摘要：提出一种对雷达辐射源信号进行符号化分析的雷达辐射源信号脉内特征提取方法,该方法能够从信号中快速有效地提取定量信息。将符号化过程中反映信号自相关特性的采样时延和反映信号调制规律特性的香农熵作为脉内特征。通过对7种雷达辐射源信号仿真实验和数据分析表明:提取的样本特征在低信噪比(0~5 dB)情况下具有很好的抗噪性和可聚类性,同时算法计算简单快捷,能够简化分类器的设计,故有利于工程应用。

摘要：提出了一种应用于指静脉光学图像采集系统的新型光路设计,实现了基于最大曲率方法的指静脉提取,并对系统的有效性进行了实验验证。结果表明,采用本文方法的指静脉识别错误匹配率(FAR)为1.67%。

摘要：基于点的连通性及同一特征面测量点几何特征相似性 ,在特征曲面拟合误差控制下 ,实现了散乱数据二次曲面的区域分割 工程应用实例表明 :文中方法稳定可靠 。

摘要：提出了一种基于通信特征分析的蠕虫检测与特征提取技术,在解析蠕虫传播过程中特有的通信模式的基础上,评估通信特征集合间的相似度,通过检测传染性来检测蠕虫,这种方法具有更高的检测精度、通用性和适应性。在此基础上设计了启发式检测体系结构,利用盲目跟踪、意向跟踪和锁定跟踪从通信协议、通信序列和通信内容3个层次逐级排除非蠕虫通信,筛选出蠕虫报文组,提取出蠕虫特征码。这种技术大幅缩减了采集量和分析量,能在高强度背景噪声的干扰快速检测蠕虫并提取出相应的特征。

摘要：人在想象但未实施肢体或其他身体部位动作时,与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应,称为想象动作电位。想象动作电位的提取与分类是脑-机接口(BCI)技术的关键和难点。本文分别介绍了想象动作电位的时频分析、复杂度分析、相位耦合测量、多通道线性描述符、多维统计分析等特征提取方法和线性判别分析、人工神经网络、支持向量机等分类算法,以供BCI系统设计与研究时参考。

摘要：针对大型风机叶片裂纹故障声学诊断问题,提出一种非接触式的叶片状态远程在线声学监测系统,给出了叶片裂纹故障的声学特征自适应提取方法.首先设计了面向复杂环境噪声的原始声信号预处理算法,然后采用1/6倍频程粗略刻画叶片声信号的频谱总体变化趋势,提取无量纲的倍频程能量比构造支持向量机分类器的输入特征向量,最后引入主成分分析法自适应的优化高维特征空间.风场实测数据验证了该算法的有效性.

摘要：针对脉冲多普勒(PD)引信对抗信息型干扰能力不足的问题,提出一种基于目标联合特征提取的PD引信抗干扰方法。基于信息型干扰下PD引信基带滤波器的输出信号,结合PD引信目标函数,并利用二分类与单分类支持向量机构造引信期望信号空间,设计了基于目标联合特征提取和识别的PD引信原理样机。进行了抗干扰实验验证,结果表明,基于目标联合特征提取的PD引信原理样机抗干扰成功率大于90%,从而可知该方法能够显著提高PD引信抗干扰能力。

摘要：针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题,提出了一种基于3D特征动态融合的点云特征提取网络(3D feature dynamic fusion and residual u-net,DFRUNet)。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合,以充分提取点云中的有效信息;同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征,通过动态调整显著区域的权重,对该区域特征进行重点提取,以提高所提取特征的质量。将网络所提取特征映射到高维空间中,采用随机采样一致性(random sample consensus,RANSAC)算法完成点云配准。实验结果表明,在3DMatch数据集上,该算法特征匹配召回率(feature-match recall,FMR)达到了96.3%,相较于经典的FCGF算法提高了0.011。配准召回率(registration recall)达到了82.2%,提高了0.014。该方法充分提取了点云中的有效信息,达到了更高的召回率,对其他点云配准研究具有参考价值。

摘要：针对车辆轨迹数据具有整体运动变化趋势的特点,提出一种顾及轨迹趋势变化的特征提取算法.首先建立趋势确定集合和待定集合,并通过计算轨迹点的趋势变化量,以确定轨迹点所在趋势集合的趋势状态;进一步,将2个趋势集合的状态进行比较判断,从而避免外界干扰因素造成的趋势干扰,获得有效的整体运动趋势;最后根据趋势特征的约束条件进行特征判断,完成趋势特征的提取.实验结果表明,该算法效率优于传统的曲线拟合算法,有效地排除了因特殊情况产生的特征干扰,简单可行、可靠性好,满足组合导航匹配的应用需要.

摘要：由于视线方向上的网格单元前后相互影响,导致3D流场可视化面临遮挡和混乱问题,为此提出一种基于流场特征的多分辨率绘制方法.首先利用基于GPU的BP网络流场特征提取方法对流场典型特征或用户关注的新特征进行选取、训练和识别;在此基础上,利用Voronoi图技术对特征数据构造特征树;最后基于鱼眼视图多分辨率技术进行绘制.对绘制和性能进行测试的实验结果表明,该方法能有效地提取流场特征,降低遮挡和混乱对可视化效果影响.