作者:王奕波,施海荣,赵伟 单位:中国科学院电子学研究所;国家自然科学基金委员会信息科学部 出版:《电子与信息学报》2014年第12期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFDZYX2014120300 DOC编号:DOCDZYX2014120309 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于CEEMDAN-SVM的液压泵故障诊断方法研究》PDF+DOC2016年第01期 李锋,林阳阳,赵辉,晁苏全,王浩 《支持向量机的车载雷达点云目标识别》PDF+DOC2016年第05期 李海亭,王厚之,李艳红,汪汇兵 《基于人体姿态的PSO-SVM特征向量跌倒检测方法》PDF+DOC2017年第10期 麻文刚,王小鹏,吴作鹏 《电子干扰机干扰效果评估》PDF+DOC2020年第01期 亓亮,李圳峰,李鹏 《基于传感器的舰船机电设备状态监测》PDF+DOC2020年第10期 王利卿 《应用多传感器和SVM的跌倒检测系统》PDF+DOC2019年第04期 朱旭昇 《基于改进ReliefF算法的哑铃动作识别》PDF+DOC2019年第32期 刘国平,王南星,周毅,汪文博,唐慜越 《雷达副瓣跟踪机理分析》PDF+DOC2018年第11期 石一鸣 《一种基于数字波束形成的副瓣对消新技术》PDF+DOC2000年第01期 尹以新,何明浩,陈蓓,彭世蕤 《基于特征提取的飞机结冰严重程度识别》PDF+DOC2014年第02期 郑定富,周灿,叶林,葛俊锋,邹建红,黄昌尧
  • 传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论:副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增大。在此基础上提出一种基于信号幅相特性的副瓣跟踪识别方法:构造以差和幅度比、和差相位差为描述子的幅相特征向量,采用支持向量机(SVM)对特征向量进行分类完成识别过程。实验结果表明,该文方法识别准确率高,鲁棒性、实时性、通用性强。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。