排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
通过小波包分析提取战场声信号不同频带上的能量作为特征向量,设计了遗传神经网络作为战场声目标识别的分类器,克服了传统BP神经网络容易陷入局部最小点的缺陷,通过Matlab仿真对比实验结果,证明遗传神经网络能够提高战场声目标的识别率。 相似文献
2.
提出一种基于多尺度分频和变权的战场声目标分类与识别的快速算法,为战场环境下快速识别典型声目标提供了一种实用方法.首先对信号进行离散傅立叶变换,获得幅频谱,对幅频谱进行平滑递推滤波,之后对其进行多尺度分频,在同一尺度上求取幅值均值,并对其进行定量归一化,将归一化后的数组作为此尺度上的特征向量,多次训练获得大量特征向量数组,基于相似性系数的特性,从中提取特征向量模板,并给出模板相应的权重.最后,采用基于相似性系数的分类器,对信号进行分类与识别.并将此算法与传统的特征提取算法进行试验对比.试验结果表明,基于多尺度分频和变权的战场声目标分类与识别算法简单有效、识别率高、计算周期短、实时性好、适合目标跟踪时间较短的场合. 相似文献
1