简介:针对基于周期模糊函数的伪码调相连续波雷达信号的参数提取,分析了在有限采集时间下噪声对参数估计精度的影响。首先推导了伪码调相连续波雷达信号的周期模糊函数,给出了基于周期模糊函数的参数估计方法;然后分析了参数估计受噪声影响的原因,推导了在模糊函数变换中,这些由噪声所产生项(不期望项)的均值和方差,并进行了仿真分析。结果表明,截获信号模糊函数的噪声项方差及噪声功率大小与有限采样时间有关,随着采样数据的增大,噪声的方差趋于无限小,对参数估计精度的影响也越来越小。
简介:极化是雷达目标具有的特性之一。以电磁散射计算仿真的圆锥形弹头模型、球形和圆柱形诱饵模型为研究对象,在极化不变量理论基础上对这些简单目标的极化特性进行了试验分析研究,提出了一种新的组合极化不变量特征(功率矩阵迹与行列式的比值)用于雷达目标识别,并给出了其对应实际的物理意义。文中以SVM为分类器,提出基于功率矩阵迹、去极化系数和功率矩阵迹与行列式的比值特征进行分类识别,结果表明,该方法可以有效地将弹头和诱饵进行分类识别。
简介:摘要:近几十年来,在业内专家学者的努力下语音识别技术取得显著进步,已经从实验室走向市场。在这个过程中,深度学习和神经网络的发展做出不少贡献,但神经网络依赖大量数据而且神经网络模型具有不确定性,当训练数据与目标数据分布存在差异时识别效果可能非常差。在一些领域我们对识别系统的精度要求非常高。我们已经明显感觉到,语音识别技术在工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域都可以发挥重要作用。探索使用HMM模型来识别孤立词在我们的生活中具有重大意义。隐马尔可夫模型是成熟的模型,在语音识别,机器视觉等多个领域有着广泛的应用。隐马尔可夫模型能够很好地为语音等序列数据建模,可以很好地描述序列数据之间的关系。隐马尔可夫模型与GMM模型的完美融合可以使HMM模型在语音识别中更好地对状态进行建模从而提高识别率。因为GMM模型的加入使得HMM的观测矩阵更真实地贴近观测概率。加入GMM的HMM模型经过5个人的数据的训练其识别精确度可以达到87%。在数据量得到扩充的前提下效果有望达到100%。