导读:本文包含了目标特征提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:目标,特征,多普勒,海星,分解,基频,锥体。
目标特征提取论文文献综述
刘树吉[1](2019)在《结合线性与非线性特征提取与分类的SAR图像目标识别》一文中研究指出针对合成孔径雷达(SAR)目标识别问题,提出一种结合线性,非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上,分别利用稀疏表示(SRC)和核稀疏表示(KSRC)对两类特征进行分类。通过线性,非线性特征,分类器的结合,可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中,基于MSTAR数据集进行性能测试,结果表明提出方法的有效性。(本文来源于《电子设计工程》期刊2019年21期)
何其芳,吴义成,张群,罗迎,刘奇勇[2](2019)在《多重观测矢量模型下的微动目标特征提取》一文中研究指出针对传统基于压缩感知(CS)理论的微动目标特征提取方法不适用于宽带雷达目标的情况,以线性调频信号体制雷达为例,通过分析微动目标回波的内在特性,构建了一种微动目标回波的多重观测矢量(MMV)模型。结合频率估计算法与正交匹配追踪(OMP)算法进行MMV模型的稀疏表达求解,从而获得微动目标的特征参数。仿真结果表明,与传统基于单重观测矢量(SMV)模型的微动特征提取方法相比,噪声环境下采用MMV模型进行微动特征提取具有更强的鲁棒性。(本文来源于《太赫兹科学与电子信息学报》期刊2019年05期)
谢杨峻,李智,徐灿[3](2019)在《一种空间目标RCS序列的特征提取方法》一文中研究指出准确、快速判断空间目标的姿态运动模式,对于空间目标监测具有重要意义。针对空间目标雷达散射截面(Radar Cross Section,RCS)序列,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)与盒维数的特征提取方法。在频域对空间目标的雷达散射截面序列进行变分模态分解,得到若干本征模态分量,然后计算每个模态分量的盒维数以构造特征向量。采用前向反馈神经网络分类器验证识别效果,讨论了不同轨道高度对识别准确率的影响。结果表明上述方法能有效识别叁轴稳定类与旋转类的空间目标,相比传统的统计参数特征识别准确率提高约10%,并且识别率随轨道高度增加呈上升趋势。(本文来源于《计算机仿真》期刊2019年10期)
李秀坤,吴玉双[4](2019)在《掩埋目标声散射特征提取(英文)》一文中研究指出Elastic acoustic scattering is important for buried target detection and identification. For elastic spherical objects, studies have shown that a series of narrowband energetic arrivals follow the first specular one. However, in practice, the elastic echo is rather weak because of the acoustic absorption, propagation loss, and reverberation, which makes it difficult to extract elastic scattering features, especially for buried targets. To remove the interference and enhance the elastic scattering, the de-chirping method was adopted here to address the target scattering echo when a linear frequency modulation(LFM) signal is transmitted. The parameters of the incident signal were known. With the de-chirping operation, a target echo was transformed into a cluster of narrowband signals, and the elastic components could be extracted with a band-pass filter and then recovered by remodulation.The simulation results indicate the feasibility of the elastic scattering extraction and recovery. The experimental result demonstrates that the interference was removed and the elastic scattering was visibly enhanced after de-chirping, which facilitates the subsequent resonance feature extraction for target classification and recognition.(本文来源于《Journal of Marine Science and Application》期刊2019年03期)
徐华伟,颜晶晶[5](2019)在《图像压缩感知的目标跟踪多特征提取算法》一文中研究指出为了提高图像压缩跟踪过程中的目标跟踪性能,论文提出了一种具有随机生成多个特征的目标跟踪算法,通过划分子区域来确定随机生成的多个不同的图像特征进而实现目标跟踪。在每次计算候选位置的最高分类器得分后,结合Bhattacharyya系数来选择最优跟踪结果作为最终目标位置。减少了由图像不良特征确定目标位置的概率,有效地克服了诸如遮挡、形变或类似背景的影响。实验结果表明:相比单个特征提取,两个特征共同提取的中心位置误差平均减少了18.86%,边界框重迭率平均提升了14.14%,成功率平均提升了20.72%,且所提出的跟踪算法的计算速度与图像尺寸有关。(本文来源于《计算机与数字工程》期刊2019年09期)
孙士新,郑志蕴[6](2019)在《基于多尺度NNLoG特征提取的红外多目标检测遗传算法》一文中研究指出本文提出了一种基于多尺度NNLoG特征提取的红外多目标检测遗传算法。首先采用叁维匹配滤波器对不同速度的目标进行基于归一化LoG算子的目标检测,然后采用遗传算法对程序进行优化及加速。与传统算法相比,本文提出的方法检测效率高,检测效果好。并且可以自适应不同大小的目标。实验结果表明,提出的方法性能优良,搜索目标效率较高。(本文来源于《红外技术》期刊2019年09期)
李斌[7](2019)在《基于多分辨谱特征提取的鱼雷攻击目标检测》一文中研究指出为了提高鱼雷的攻击目标检测能力,提出基于多分辨谱特征提取的鱼雷攻击目标检测方法。采用主动探测方法构建鱼雷攻击目标的发射信号和回波信号模型,对回波信号采用小波降噪方法进行滤波处理,提高回波信号的信噪比,提取鱼雷对敌攻击目标回波探测信号的多分辨谱特征量,根据特征的聚焦性进行空间波束形成处理,结合方位估计和多普勒估计方法实现对目标方位的准确估计,采用联合参量分析和谱峰检测方法,实现对鱼雷攻击目标的准确检测和目标方位识别。仿真结果表明,采用该方法进行鱼雷攻击目标检测的抗干扰能力较强,准确检测概率较高,具有很好的目标检测和识别能力。(本文来源于《智能计算机与应用》期刊2019年05期)
鲁逸杰,宫志华,张群,王剑钦,李开明[8](2019)在《基于变分模态分解的进动目标微多普勒特征提取方法》一文中研究指出针对在低信噪比条件下微动特征不能有效提取的问题,提出基于变分模态分解(VMD)的微多普勒特征分析方法。该方法对Gabor时频分布结果进行高斯平滑滤波处理并结合VMD将微动曲线分解成若干独立曲线,由分解得到的曲线结合其微多普勒曲线特征来估计目标的自旋频率和锥旋频率。仿真结果表明,该方法能够在低信噪比条件下将目标的微动曲线分解成若干独立曲线,并获得其微动频率。(本文来源于《探测与控制学报》期刊2019年04期)
高强,鲁建华[9](2019)在《基于声呐图像的海洋目标矩特征提取方法性能分析》一文中研究指出使用基于图像声呐的声学方法对养殖过程进行监测,所需解决的关键问题是海星与扇贝这两种水下目标声学图像的分类识别。结合水声图像预处理后的图像特点,选取小波矩作为特征量用于描述目标特征。通过进行水声图像特征提取试验,该文研究了目标种类、空间变换种类、计算特征量所用数据范围叁种因素的变化对所提取矩特征量各阶矩值的影响,并对比了不同方法的计算耗时。试验结果验证了小波矩对平移、尺度、旋转变换能够保持良好的不变性,并具有一定抗噪性。将小波矩运用于图像声呐扫描实验所采集得的海星和扇贝声学图像的分类识别,获得85.3%的识别准确率。得出结论,使用小波矩进行水声图像识别具备实际应用可行性和进一步研究价值。(本文来源于《第十七届船舶水下噪声学术讨论会论文集》期刊2019-08-21)
后方帅,黎美琪,刘若伦[10](2019)在《利用谐波显着度和语者音色特征的混合语音中目标人基频轨迹提取》一文中研究指出从混合语音中提取出目标语者的基频轨迹,是语音监听、语音门禁、对话管理等应用的关键技术。为提高基频轨迹跟踪的准确率、增强抗八度误差的能力、降低系统复杂度,多基频估计以谐波乘积谱为核心,八度校正与基频分组均以元音段为基本单元,并结合了谐波显着度和语者音色特征。基于MIREX2005语音数据集的实验表明,MIREX的4种多基频估计性能指标均在75%以上,基频分组在混合语音中的判断准确率可达92%。(本文来源于《声学技术》期刊2019年04期)
目标特征提取论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对传统基于压缩感知(CS)理论的微动目标特征提取方法不适用于宽带雷达目标的情况,以线性调频信号体制雷达为例,通过分析微动目标回波的内在特性,构建了一种微动目标回波的多重观测矢量(MMV)模型。结合频率估计算法与正交匹配追踪(OMP)算法进行MMV模型的稀疏表达求解,从而获得微动目标的特征参数。仿真结果表明,与传统基于单重观测矢量(SMV)模型的微动特征提取方法相比,噪声环境下采用MMV模型进行微动特征提取具有更强的鲁棒性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目标特征提取论文参考文献
[1].刘树吉.结合线性与非线性特征提取与分类的SAR图像目标识别[J].电子设计工程.2019
[2].何其芳,吴义成,张群,罗迎,刘奇勇.多重观测矢量模型下的微动目标特征提取[J].太赫兹科学与电子信息学报.2019
[3].谢杨峻,李智,徐灿.一种空间目标RCS序列的特征提取方法[J].计算机仿真.2019
[4].李秀坤,吴玉双.掩埋目标声散射特征提取(英文)[J].JournalofMarineScienceandApplication.2019
[5].徐华伟,颜晶晶.图像压缩感知的目标跟踪多特征提取算法[J].计算机与数字工程.2019
[6].孙士新,郑志蕴.基于多尺度NNLoG特征提取的红外多目标检测遗传算法[J].红外技术.2019
[7].李斌.基于多分辨谱特征提取的鱼雷攻击目标检测[J].智能计算机与应用.2019
[8].鲁逸杰,宫志华,张群,王剑钦,李开明.基于变分模态分解的进动目标微多普勒特征提取方法[J].探测与控制学报.2019
[9].高强,鲁建华.基于声呐图像的海洋目标矩特征提取方法性能分析[C].第十七届船舶水下噪声学术讨论会论文集.2019
[10].后方帅,黎美琪,刘若伦.利用谐波显着度和语者音色特征的混合语音中目标人基频轨迹提取[J].声学技术.2019