:在散射点数目较少时,延时共轭法可以快速准确地估计目标的微动特性。     

弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

同步12导联ECG的多重分形分布

同步12导联ECG各个导联之间存在着多重分形奇异谱分布．人的ECG多重分形奇异谱面积12导均值由人体神经自律控制，反映的是人体的神经控制强弱，而不是心脏本身的病变程度；心脏本身的生理病理活动对ECG多重分形奇异谱面积12导均值起着一种调制作用．导联的多重分形奇异谱面积分布参量指标可以用来指征冠心病．     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

基于谱延拓的SAR复图像谱分裂目标Doppler解模糊

合成孔径雷达(SAR)地面目标的径向运动会导致Doppler模糊,将目标Doppler频谱分裂为不同模糊数的2部分,显著增加了目标定位、识别和分类的难度.为实现谱分裂类型目标解模糊,该文基于复图像距离-Doppler(R-D)域的目标包络斜率正比于模糊数的特性,提出一种在谱延拓R-D域作二次距离徙动校正、搜索残留徙动斜...     

运动目标微多普勒特征提取方法

雷达目标的微多普勒效应为目标精确识别提供了新的技术途径;近年来获得了广泛研究。为了实现对目标微多普勒特征的快速准确提取,在对逆合成孔径雷达系统中含旋转部件运动目标雷达回波信号距离-慢时间二维谱图域分析的基础上,提出了一种基于图像域的微多普勒特征提取方法。利用二维谱图上微多普勒曲线的正弦周期特性,实现对不同微多普勒曲线的分离和参数的快速提取,从而获得目标真实的微动信息,为目标的快速准确识别提供了依据。最后,仿真实验验证了该方法的有效性。     

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。     

A new measure to characterize multifractality of sleep electroencephalogram

Traditional methods for nonlinear dy-namic analysis,such as correlation dimension,Lyapunov exponent,approximate entropy,detrended fluctuation analysis,using a single parameter,cannot fully describe the extremely sophisticated behavior of electroencephalogram (EEG). The multifractal for-malism reveals more “hidden” information of EEG by using singularity spectrum to characterize its nonlin-ear dynamics. In this paper,the zero-crossing time intervals of sleep EEG were studied using multifractal analysis. A new multifractal measure Δasα was pro-posed to describe the asymmetry of singularity spec-trum,and compared with the singularity strength range Δα that was normally used as a degree indi-cator of multifractality. One-way analysis of variance and multiple comparison tests showed that the new measure we proposed gave better discrimination of sleep stages,especially in the discrimination be-tween sleep and awake,and between sleep stages 3 and 4.