简介：本文讲述了聚类分析方法的步骤，以及基于模糊C均值聚类识别方法的原理和模型，以及方法的步骤。运用模糊C均值聚类识别方法，对给定特征的样本数据进行了聚类识别，并利用最大隶属度的识别原则进行识别，计算结果表明是可行和有效的。

简介：摘要：面向现代战场集群作战需求，提出了一种基于DBSCAN聚类思想的战场群目标识别方法。该算法以目标位置、速度大小和方向为特征量，建立相异度计算模型，并根据相异度大小进行聚类。仿真结果表明，该算法能较为准确的识别出战场群目标，为群目标作战决策和战术规划提供支持。

简介：为解决水下目标的特征提取与识别问题，通过对被动地质呐目标噪声频谱特性的深入分析，给出了一种基于Welch谱估计的目标特征提取方法。对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取，采用BP神经网络和最近邻法对噪声样本进行了分类识别实验，结果证实了所提方法的可行性和有效性。研究结果可以用于被动声呐目标识别。

简介：通过建立弹道目标雷达散射截面积（RCS）序列的动态特性及识别分类的理论模型，介绍了一种基于RCS序列动态特性的弹道目标识别方法。首先，对RCS采样数据进行滤波除噪，提取进动RCS周期序列；然后，在时频域联合提取序列周期以及均值、变异系数和极差等统计特征；最后，考虑到动态特征反映目标固有特性的能力，应用多属性决策中的层次分析法（AHP）进行信息融合，完成了基于最优线性集成的RCS多特征综合识别。仿真试验表明该方法有效。

简介：摘 要：基于图像处理技术研究感兴趣区域的障碍物识别方法，利用图像处理技术进行滤波、去噪，边缘检测等预处理，通过Sobel算子测试，确定图像边缘检测算法，采用霍夫变换算法实现车道线检测，并通过对比图像每行灰度均值进行车辆前方目标感兴趣区域的获取。搭建matlab仿真平台对比分析图像数据，测试结果表明，该方法可实现前方车道线内车辆目标的有效检测与识别。

简介：摘,要：在研究CAN报文收发机制,帧结构等CAN通讯理论的基础上，研发了一套毫米波雷达收发控制器，实现控制器与毫米波雷达之间的数据收发功能。根据雷达的观测坐标值获得真实坐标值的最优估计，不断更新目标状态，尽可能消除雷达信号中的不良干扰。使用CANoe软件完成上位机显示界面开发，最终搭建毫米波雷达CAN网路通讯试验台架，证明了该雷达传感器信号通讯与处理方法的有效性。,关键词：毫米波雷达,MPC5604B，CAN总线,

简介：具有大小，位移，旋转不变性（TRSI）的目标识别是一个三阶问题，如果采用三阶神经网可以使问题得以解决，但最大难点就是互连权矩阵的组合爆炸问题，在本文中，我们将视觉生物物理学的研究成果应用到高阶神经网的研究中，首次提出双向Log-Polar变换与高阶网（HONN）结合的方法，有效地解决了权系数的组合爆炸问题，进一步提高了识别率。取得了突破性进展，使得将高阶网用于自动目标识别成为可能。

简介：文章提出了一种基于峰值匹配的SAR目标识别方法。采用最近邻匹配算法构建测试样本峰值特征集与模板样本峰值特征集之间的对应关系。在此匹配关系的基础上,设计了稳健的匹配度准则评价两组峰值特征集的匹配度,并根据最大匹配度的准则判定目标类别。在MSTAR数据集进行目标识别实验验证提出方法的有效性。

简介：在数据融合的基础上，以红外／毫米波双模传感器的智能融合结构为模型，将模糊神经网络与D-S证据理论相结合，提出了一种新的目标识别方法。该算法根据红外／毫米波传感器的性能及工作范围，构造模糊变量作为神经网络的输入，根据神经网络的不同输出判别目标的真伪，并利用D-S证据理论进行目标身份识别。仿真结果证明了该算法的可行性。

简介：摘要：近年来,深度学习技术的飞速发展为雷达目标识别提供了新的思路。深度学习方法能够自动学习数据中的高层次特征表示,在图像识别、语音识别等领域取得了显著成果。然而,传统的深度学习方法依赖于大量标注数据,在小样本场景下性能会显著下降。为了解决这一问题,小样本学习方法应运而生。小样本学习旨在利用少量标注样本实现对新类别的快速学习和适应。将小样本学习与深度学习相结合,有望突破传统雷达目标识别的瓶颈,实现复杂场景下的高精度、低成本识别。

简介：本文针对空间目标旋转、尺度、视点及亮度变化等问题,提出了一种基于特征区域的空间有形目标识别方法。首先结合空间信息匹配SIFT特征点,利用仿射变换生成特征区域,最后合成特征字典并使用支持向量机进行目标识别。仿真实验表明,本方法对空间目标旋转、尺度及视点等变化具有较好的稳定性。

简介：目标识别是弹道导弹防御的关键环节,同时也是防御系统最具挑战性的核心技术难题。从弹道导弹飞行中段和再入段雷达探测的需求出发,论述了目前国内外对弹道导弹雷达探测特征：雷达散射截面积（RCS）、一维距离像（HRRP）、逆合成孔径成像（ISAR）、极化特性等目标特征提取和识别方法,并讨论了基于上述特征的目标识别方法的优缺点。在此基础上,分析了未来弹道导弹目标特征识别技术的研究方向,为今后相关研究提供有益的思路。

简介：图像维数约简在简化计算复杂性的同时,尽可能地去除数据之间的相关,以较少的特征获得良好的分类效果.车标二值图像水平和垂直投影直方图能够很好地表示车标对象,但目标特征维数较大,选用局部线性嵌入(LLE)算法进行维数约简,最后使用最小距离分类器进行分类识别,得到很好的分类效果.通过交通卡口获得的实测彩色车辆图像进行试验,车标识别准确度较不降维识别提高了9%.

简介：动态规划检测前跟踪（DP—TBD）算法是一种检测微弱目标的检测方法，可明显改善信噪比，但检测目标的提取与识别仍是技术难点。利用轨迹特征剔除虚假目标，提出一种目标综合识别方案。仿真结果证明，该方案可有效剔除虚警并保留真实目标。

简介：摘 要：现阶段国内外对目标识别开展了广泛的研究，发现普遍都采用可见光图像的方式。基于红外图像理论对目标识别的研究依然存在着短板。由于可见光目标识别具有一定的环境限制，使得目标识别依然存在较大的难度。相比于可见光成像，红外成像具有很大的优势，因此针对使用红外图像对典型目标进行识别很有必要。

简介：在战场侦察雷达的应用中,对炸点目标的探测和识别,一直是一个重要课题。针对炸点和普通目标的回波特性作了讨论。文中研究了炸点和普通目标回波信号经动目标检测（MTD）处理后的特征,发现了两种目标特征谱在多普勒滤波器通道响应的特点,提出了一种在多普勒滤波器通道进行二元积累,设定检测门限来判定炸点目标的方法;另外,对目标多普勒响应的滤波器分布特征作了分析,利用炸点目标与普通目标的多普勒分布差的区别进行目标识别,并取得了很好的效果。

简介：摘要：针对传统的目标类型识别方法仅仅依赖于单模态信息，导致目标类型识别正确率较低。本文提出了基于多模态深度学习的目标类型识别方法。从实验结果可以看出，该方法能够综合考虑目标多个模态的特征，从而显著提升目标类型识别的正确率。

简介：摘 要：被动红外成像探测与识别技术是现代武器装备制导中十分重要的技术。该文对红外舰船目标图像的检测与识别方法进行研究，提出了一种基于质心矩形的红外目标识别方法，应用结果表明该方法可有效识别红外舰船目标，能为红外舰船目标自动检测与识别提供参考。

简介：支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象,提出了一种基于支持矢量机特征空间的模糊隶属度函数.多目标识别的仿真结果表明,采用这种模糊隶属度函数,能够减少目标的错分和拒分数量,提高识别率.

简介：【摘要】：基于光学遥感的目标检测与分类识别是遥感图像的研究热点之一，主要是研究遥感中是否存在目标及其检测、分割、提取和识别。遥感图像检测是获取大量地块信息的重要途径，目标分割是提高遥感图像质量的重要手段，通过一些方法和应用，能够提高检测目标的能力，让目标检测与识别的结果更加准确。因此，选择识别方法对于正确识别目标非常重要。本文概述了遥感图像目标检测和识别的处理框架，分析了目标检测的方法、图像分割的方法、特征提取和识别，以供未来研究参考。