基于 Web 語義的艦船雷達(dá)目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì)

張　佳（長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020）

基于 Web 語義的艦船雷達(dá)目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì)

張佳
（長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020）

針對(duì)艦船雷達(dá)信號(hào)目標(biāo)的識(shí)別方式簡單、識(shí)別度低的情況，文中提出基于 Web 語義的艦船雷達(dá)回波自動(dòng)識(shí)別系統(tǒng)。因?yàn)槔走_(dá)信號(hào)目標(biāo)特征信息點(diǎn)分散且繁雜，在語義 Web 網(wǎng)下取得雷達(dá)信號(hào)目標(biāo)圖像的數(shù)據(jù)特征，運(yùn)用改進(jìn) FastICA 算法提取特征數(shù)據(jù)后，通過智能雷達(dá)回波視頻圖像識(shí)別系統(tǒng)，對(duì)艦船目標(biāo)圖像進(jìn)行分析。實(shí)驗(yàn)證明，基于 Web 語義的艦船雷達(dá)目標(biāo)識(shí)別系統(tǒng)，能使大量信息被系統(tǒng)充分利用，達(dá)到精確識(shí)別艦船雷達(dá)圖像目標(biāo)的目的。

Web 語義；圖像特征提??；FastICA 算法；圖像識(shí)別；智能雷達(dá)回波系統(tǒng)

0　引 言

目前，雷達(dá)信號(hào)的目標(biāo)識(shí)別技術(shù)發(fā)展很快，而海上艦船雷達(dá)信號(hào)目標(biāo)自動(dòng)識(shí)別系統(tǒng)仍然是當(dāng)今研究的重點(diǎn)［1］。在重要技術(shù)環(huán)節(jié)上，世界上其他國家都開展了探究并獲得一定的研究成果。文獻(xiàn)［2］提出探究雷達(dá)信號(hào)識(shí)別艦船物理原理和散射體聲波數(shù)學(xué)模塊的方法。文獻(xiàn)［3］則采用現(xiàn)代信號(hào)處理技術(shù)提取雷達(dá)信號(hào)回波中的特征數(shù)據(jù)，采用人工智能識(shí)別方式獲取特征識(shí)別數(shù)據(jù)的方法，然后設(shè)置分類器進(jìn)行識(shí)別。但是雷達(dá)信號(hào)特征數(shù)據(jù)的信息圖像經(jīng)常分散存在，采用傳統(tǒng)方法對(duì)獲取統(tǒng)計(jì)數(shù)據(jù)進(jìn)行精確分析十分困難，也不能精確識(shí)別目標(biāo)特征點(diǎn)［4-5］。所以對(duì)于種類繁多的海上雷達(dá)目標(biāo)，需要設(shè)計(jì)一種創(chuàng)新有效的雷達(dá)目標(biāo)自動(dòng)識(shí)別系統(tǒng)，這也是日后現(xiàn)代軍事發(fā)展中一個(gè)需要重點(diǎn)研究的方向［6］。

本文對(duì)艦船雷達(dá)信號(hào)目標(biāo)特征自動(dòng)識(shí)別系統(tǒng)的建立過程中，提出在 Web 網(wǎng)絡(luò)中對(duì)艦船雷達(dá)目標(biāo)圖像進(jìn)行數(shù)據(jù)整合，形成數(shù)據(jù)庫［7］，運(yùn)用基于 ICA 算法為基礎(chǔ)的改進(jìn) FastICA 算法［8］，對(duì)雷達(dá)目標(biāo)圖像進(jìn)行提取，在此基礎(chǔ)上，對(duì)提取信息實(shí)施及時(shí)分析。采用智能雷達(dá)回波視頻圖像識(shí)別系統(tǒng)，以回波視頻圖像的基本要素和回波變化特征為基礎(chǔ)，結(jié)合基于無監(jiān)督投影的識(shí)別算法［9-10］，運(yùn)用操控雷達(dá)人員從實(shí)踐中逐漸累積的常識(shí)及經(jīng)驗(yàn)，對(duì)簡易判斷規(guī)則進(jìn)行概括，同時(shí)變換為計(jì)算機(jī)程序，運(yùn)用上述判斷規(guī)則，與具有類似智能分析識(shí)別效果的方法共同使用，實(shí)現(xiàn)雷達(dá)目標(biāo)識(shí)別。將推理判決機(jī)制技術(shù)與優(yōu)越的人工智能分析技術(shù)結(jié)合，構(gòu)建了基于 Web 網(wǎng)絡(luò)下的技術(shù)綜合、操作快捷、服務(wù)作戰(zhàn)的海上目標(biāo)雷達(dá)回波圖像自動(dòng)識(shí)別系統(tǒng)。

1　雷達(dá)回波自動(dòng)識(shí)別系統(tǒng)組成

海上目標(biāo)雷達(dá)回波視頻圖像識(shí)別系統(tǒng)由語義 Web雷達(dá)目標(biāo)數(shù)據(jù)庫、智能識(shí)別、推理判決機(jī)制 3 部分組成，系統(tǒng)構(gòu)成和信息流程如圖1所示。

圖1　雷達(dá)回波系統(tǒng)設(shè)計(jì)圖Fig.1　Radar system design

進(jìn)行雷達(dá)目標(biāo)自動(dòng)識(shí)別的基礎(chǔ)過程及原理是：操作雷達(dá)人員通常在工作過程中會(huì)積累并形成思想定式，對(duì)艦船雷達(dá)信號(hào)特征信息圖像具有相當(dāng)程度的識(shí)別能力，通過對(duì)雷達(dá)目標(biāo)回波視頻特征圖像的非智能判斷，將采集的回波視頻樣本通過語義 Web 網(wǎng)對(duì)數(shù)據(jù)進(jìn)行重新組合，推出最佳方案，將數(shù)據(jù)輸出到雷達(dá)信號(hào)目標(biāo)識(shí)別數(shù)據(jù)庫中；與此同時(shí)，針對(duì)關(guān)鍵性信號(hào)目標(biāo)圖像，通過對(duì)圖像分割模塊處理，再獲取目標(biāo)圖像特征點(diǎn)，回傳到回波特征數(shù)據(jù)庫中，作為日后分析圖像的樣本圖像。判決策略則是智能分析技術(shù)回波判斷推理系統(tǒng)，將分布于不同空間的雷達(dá)信號(hào)目標(biāo)圖像特征點(diǎn)進(jìn)行歸納、對(duì)比、堆集、判斷及改正的綜合智能判斷系統(tǒng)。重要作戰(zhàn)時(shí)刻，要求迅速、精確、自動(dòng)辨別雷達(dá)信號(hào)目標(biāo)圖像，首先對(duì)未曾出現(xiàn)的圖像信息特征點(diǎn)進(jìn)行檢索，依據(jù)此圖像特征點(diǎn)在大批量樣本圖像數(shù)據(jù)庫中進(jìn)行快速對(duì)比鑒定，根據(jù)判斷推理機(jī)制進(jìn)行判別，將判斷結(jié)果進(jìn)行智能分析，回傳數(shù)據(jù)庫中儲(chǔ)存，并輸出雷達(dá)信號(hào)目標(biāo)圖像。

1.1Web 語義下雷達(dá)目標(biāo)識(shí)別數(shù)據(jù)庫

雷達(dá)信號(hào)目標(biāo)回波特征識(shí)別體系是一種軟硬件相結(jié)合的高速實(shí)時(shí)自動(dòng)化識(shí)別系統(tǒng)。因?yàn)榕灤繕?biāo)特征的信息量過大，并且傳統(tǒng)方法識(shí)別目標(biāo)單一，所以，需要引入全新的思考方向和思維方式，語義 Web 網(wǎng)力圖實(shí)現(xiàn)的是目前所有網(wǎng)路數(shù)據(jù)的無縫式信息連接，能被計(jì)算機(jī)自動(dòng)處理，提高了回波系統(tǒng)對(duì)艦船雷達(dá)目標(biāo)識(shí)別的精確度。在語義描述層中，供應(yīng)一個(gè)語義維度，使之無論是層次內(nèi)部還是外部，都能有效地進(jìn)行圖像特征數(shù)據(jù)的重組和交互。圖像數(shù)據(jù)語義需要添加到 Web 網(wǎng)服務(wù)組合模型中，在推理機(jī)和組合編輯器的共同作用下，獲取最佳分析數(shù)據(jù)，供數(shù)據(jù)庫使用。圖2是雷達(dá)回波圖像特征信息數(shù)據(jù)庫在語義 Web 網(wǎng)中的數(shù)據(jù)庫功能模塊。

圖2　雷達(dá)回波圖像在語義Web網(wǎng)的數(shù)據(jù)庫結(jié)構(gòu)Fig.2　Radar echo images in the semantic Web database structure

上述模型主要功能包括 Web 服務(wù)語義網(wǎng)的建模、對(duì)雷達(dá)信號(hào)目標(biāo)圖像數(shù)據(jù)進(jìn)行處理，將 Web 服務(wù)語義網(wǎng)絡(luò)和需求推理運(yùn)算綜合運(yùn)用，獲得可行的Web 服務(wù)分析方案，最后評(píng)估出最佳方案，返回用戶端，實(shí)現(xiàn)在 Web 網(wǎng)環(huán)境下雷達(dá)信號(hào)目標(biāo)數(shù)據(jù)的重新組合。

1.2雷達(dá)回波系統(tǒng)智能識(shí)別的實(shí)現(xiàn)

在實(shí)現(xiàn)回波智能系統(tǒng)時(shí)可操作的具體方法如下：1）雷達(dá)回波視頻圖像特征點(diǎn)的總結(jié)；2）建立雷達(dá)目標(biāo)視頻圖像特征點(diǎn)數(shù)據(jù)庫；3）雷達(dá)信號(hào)目標(biāo)圖像分析和特征點(diǎn)的獲?。?）以目標(biāo)圖像檢測和圖像配比識(shí)別為目標(biāo)。接下來在建立雷達(dá)信號(hào)目標(biāo)識(shí)別系統(tǒng)時(shí)，總體必須體現(xiàn)為智能分析和智能運(yùn)作。首要第一步是了解回波視頻圖像辨識(shí)范圍內(nèi)的大部分定義、本相、關(guān)聯(lián)和方式方法等，包括解決智能系統(tǒng)問題依據(jù)的基礎(chǔ)判斷知識(shí)以及建立雷達(dá)信號(hào)目標(biāo)識(shí)別數(shù)據(jù)庫的判斷知識(shí)，一方面是由雷達(dá)信號(hào)專業(yè)分析人員（操作雷達(dá)人員及重要技術(shù)人員）獲?。涣硪环矫媸峭ㄟ^收集大量關(guān)鍵性回波視頻資料圖像，運(yùn)用雷達(dá)信號(hào)專項(xiàng)技術(shù)智能處理系統(tǒng)分析獲??；最后完善智能分析系統(tǒng)中數(shù)據(jù)知識(shí)的形式邏輯和保存工作，以確保數(shù)據(jù)知識(shí)的精確性、統(tǒng)一性、完備性。

在智能系統(tǒng)構(gòu)建過程添加模塊存儲(chǔ)器，使之在Web 語義環(huán)境中對(duì)大量雷達(dá)目標(biāo)進(jìn)行處理。先檢測存儲(chǔ)，再進(jìn)行高速智能重組精確分析，識(shí)別后輸出最佳有效數(shù)據(jù)，使人工判讀和現(xiàn)代自動(dòng)識(shí)別機(jī)制結(jié)合成智能自動(dòng)識(shí)別系統(tǒng)。

圖3　圖像數(shù)據(jù)智能識(shí)別模塊圖Fig.3　Figure image data intelligent identification module

1.3推理判決機(jī)制的實(shí)現(xiàn)

雷達(dá)目標(biāo)回波特征提取是對(duì)目標(biāo)進(jìn)行自動(dòng)識(shí)別的基礎(chǔ)，并且回?fù)芤曨l圖像自動(dòng)分析系統(tǒng)中的識(shí)別推理判決機(jī)制至關(guān)重要。在判決機(jī)制方面，構(gòu)造目標(biāo)基于知識(shí)模式型的識(shí)別方法，建立雷達(dá)回波顯影特征的推理機(jī)制判決策略。獲得必要的4 類目標(biāo)數(shù)據(jù)及回波變化視頻圖像特征點(diǎn)后，通過獲取人工觀測雷達(dá)回波的成像特征，對(duì)目標(biāo)雷達(dá)圖像進(jìn)行判斷。由于操作雷達(dá)人員具備大量的原始積累，部分操作雷達(dá)人員具有相當(dāng)高的水平；智能識(shí)別系統(tǒng)中，人工不能實(shí)現(xiàn)的部分是對(duì)雷達(dá)信號(hào)目標(biāo)特征點(diǎn)的自動(dòng)提取?，F(xiàn)將人工判斷與智能識(shí)別功能綜合運(yùn)用，技術(shù)方面互相交互，從而產(chǎn)生了以雷達(dá)信號(hào)回波視頻圖像為基礎(chǔ)的智能識(shí)別系統(tǒng)。運(yùn)用此系統(tǒng)采集得到的真實(shí)艦船目標(biāo)回波數(shù)據(jù)，對(duì)目標(biāo)進(jìn)行粗略分類，運(yùn)用共性策略和個(gè)性策略反應(yīng)出目標(biāo)的差異性，從共性中尋找個(gè)性，從個(gè)性中推理判斷目標(biāo)的程序。在雷達(dá)目標(biāo)的人工判別過程中，操作雷達(dá)人員運(yùn)用關(guān)聯(lián)推理判斷方法，即以雷達(dá)信號(hào)多空間特征點(diǎn)為依據(jù)，通過知識(shí)判斷規(guī)則，運(yùn)用普通思考方法，判斷其真實(shí)性質(zhì)。從底層向上層，各層雷達(dá)信號(hào)回波視頻特征點(diǎn)向均上層輸出信號(hào)，基于底層收集的初始視頻信號(hào)進(jìn)行推理判斷，得出最佳數(shù)據(jù)組合。智能系統(tǒng)運(yùn)用正面推理判斷的過程如下：

1）初選規(guī)則前件庫中第Ⅰ 條規(guī)則（原始值 Ⅰ=1）；

2）依據(jù)規(guī)則的保證條件，尋找是否有數(shù)據(jù)庫進(jìn)行數(shù)據(jù)支持；

3）若匹配完成，將規(guī)則結(jié)果儲(chǔ)存于數(shù)據(jù)庫；

4）篩選下一條規(guī)則（Ⅰ=Ⅰ+1）；

5）依據(jù)以上的反復(fù)過程，直至不再重復(fù)此過程，得到最終數(shù)據(jù)，以此數(shù)據(jù)為基準(zhǔn)，做出推理判斷，運(yùn)用 PROLOG 開發(fā)語言編程，將人工判斷的數(shù)據(jù)變換成計(jì)算機(jī)程序語言，最終輸出數(shù)據(jù)圖像。圖4為判決推理模型。

圖4　判決推理模型Fig.4　Judgment reasoning model

2　實(shí)現(xiàn)回波系統(tǒng)識(shí)別圖像及改進(jìn) FastICA 算法

2.1改進(jìn) FastICA 算法

雷達(dá)信號(hào)目標(biāo)自動(dòng)識(shí)別系統(tǒng)是以目標(biāo)及周圍空間雷達(dá)信號(hào)回波視頻數(shù)據(jù)為基礎(chǔ)，根據(jù)目標(biāo)和環(huán)境的雷達(dá)回波信號(hào)，運(yùn)用目標(biāo)電磁散射分布機(jī)理，獲取目標(biāo)數(shù)據(jù)特征點(diǎn)，完成對(duì)目標(biāo)性質(zhì)和類別自動(dòng)判斷。信號(hào)目標(biāo)的多層結(jié)構(gòu)信息量是雷達(dá)自動(dòng)識(shí)別目標(biāo)的重要依據(jù)，由于舊式雷達(dá)識(shí)別信號(hào)的數(shù)據(jù)具有不準(zhǔn)確性，不能達(dá)到識(shí)別目標(biāo)的目的，本文的智能雷達(dá)識(shí)別系統(tǒng)是對(duì)雷達(dá)技術(shù)發(fā)展的進(jìn)一步探究，提出了一種基于獨(dú)立分析的改進(jìn)算法——FastICA 算法，將相應(yīng)的數(shù)據(jù)組成向量，作為目標(biāo)特征向量，結(jié)合雷達(dá)目標(biāo)智能識(shí)別系統(tǒng)進(jìn)行工作。具體算法如下：

針對(duì)高分辨率雷達(dá)信號(hào)特征，采用近似負(fù)熵作為目標(biāo)函數(shù)，利用快速梯度搜索算法進(jìn)行運(yùn)算。設(shè) X為經(jīng)過處理后的信號(hào)（均值為 0，方差為 1），w為 ICA模型中待估計(jì)的分離矩陣 W 與獨(dú)立分量 si相對(duì)應(yīng)的行向量，滿足：

FastICA 算法的基本思想是：需找投影向量 wi，使得 X 在 wi上面的投影 wiTX 非高斯最大。實(shí)際中，由于概率密度分布函數(shù)未知，因此采用基于概率密度函數(shù)的負(fù)熵計(jì)算很不方便，運(yùn)用更有效的負(fù)熵近似值計(jì)算公式：

式中：G（）為非二次函數(shù)；v為一個(gè)標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)變量。FastICA 算法通過尋找，使得 J（wi）取極大值的投影方向 wi，相應(yīng)得到一個(gè)獨(dú)立分量 si。使 J（wi）取極大值，則要求

式（3）中g(shù)（）為 G（）的導(dǎo)數(shù)，由牛頓迭代定理，得

式中：

對(duì)公式進(jìn)行歸一化處理，得到

按照式（4）進(jìn)行迭代，收斂得到的wiT對(duì)應(yīng)分離矩陣 W的行向量，可提出一個(gè)獨(dú)立分量 si。對(duì)于多個(gè)獨(dú)立分量，可反復(fù)重復(fù)上述過程進(jìn)行分離，得到矩陣W，獲得混合矩陣 A，以此作為樣本特征向量。

綜述以上算法，完成了復(fù)雜的雷達(dá)回波數(shù)據(jù)分析，提取了雷達(dá)目標(biāo)回波視頻圖像的特征點(diǎn)，為識(shí)別圖像提供了依據(jù)。

2.2雷達(dá)目標(biāo)回波圖像識(shí)別

雷達(dá)信號(hào)目標(biāo)識(shí)別系統(tǒng)核心數(shù)據(jù)經(jīng)過預(yù)先處理、特征提取后，為保證識(shí)別系統(tǒng)的快速響應(yīng)能力，提出了基于圖像矩陣的無監(jiān)督鑒別投影方法。為避免目標(biāo)識(shí)別與分類器發(fā)生錯(cuò)分，投影準(zhǔn)則應(yīng)確保雷達(dá)目標(biāo)樣本圖像在使用該準(zhǔn)則后，能選取最小化局部散度的同時(shí)，使非局部散度最大化，通過如下圖像矩陣準(zhǔn)則函數(shù)，來實(shí)現(xiàn)雷達(dá)目標(biāo)識(shí)別：

首先，局部散度函數(shù)定義為：

非局部散度函數(shù)定義為：

其次，準(zhǔn)則函數(shù)實(shí)現(xiàn)步驟如下：

如果投影軸 w 取為單位矢量（wTw=1），式（8）可以表示最優(yōu)模型

通過求廣義矩陣式（10）的前d個(gè)最大特征值，所對(duì)應(yīng)的單位特征矢量可以使準(zhǔn)則函數(shù)公式（9）最大化。

無監(jiān)督鑒別投影算法能使雷達(dá)目標(biāo)圖像的識(shí)別率及穩(wěn)定性都達(dá)到最佳效果，使艦船雷達(dá)目標(biāo)識(shí)別系統(tǒng)對(duì)雷達(dá)目標(biāo)實(shí)現(xiàn)最優(yōu)化，成功且準(zhǔn)確地識(shí)別艦船雷達(dá)目標(biāo)圖像。

3　實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證該算法的精確度和穩(wěn)定性，通過實(shí)驗(yàn)比較傳統(tǒng)算法與無監(jiān)督鑒別投影算法在 Matlab 環(huán)境下的編程，把 2 種算法進(jìn)行對(duì)比、測試，得出實(shí)驗(yàn)結(jié)果。

2）實(shí)驗(yàn) 1

從目標(biāo)庫中取出 10 幅雷達(dá)目標(biāo)圖像作為樣本圖像，在仿真環(huán)境下，對(duì)其特征向量提取時(shí)間 T（s）、圖像精確度 Q（％）、誤差率 L（％）實(shí)行比較，得到結(jié)果如表1所示。

表1　兩種算法比較數(shù)據(jù)表Tab.1 Table comparative data of the two algorithms

圖5　傳統(tǒng)算法的艦船雷達(dá)對(duì)目標(biāo)識(shí)別效果Fig.5　The traditional algorithm of ship radar target recognition effect

由表1可看出，無監(jiān)督鑒別投影算法對(duì)艦船雷達(dá)目標(biāo)自動(dòng)識(shí)別的精確度高，誤差率低。

2）實(shí)驗(yàn) 2

通過 2 種算法，分別對(duì)雷達(dá)目標(biāo)采集的圖像進(jìn)行識(shí)別，對(duì)于 2 種算法識(shí)別效果，對(duì)比效果如圖5和圖6所示。

從圖5和圖6可看出，傳統(tǒng)算法對(duì)雷達(dá)目標(biāo)特征向量點(diǎn)的提取不精確，不能完成準(zhǔn)確識(shí)別；而改進(jìn)算法較大幅度提高海上雷達(dá)目標(biāo)識(shí)別率和作戰(zhàn)效率。

圖6　無監(jiān)督鑒別投影算法對(duì)目標(biāo)識(shí)別效果Fig.6　Unsupervised differential projection algorithm for target recognition effect

4　結(jié) 語

針對(duì)艦船雷達(dá)傳統(tǒng)模式識(shí)別目標(biāo)方法的局限性，本文提出了基于語義 Web的艦船雷達(dá)回波視頻圖像自動(dòng)識(shí)別系統(tǒng)，通過語義環(huán)境提取大量目標(biāo)特征信息，重新組合形成數(shù)據(jù)庫，儲(chǔ)存于模塊控制器中。以此為依據(jù)在分類器中進(jìn)行輸出，采用無監(jiān)督鑒別投影算法對(duì)在 Web 網(wǎng)組合的數(shù)據(jù)矩陣進(jìn)行分析，綜合運(yùn)算后，對(duì)艦船雷達(dá)目標(biāo)自動(dòng)識(shí)別。該系統(tǒng)解決了雷達(dá)難以對(duì)海上目標(biāo)自動(dòng)識(shí)別的問題，進(jìn)一步優(yōu)化和改善雷達(dá)自動(dòng)識(shí)別系統(tǒng)的功能，豐富了回波視頻圖像數(shù)據(jù)庫中的樣本，有一定實(shí)用性。

［1］但波，姜永華，李敬軍，等.基于距離多結(jié)構(gòu)的末制導(dǎo)雷達(dá)目標(biāo)識(shí)別方法研究［J］.電波科學(xué)學(xué)報(bào)，2015，30（2）：307-315.DAN Bo，JIANG Yong-hua，LI Jing-jun，et al.Target identification method of terminal guidance radar based on range multistructure［J］.Chinese Journal of Radio Science，2015，30（2）：307-315.

［2］陳小剛，李志堅(jiān)，季輝.增加船載雷達(dá)位置環(huán)船搖隔離度方法研究［J］.電子設(shè)計(jì)工程，2015，23（17）：105-107.CHEN Xiao-gang，LI Zhi-jian，JI Hui.Research on position loop to increase the isolation of boat rocking for shipborne radar［J］.Electronicdesign Engineering，2015，23（17）：105-107.

［3］劉慶華，陶峰.擴(kuò)展卡爾曼濾波算法在船舶雷達(dá)液位測量系統(tǒng)中的應(yīng)用［J］.江蘇科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，29（5）：449-453.LIU Qing-hua，TAO Feng.Application of extended Kalman filtering in ship radar level measurement system［J］.Journal of Jiangsu University of Science and Technology（natural science edition），2015，29（5）：449-453.

［4］莫翠瓊，陳秋菊，戴幻堯.反艦導(dǎo)彈雷達(dá)導(dǎo)引頭艦船目標(biāo)回波仿真技術(shù)［J］.計(jì)算機(jī)仿真，2014，31（10）：16-19，34.MO Cui-qiong，CHEN Qiu-ju，DAI Huan-yao.Ship target return simulation technology of antiship missile radar seeker［J］.Computer Simulation，2014，31（10）：16-19，34.

［5］臧會(huì)凱，周生華，劉宏偉，等.應(yīng)用正交碼組信號(hào)的傳統(tǒng)雷達(dá)距離旁瓣抑制方法［J］.電子與信息學(xué)報(bào)，2014，36（2）：445-452.ZANG Hui-kai，ZHOU Sheng-hua，LIU Hong-wei，etal.Range sidelobe suppression for conventional radar using orthogonal waveforms［J］.Journal of Electronics & Information Technology，2014，36（2）：445-452.

［6］余定峰，耿攀，徐正喜，等.基于電磁建模的艦船雷達(dá)波隱身技術(shù)［J］.艦船科學(xué)技術(shù)，2014，36（11）：80-85.YU Ding-feng，GENG Pan，XU Zheng-xi，et al.Research on radar stealth technology of ship based on electromagnetic modeling［J］.Ship Science and Technology，2014，36（11）：80-85.

［7］蘇鵬，馮志勇，陳世展.交互式Web服務(wù)語義增強(qiáng)［J］.計(jì)算機(jī)科學(xué)與探索，2015，9（6）：682-691.SU Peng，F(xiàn)ENG Zhi-yong，CHEN Shi-zhan.Semantic enhancements of web service with interaction［J］.Journal of Frontiers of Computer Science and Technology，2015，9（6）：682-691.

［8］張杰，劉輝，歐倫偉.改進(jìn)的FastICA算法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50（6）：210-212.ZHANG Jie，LIU Hui，OU Lun-wei.Research on improved FastICA algorithms［J］.Computer Engineering and Applications，2014，50（6）：210-212.

［9］楊昭，向正義，王欣，等.關(guān)于寬帶雷達(dá)成像目標(biāo)跟蹤識(shí)別仿真研究［J］.計(jì)算機(jī)仿真，2015，32（11）：55-59.YANG Zhao，XIANG Zheng-yi，WANG Xin，et al.Simulation research about UWB radar imaging target trackingand Recognition［J］.Computer Simulation，2015，32（11）：55-59.

［10］王燕，劉花麗，蘇文君.基于核正交半監(jiān)督鑒別分析的人臉識(shí)別算法［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50（12）：120-124.WANG Yan，LIU Hua-li，SU Wen-jun.Face recognition algorithm based on kernel orthogonal semi-supervised discriminant analysis［J］.Computer Engineering and Applications，2014，50（12）：120-124.

Athletes wrong posture recognition method swimming competition video

ZHANG Jia
（Yangtze University College of Technology & Engineering，Jingzhou 434020，China）

In view of ship radar signal recognition method is simple，identify degree is low，this paper puts forward the Web based semantic automatic recognition of radar echo of ships.Because of radar signal characteristic information point fragmented and multifarious，radar signal in the semantic Web offline data characteristics of the target image，using the improved FastICA algorithm to extract the feature data，through the intelligent radar video image recognition system，the analysis of ship target image.Experiments show that semantic ship radar target recognition system based on Web，the system can make a lot of information，make full use of to achieve the purpose of accurately identify the ship radar image.

semantic web；image feature extraction；FastICA algorithm；image recognition；intelligent radar echo system

TP391

A

1672-7619（2016）07-0133-05

10.3404/j.issn.1672-7619.2016.07.030

2016-05-06

湖北省教育科學(xué)規(guī)劃資助項(xiàng)目（2015GB165）

張佳（1983-），男，講師，研究方向?yàn)檐浖こ碳?Web 語義網(wǎng)。