论文摘要
针对战场声目标识别的多重分形特性,提出了基于双维度变化的数学形态学多重分形计算方法。该方法定义了基于双维度变化的配分函数(DDCDF),同时引入回归分析对分形尺度与配分函数进行高精度拟合,确保采用两点式斜率计算作为分形维数的准确性;以运算速度与识别率为标准,筛选出最优尺度组合,并计算多重分形维数。通过半实物仿真对比试验验证了所提算法的运算效率较现有的形态学多重分形维数算法有明显提升;此外,将多重分形维数作为特征输入,使用支持向量机进行声目标识别,识别结果显示了该算法所提取的多重分形维数特征具有更好的区分度,其识别率比现有算法提升了23.5%,为战场声目标的非线性特征快速识别提供了一种有效的技术手段。
论文目录
文章来源
类型: 期刊论文
作者: 张坤,邸忆,顾晓辉
关键词: 数学形态学,多重分形,回归分析,快速算法,声目标识别
来源: 振动与冲击 2019年24期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 武器工业与军事技术,自动化技术
单位: 南京理工大学机械工程学院,武昌理工学院信息工程学院
基金: 国家自然科学基金(61263005)
分类号: E91;TP181
DOI: 10.13465/j.cnki.jvs.2019.24.029
页码: 203-208+248
总页数: 7
文件大小: 1255K
下载量: 51
相关论文文献
- [1].基于改进证据支持度的多传感器空中目标识别[J]. 计算机仿真 2020(07)
- [2].基于迁移学习的水声目标识别[J]. 计算机系统应用 2020(10)
- [3].水声目标识别技术的现状与发展[J]. 电子技术与软件工程 2019(18)
- [4].深度学习在遥感影像目标识别与定位中的应用研究[J]. 科技创新与应用 2019(34)
- [5].基于微服务的空天协同目标识别与监视系统设计与实现[J]. 软件 2019(11)
- [6].深度学习在水声目标识别中的应用研究[J]. 数字海洋与水下攻防 2020(01)
- [7].电子目标识别关键指标建模与分析[J]. 电子信息对抗技术 2019(04)
- [8].基于深度学习的航拍图像目标识别[J]. 数码世界 2019(05)
- [9].基于稀疏非负矩阵分解的低空声目标识别[J]. 声学技术 2020(01)
- [10].基于深度神经网络的雷达幅度序列目标识别[J]. 电脑知识与技术 2020(13)
- [11].水声目标识别技术现状与发展[J]. 指挥信息系统与技术 2018(02)
- [12].目标识别与人工智能高峰论坛征文通知[J]. 太赫兹科学与电子信息学报 2017(02)
- [13].视觉动态目标识别研究进展[J]. 北京联合大学学报 2013(04)
- [14].基于知识的合成孔径雷达图像目标识别研究[J]. 图书情报工作 2012(S1)
- [15].自平衡跟随机器人的目标识别及预测重拾策略[J]. 计算机与现代化 2019(05)
- [16].水下目标识别技术探究[J]. 数字通信世界 2019(04)
- [17].目标识别与人工智能高峰论坛征文通知[J]. 光学与光电技术 2017(03)
- [18].目标识别与人工智能高峰论坛[J]. 太赫兹科学与电子信息学报 2017(03)
- [19].领域自适应目标识别综述[J]. 中兴通讯技术 2017(04)
- [20].机载雷达图像目标识别模型仿真研究[J]. 计算机仿真 2014(12)
- [21].小波分析和神经网络在水下目标识别中的研究[J]. 计算机仿真 2011(02)
- [22].基于卷积神经网络迁移学习的飞机目标识别[J]. 现代雷达 2019(12)
- [23].基于神经网络的多类别目标识别[J]. 控制与决策 2020(08)
- [24].水下目标识别的规划融合算法[J]. 现代防御技术 2018(06)
- [25].浅谈舰船目标识别的方法和技术[J]. 舰船科学技术 2016(02)
- [26].基于微动特征的弹道导弹目标识别仿真分析[J]. 弹箭与制导学报 2010(01)
- [27].空中目标识别方法研究[J]. 中国新通信 2019(16)
- [28].无人机在海上舰船目标识别中的应用[J]. 舰船科学技术 2017(12)
- [29].粒子群的K均值聚类算法实现海上目标识别[J]. 舰船科学技术 2016(12)
- [30].导弹目标识别的最小贝叶斯风险分类器[J]. 现代防御技术 2012(01)