导读:本文包含了目标辨识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,神经网络,卷积,卡尔,证据,模型,模糊。
目标辨识论文文献综述
马卫华,袁大钟,孟思洋,罗建军[1]（2019）在《黏附激励下空间目标惯性参数的辨识方法》一文中研究指出针对黏附卫星会自然激励目标改变运动状态的现象,提出一种利用黏附激励进行空间非合作目标惯性参数的辨识方法。黏附前,利用主星对目标特征点的视觉测量,建立估计目标惯性参数与相对运动参数的滤波器,并估计目标的转动惯量比和质心;黏附后,主星直接利用该滤波器估计目标的新的质心速度,并基于动量守恒原理计算目标质量。该方法不仅充分利用黏附过程的自然激励,无需常规辨识必须的主动激励,而且激励前后算法一致,无需切换。数字仿真证实了算法的有效性。(本文来源于《宇航学报》期刊2019年10期）
苗晟,董亮,董建娥,钟丽辉[2]（2019）在《基于蜂窝网结构的多目标自动辨识定位方法》一文中研究指出针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度(PHD)滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。(本文来源于《计算机应用》期刊2019年11期）
刘蕊[3]（2019）在《羽流源目标提取与自主辨识方法研究》一文中研究指出随着科学技术的进步和工业的发展,许多化学危险用品在人类的生产生活中应用越来越广泛,在化工厂的生产制造过程中,羽流源发生泄漏的情况不少发生。当发生自然灾害和人为灾害的时候,人类参与亲临现场救援的情况也越来越多,这无疑会会使人力和财力造成巨大的损失。因此,在羽流源发生泄漏时,能够及时发现泄漏的羽流和进行定位,对减轻损失发生具有重要意义。本文的内容对羽流进行目标提取及自主辨识的工作,在前人的研究结果的基础上进一步进行羽流辨识研究。传统的羽流追踪仅运用了嗅觉传感器及风向传感器进行羽流寻源,本文提出应用视觉和嗅觉传感器相融合进行羽流寻源,减少了传感器的种类和数量,取得了更优辨识羽流源的效果。构建羽流和干扰物数据库,经归一化处理后,再将图像数据进行预处理,对羽流源提取灰度特征和形状特征。提取出的特征图像通过放入KNN算法、BP神经网络和SVM进行分类,得到的预测标签与已知的图像类别标签进行比较,得出测试集的正确率。但该方法在羽流进行特征提取和目标识别方面,测试集正确率不高且羽流等级难以精准分类。鉴于上述问题,本论文采用卷积神经网络,并将提出的改进卷积神经网络对羽流目标进行目标提取和辨识。在改进的卷积神经网络中,通过迁移学习的方法,并将SVM分类器替换原始的Softmax分类器,以提高实验测试集的正确率。实验结果表明改进卷积神经网络对不同类别羽流的识别精度较高,迭代次数减少。因此能够在更短的训练时间内实现更高的识别率,有良好的鲁棒性。通过搭建Simulink仿真平台对羽流源寻源过程进行模拟,并对运动过程参数进行分析,取得良好的应用效果。最后通过实验平台搭建进一步进行效果验证,实验平台采用TurtleBot移动机器人并搭建羽流传感器模块,进行羽流信息采集,通过上述方法对实验进行验证。此实验中通过视觉信息不能具体判断是哪种羽流泄漏,本文通过融合嗅觉传感器来采集羽流信息,对视觉的羽流寻源起到辅助支撑的作用,并取得良好的应用效果。(本文来源于《新疆大学》期刊2019-06-30）
李力[4]（2019）在《基于真实数据背景的侦察目标辨识考核软件设计》一文中研究指出本文提出了一种以真实数据为背景的目标辨识训练软件,用于电子侦察兵平时辅助训练。(本文来源于《电子技术与软件工程》期刊2019年12期）
王小梨,李良群,谢维信[5]（2019）在《UKF参数辨识的T-S模糊多模型目标跟踪算法》一文中研究指出针对非线性系统中机动目标动态模型不确定性问题,提出了一种新的基于UKF参数辨识的T-S模糊多模型机动目标跟踪算法。在提出的算法中,用多个语义模糊集对目标特征信息进行模糊表示,构建一个通用的T-S模糊语义多模型框架。在T-S模糊语义多模型中,使用模糊C回归聚类算法实现对前件参数的辨识,同时,为了实现系统的非线性特征,引入无迹卡尔曼算法辨识后件参数。仿真结果表明,提出的算法跟踪性能优于传统的交互多模型算法和交互多模型无迹卡尔曼滤波算法,在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时,能够有效地对目标进行精确跟踪。(本文来源于《信号处理》期刊2019年03期）
罗恒,李增辉,李建勋,李小波[6]（2019）在《基于F-CNN的雷达目标辨识算法》一文中研究指出针对雷达真实目标、地杂波和密集假目标的辨识问题,提出了一种基于分解卷积神经网络的雷达目标辨识算法。以深度可分离卷积为基础建立分解卷积神经网络模型。为了减少模型参数,通过减少卷积核数量和全连接层连接节点数量,减少识别特征种类,建立了精简分解卷积神经网络。实测数据的处理结果表明,该算法与现有卷积神经网络方法相比,精简分解卷积神经网络对真实目标样本、地杂波样本和密集假目标样本具有更高的识别正确率,且精简模型参数数量不到现有方法的十分之一。(本文来源于《雷达科学与技术》期刊2019年01期）
顾建辛[7]（2019）在《关于化学核心素养培育的微观思考——“宏观辨识与微观探析”素养培育中的目标与行为分析》一文中研究指出通过对"宏观辨识与微观探析"内涵关联性的分析,确定了与之相对应的学习层次及目标指向,并结合认知领域的学习行为的研究,明晰了在具体的教学行为上关于"宏观辨识与微观探析"发展的不同层级水平的目标要求,并尝试构建起"宏观辨识与微观探析"素养的培育过程的学习活动过程的基本程序模型,力图回答"宏观辨识与微观探析"素养培育过程中关于"学什么"、"怎样学"、"学到什么程度"以及"如何评价"等问题。(本文来源于《化学教学》期刊2019年01期）
周星宇[8]（2019）在《水下目标运动要素辨识及搜索策略研究》一文中研究指出水下无人航行器(Unmanned Underwater Vehicle,UUV)是一种可长期在水下执行作战或作业任务的无人潜器,在民用和军用方面都扮演着不可或缺的角色。作为水下平台使用时,UUV经常通过自身携带的被动声纳对水下目标的方位信息进行探测,以辨识水下目标的运动要素。本文针对水下目标运动要素的辨识,从目标运动要素的辨识算法和UUV搜索策略的优化算法两方面内容展开研究,主要研究内容如下:首先,针对本文仅利用水下目标方位信息对目标运动要素进行辨识的特性,对水下目标不同运动形式的运动学模型进行了分析,并给出了离散形式的系统方程和量测方程。分析了满足水下目标可观测条件下UUV应采取的搜索策略,给出了水下目标运动要素辨识的性能指标,为后续目标运动要素辨识算法的研究奠定基础。其次,针对水下目标运动要素的辨识问题与非线性估计理论的研究内容具有高度的相关性,基于粒子滤波算法展开水下目标运动要素辨识的研究。为了提高目标运动要素的辨识精度,设计了改进的扩展卡尔曼粒子滤波算法,该算法可以有效的降低粒子滤波算法中粒子退化和贫化现象对水下目标运动要素辨识的影响,并通过仿真验证了改进的扩展卡尔曼粒子滤波算法的有效性。再次,针对UUV完成一次完整的目标运动要素辨识中,被动声纳的量测精度在短时间内不可能再提高,并且该次辨识中采用的辨识算法也不可能发生改变。此时,优化UUV的搜索策略成为改善辨识效果的重要手段。以CRLB为理论依据,基于水下匀速直线运动的目标设计了UUV搜索策略的优化算法,并通过仿真验证了UUV搜索策略优化算法的有效性。最后,设计典型的案例,针对水下匀速直线运动的目标和水下变速运动的目标,展开目标运动要素辨识的对比仿真。对本文提出的目标运动要素辨识算法,以及UUV搜索策略的优化算法进行仿真验证,根据水下目标运动要素辨识的性能指标对辨识结果进行比较分析,证明了算法的有效性和优越性,旨在为下一步工程应用提供参考。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
周莉,郭伟震,何月明[9]（2018）在《基于多证据同步融合的目标辨识算法》一文中研究指出为提高不同类型冲突证据融合结果的可靠性,提出基于多证据同步融合的目标辨识算法。新算法先是通过分析证据之间的冲突状况,选择适用的冲突衡量参数,并相应给出基于不同参数的证据及源自于不同证据焦元的权值计算公式;进一步,依据新的焦元权值对多证据局部冲突信息实行按权指派。实例和仿真应用结果显示,与现有常用相关算法比较,新算法具有稳定性高、使用范围广泛的优点。(本文来源于《运筹与管理》期刊2018年10期）
寇添,周中良,刘宏强,杨远志,阮铖巍[10]（2018）在《空中点目标机动模式的双色比特征空间特性及辨识》一文中研究指出为了根据光谱特征维度对点目标机动模式进行辨识,建立了点目标机动模式与光谱信号的映射关系,研究了目标机动过程中观测方向点目标的多光谱辐射特性。提取多光谱辐射信号特征,构建了双色比特征空间模型。利用高斯混合模型的聚类方法,深入分析了双色比特征空间的迁移和可分性特性,得到了点目标不同机动模式特征子空间迁移矢量和相邻矢量夹角余弦的变化规律,并得到特征子空间可分的最小姿态角变化量Δα=6.25°,可分距离阈值Dth=2.6,这为辨识点目标机动模式提供了依据。根据双色比特征子空间的特性,提出了基于时序特征子空间的点目标机动模式辨识方法,仿真验证结果表明,该方法简单可行,对点目标的机动模式辨识具有较高的灵敏性和可分性,这对获取超视距作战环境中点目标的机动信息具有重大意义。(本文来源于《光学学报》期刊2018年12期）
目标辨识论文开题报告
（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：
针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度(PHD)滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。
（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。
目标辨识论文参考文献
[1].马卫华,袁大钟,孟思洋,罗建军.黏附激励下空间目标惯性参数的辨识方法[J].宇航学报.2019
[2].苗晟,董亮,董建娥,钟丽辉.基于蜂窝网结构的多目标自动辨识定位方法[J].计算机应用.2019
[3].刘蕊.羽流源目标提取与自主辨识方法研究[D].新疆大学.2019
[4].李力.基于真实数据背景的侦察目标辨识考核软件设计[J].电子技术与软件工程.2019
[5].王小梨,李良群,谢维信.UKF参数辨识的T-S模糊多模型目标跟踪算法[J].信号处理.2019
[6].罗恒,李增辉,李建勋,李小波.基于F-CNN的雷达目标辨识算法[J].雷达科学与技术.2019
[7].顾建辛.关于化学核心素养培育的微观思考——“宏观辨识与微观探析”素养培育中的目标与行为分析[J].化学教学.2019
[8].周星宇.水下目标运动要素辨识及搜索策略研究[D].哈尔滨工程大学.2019
[9].周莉,郭伟震,何月明.基于多证据同步融合的目标辨识算法[J].运筹与管理.2018
[10].寇添,周中良,刘宏强,杨远志,阮铖巍.空中点目标机动模式的双色比特征空间特性及辨识[J].光学学报.2018
论文知识图
