DCT图象处理电路的设计及实现

本文以离散余统变换的快速蝶形算法为基础,给出了ＤＣＴ变换系统的一种计思想,并对实现图象数字信号的ＤＣＴ编码进行了实验研究,此项研究对提高数字通信系统的抗干扰性及传儿率有一定价值,并进一步进行图象信号的帧同编码和运动补偿编码打下基础。     

《军事通信技术》1988年总目录

·军.通信技术述评·军用无线电移动通信技术述评 ·学术论文与技术报告·宽带H ilbert变换器的应用及其实现一种跳频系统的守候接收同步方案-8 COM以太网的二次开发TMS32010/MCS一51两用开发型单板机现代高频无线电通信及其发展波导窄壁鳍线槽定向祸合器的研究分集编码FH一PSK的性能分析一种短波中低速数据终端的设计和实现信道误码对矢量量化编码图象传输的影响一种基于分组传送的话音/数据综合的排队模型模拟语音置乱保密系统的安全性离散余弦变换系数矩阵自适应分类矢量量化图象编码自适应中值滤波改善恢复图象的“方块效应”锁相…     

基于高低频模型的矢量量化图象编码系统(HL-TVQ)

HL-TVQ 图象编码系统,是在图象的高/低频图象模型基础上,对低频图象分量进行变换矢量量化编码,而对高频图象进行空域欠量量化编码。HL-TVQ 编码系统具有压缩比高(在模拟时达到10),恢复图象的视觉效果好,运算复杂度小的特点。本文详细介绍 HL-TVQ的编码过程和原理。     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

基于BP神经网络的防空保卫目标分类

提出用BP神经网络模型对防空保卫目标进行分类的一种新方法。该方法建立分类评价的指标集,将分类的划分等级作为训练样本集,以指标的各等级标准值作为样本的输入特征值,建立多参数的BP神经网络防空保卫目标分类评价模型,然后用实例训练神经网络,得出了较合理的结论。     

径向基神经网络的联合作战方案评估仿真

利用径向基神经网络具有的能逼近任意非线性系统的优势,通过已知数据构建模型,实现模型对未知数据的模式识别,达成评估联合作战方案的目的,为研究联合作战方案评估提供了一种新方法。最后运用MATLAB软件,利用已知数据获取未知数据的方法,建立了基于学习样本的径向基神经网络模型,评估应用举例。     

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。     

图象变换编码

在图象传输和图象处理中,图象变换在理论研究以及实际工作方面都起了重要的作用。这里主要介绍二维离散沃尔什(Walsh)变换及其性质。我们知道,一个二维图象,在信道上传输的是用 Fourier 变换之后的代码,而不是图象本身,结果引进了图象编码的技术,因此,必然引进快速 Fourier 变换(简记 FFT)的计算法。本文所介绍的图象变换是用 Walsh 矩阵算子进行变换,在信道上传输的图象是 Walsh 变换后的代码,而不是空间图象。其快速计算法类似于 FFT,由于 Walsh 变换运算仅要求加法和减法,这就使得快速 Walsh 变换(记为 FWT)比 FFT 的运算速度要快得多。在一维情况下,做 N=2~n 点的信号变换时,FFT 需要进行 Nlog_2N 次乘法和     

信道误码对矢量量化编码图象传输的影响

本文讨论信道误码对离散余弦变换矢量量化(DCTVQ)编码图象传输系统的影响。通过计算机模拟得出了传输静止图象的抗信道误码能力,进一步的分析结果表明,活动图象的抗误码能力要高于静止图象。     

神经网络模型对传感器数据融合的应用

本文描述科霍内(Kohonen)特征映射神经网络模型对于战术和传感器数据融合的应用。用来自现代海军环境的例子评述由数据融合提出的问题。强调了用于海军作战自动监视和支持的目标和任务识别。作为基于神经网络的系统的可应用领域评述了科霍内特征映射模型,研究了它在实际应用中的限制,讨论了如何解决这些问题。描述了使用科霍内特征映射作为基本单元的两个不同的模块化神经网络体系结构和它们应用于数据融合的比较。     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

基于小波分形理论的快速图象编码算法

小波和分形理论应用于图象压缩领域是当今研究的前沿。提出了一种快速图象编码算法,它将加权小波变换与基于二叉树和双向链表搜索的分形编码相结合,在高压缩比、高信噪比前提下,使编码时间大大缩短。在ＰｅｎｔｉｕｍＰｒｏ２００个人机上对一２５６×２５６,８ｂｐｐ图象进行实验,编码时间仅需８秒,而图象失真很小。     

使用低分辨率雷达和神经网络进行舰船目标识别

本文研究使用低分辩率下靶区雷达包络线、预处理和神经网络工具进行舰船目标分类的方法。文中使用改进的傅里叶离散梅林变换来提取对雷达姿态角变化不太敏感的某些特征。使用Kohonen的学习矢量量化(LVQ)自组织映射对这些特征矢量进行分类。文中也研究了使用反向传播算法进行训练的前馈网络在目标分类中的应用,并将这一分类系统用于模拟和真实两种数据。对于目标姿态角误差不超过30度的真实数据,分类的正确率高达90％。     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

基于迁移学习和特征融合的航空器图像分类算法

航空器目标的分类是空战中作战方案制定的重要环节,目前在航空器图像分类方面的研究很少,数据库也少之甚少。在自然图像分类领域存在的特征表达方法主要是对图像的颜色、纹理、梯度等特征进行编码,但这些浅层特征不能体现出图像的深层语义信息,而卷积神经网络(CNN)有着强大的特征表达能力,但小规模数据库直接训练网络会造成模型过拟合。针对这些问题,组建一个具有8 000张图片、10类的航空器图像数库并提出了一种基于迁移学习和特征融合的航空器图像分类算法,算法用卷积神经网络来提取图像的特征,提出用迁移学习的思想来训练网络,从而减轻了模型过拟合,在此基础上提出特征融合算法,融合深度特征和浅层特征,弥补了单一特征对图像信息表达的不足。在实验中,用航空器图像数据库来验证算法的有效性,结果表明,算法能够有效地进行航空器图像的分类。     

基于小波变换的数字图像融合

在现实世界中,存在着大量信息,而这些信息中存在着大量冗余,怎样从我们得到的己知信息中提取有用信息,剔除冗余,一直是我们努力的目标,数字图象尤其如此,本文用小波变换的方法研究了对同一对象的两个或更多个的图象(往往图象质量较差)合成到一幅图象中,以便它比任何原来一幅都更容易地为人们所理解。     

时、空多分辨率战术机动图像传输研究

本文讨论了军事战场上通过移动无线信道进行动态图象机动传输的时、空多分辨率特性 ,阐述了用小波变换 (DWT)技术实现具有时、空多分辨率特征的战术机动图象传输的机理 ,并且给出了一种用多片DSP并行结构实现小波变换的动态图象压缩方案 ,该方案具有时、空多分辨率特性 ,可适应战术机动图象信息传递的需要。     

基于低轨道卫星中继的无人机数据链路方案

基于低轨道卫星通信技术,针对高空长航时无人机系统,建立以卫星中继的通信数据链模型.从传统数据链入手,分析其存在的弊端和使用的局限性,并融合现代通信技术,在引用新型编码技术的基础上,给出了新的无人机通信数据链路方案.该设计方案以无人机作战使用实际为基础,极大地提高信息传输能力和信息安全性.     

混沌背景下基于神经网络的编码信号检测新方法

提出了一种混沌背景下的编码信号检测新方法。信号检测过程包含两个步骤:混沌信号的预测和检测判决。该方法利用非线性前馈神经网络进行混沌信号模型的创建,并采用13位巴克码作为编码信号。仿真结果表明,通过该方法进行编码信号检测可以得到较高的检测概率和较低的虚警概率,整体检测性能较高,并且对于不同信噪比的信号具有较强的鲁棒性。