一种新的模糊多层自组织神经网络图像目标检测方法

神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

冲击噪声背景下引信目标方位估计方法研究

针对在冲击噪声条件下基于高斯噪声模型的目标检测方法性能退化的缺点,提出了一种新的引信目标方位估计方法。该方法引入α稳定分布模型对冲击噪声建模,通过对引信阵列天线接收信号共变矩阵的特征分解估计噪声子空间,再依据最小范数算法实现了对目标方位的估计。计算机仿真实验证明了所提出新方法的有效性。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

Alpha稳定分布混响建模及信号检测

研究了基于对称Alpha稳定分布的浅海环境下混响及噪声的建模问题.分析了浅海环境下混响形成过程及其非高斯特性,采用对称Alpha稳定分布理论对其进行了建模,并从声呐接收端的混响瞬时值以及包络的概率密度分布与Alpha稳定分布的匹配程度验证了模型的有效性.研究了基于对称Alpha稳定分布模型的混响噪声背景下的目标信号检测方法.提出了三种检测方法并进行了仿真测试,通过检测性能及模型的精确性分析了三种方法的优缺点,验证了建模精度对检测性能的影响.     

脉冲噪声环境下无线通信系统性能研究

针对基于高斯噪声的无线通信系统无法适应脉冲噪声的情况,以α稳定分布作为脉冲噪声模型,根据模型统计特性,经过理论分析给出了脉冲噪声条件下2ASK的误码特性计算方法,并通过仿真实验验证了该方法的正确性.仿真表明,在混合信噪比较低(MSNR10dB)的情况下脉冲噪声的影响并不明显,接近于高斯噪声,而在较高混合信噪比(MSNR11dB)情况下脉冲噪声使系统的误码率急剧增加,对通信质量造成严重破坏.     

基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

混沌时间序列中弱信号的检测

介绍了混沌的基本特性,利用混沌时间序列对RBF神经网络进行训练,则训练好的神经网络对混沌序列未来时刻的值具有一定的预测能力.若混沌序列中包含有目标信号,则其混沌特性将受到影响,导致神经网络对其预测误差的增大.这样可根据预测误差对淹没在混沌杂波及混沌杂波加一定强度的白噪声中的弱目标信号进行检测.仿真结果表明这种方法优于传统的目标检测方法,有着较好的杂波抑制能力.     

某型坦克炮控检测系统的实现

从检测技术出发,介绍了某型坦克炮控检测系统的设计和原理。该系统以智能化检测手段,分级别实现了对该型坦克炮控系统相应小修、中修的性能检测。     

低信噪比抖动红外点目标的检测

本文为解决低信噪比条件下抖动红外点目标的检测问题，提出了一种基于膨胀累加、检测前跟踪的检测算法。该算法运用膨胀累加方法能够消除抖动对多帧累加算法的不利影响，使目标能量仍然能够实现有效的积累，从而达到目标增强的目的。本文还采用了小波变换预处理方法，对图象中相关的１／ｆ噪声进行白化。模拟实验结果表明，该算法能够快速检测出信噪比为２抖动点目标。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

检测柴油机燃油喷射系统的卡持式传感器

介绍了目前柴油机燃油喷射系统技术状况检测的各种方法及其特点。在此基础上,研制了一种卡持在高压油管上的传感器,试验结果表明:该传感器能满足喷射系统技术状况不解体检测的要求。     

Fast-armored target detection based on multi-scale representation and guided anchor

Focused on the task of fast and accurate armored target detection in ground battlefield, a detection method based on multi-scale representation network (MS-RN) and shape-fixed Guided Anchor (SF-GA) scheme is proposed. Firstly, considering the large-scale variation and camouflage of armored target, a new MS-RN integrating contextual information in battlefield environment is designed. The MS-RN extracts deep features from templates with different scales and strengthens the detection ability of small targets. Armored targets of different sizes are detected on different representation features. Secondly, aiming at the accuracy and real-time detection requirements, improved shape-fixed Guided Anchor is used on feature maps of different scales to recommend regions of interests (ROIs). Different from sliding or random anchor, the SF-GA can filter out 80% of the regions while still improving the recall. A special detection dataset for armored target, named Armored Target Dataset (ARTD), is constructed, based on which the comparable experiments with state-of-art detection methods are conducted. Experimental results show that the proposed method achieves outstanding performance in detection accuracy and efficiency, especially when small armored targets are involved.     

多方位测量的相位双差GNSS欺骗干扰检测算法

对于二元天线阵,相位双差检测算法的载波相位双差角度模糊、虚警概率较高,这限制了算法的应用。针对这一问题,提出天线阵方位变化的欺骗干扰检测算法。通过二元天线阵在不同方位估计信号的载波相位双差,进行多次判决,有效消除角度模糊,降低检测的虚警概率,实现二元天线的载波相位双差检测。建立仿真模型,并通过仿真计算分析验证了该方法的有效性。     

飞机运动特征对动态RCS序列的影响分析

针对超音速隐身飞机难以探测的问题,仿真分析了F-22飞机在不同运动特征下的动态RCS,并对其频率响应和极化响应特性做进一步的研究。首先设定飞行航迹,并考虑实际中随机抖动的影响,获取时变的雷达视线姿态角;其次应用物理光学并结合等效电磁流的方法,计算分析了飞机以不同的速度沿不同航迹飞行时的动态RCS。对于使飞机动态RCS变化最明显的运动特征,仿真计算了其在不同频段、不同极化下的动态RCS。仿真结果表明:在不同航迹下,飞机速度对其动态RCS的影响程度不同,且当飞机沿小航路捷径低速或者高速飞行时,其RCS值减小最为明显,利用极化响应和频率响应特性可以有效地削弱这一影响。研究成果对于超音速隐身飞机目标的预警探测具有重要意义。     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.