机载激光雷达数据的三维深度学习树种分类

针对传统基于激光雷达(Light Detection And Ranging,LiDAR)数据的树种分类方法难以直接且全面地利用点云的三维结构信息的问题,提出一种基于三维深度学习的机载LiDAR数据的树种分类方法.该方法直接从三维数据中抽象出高维特征,而无须将点云转化为体素或二维图像.以塞罕坝国家森林公园内白桦和落叶松...     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。     

迭代插值FPFH特征点云配准算法

针对三维激光扫描点云数据的配准问题,提出了一种基于FPFH特征的迭代插值配准新方法。配准过程中考虑到点云数据获取时,受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。配准过程通过计算关键点处FPFH特征寻找对应相关关系求得粗配准旋转平移矩阵,再使用ICP算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度快且计算复杂度小,对实现点云配准具有实用价值。     

二维运动目标纯方位系统的部分可观测性

针对二维空间作匀加速运动的目标,对等速直线运动的单观测站纯方位目标运动分析问题进行了讨论.此时系统是不完全可观测的.本文证明了目标部分运动参数是可估计的,即目标与观察者的相对航向Kr,相对速度与初距离之比Vr/D0,加速度与初距离之比a/D0是可以解算的,并对可估计参数的有解条件进行了分析.     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。     

尾流自导鱼雷最小开机距离及其应用研究

基于尾流自导鱼雷的制导原理、弹道和自导开机过程,提出了最小开机距离的概念。分析指出了影响尾流自导鱼雷最小开机距离的主要因素是设定的鱼雷深度、鱼雷的航行精度和目标运动参数散布等。建立了最小开机距离的计算模型,并在不同攻击态势下进行了仿真计算和统计分析,得出了有益的结论:在一定的攻击条件下,不同的设定深度、使用不同的鱼雷速制以及不同的目标运动要素误差、鱼雷航行精度,将使鱼雷的最小开机距离不同,即鱼雷的最小开机距离实际上是关于各种因素的函数。通过最小开机距离可以进一步计算出鱼雷自导开机的最大距离,若在工程中予以实现,将对提高潜艇攻击的隐蔽性和鱼雷作战效能具有重要意义。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题，提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系，将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数，构建导弹攻击结果预测模型。在实验部分，结合重构误差和测试错误率确定深度置信网络的网络结构，通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法，满足实时性和准确性要求，所提方法具有良好的应用价值。     

双经纬仪异面交会目标点的空间位置估计

针对双经纬仪异面交会中目标点并不一定正好在公垂线上的问题,提出了在公垂线附近的空间区域上估计目标点位置的方法。该空间区域为以公垂线为对角线,各边分别平行于双经纬仪测量坐标系三轴的长方体空间区域。在目标点位置估计时考虑到经纬仪高低角与水平角测角精度的不同,以及目标点与经纬仪之间距离对空间点坐标精度的影响。采用蒙特卡洛方法模拟结果表明:新方法的目标点空间位置估计精度不亚于传统公垂线法,在特定情况下甚至能提高5%以上。模拟结果验证了新方法的可行性和有效性。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

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.     

目标运动要素误差对尾流自导鱼雷自导开机距离的影响

尾流自导鱼雷自导开机距离设置直接影响到鱼雷是否能可靠捕获尾流,开机距离的设置通常考虑尾流自导装置自适应调整及目标运动要素误差的影响,射击态势的影响因素不容忽视但未引起足够重视。通过分析计算不同射击态势下目标运动要素误差对尾流自导鱼雷直航段航程的影响,得出了射击态势对尾流自导鱼雷自导装置开机距离影响的程度及规律。     

激光焦点控制磁力驱动的控制特性实验对比分析

为了满足激光焦点控制系统的位置和速度响应要求,设计了一种轴向放置、轴向磁化的环形永磁体自复位的3自由度激光焦点磁力驱动微动平台。根据该微动平台的结构进行力学分析并建立动力学方程,在此基础上进行微动平台的比例、积分、微分控制实验和鲁棒控制实验。通过两种不同控制策略的对比分析,结果表明,两种控制策略都能实现微动平台的稳定驱动,但是在比例、积分、微分控制策略下,响应速度更好,在鲁棒控制策略下,抗干扰能力更好。     

等速运动观测站纯方位系统的可观测性

对等速直线运动单观测站纯方位目标运动分析问题进行了讨论。尽管系统是不完全可观测的,却证明了目标部分运动参数是可估计的,即目标与观察者的相对航向Kr、相对速度与初距离之比Vr/Do是可以解算的;并对可估计参数的有解条件进行了分析。     

光电编码器在调速系统中的应用

本文阐述了用光电编码器代替传统的测速电机和旋转变压器作调速系统反馈元件的技术。结果表明,光电编码器可有效地简化转换电路,更精确地测定出速度和位移两个参数。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

人机共融的远程态势智能感知系统

针对人与远程无人设备协同精准配合的迫切需求,以机器人操作系统为基础构建了一种人机共融的远程态势感知系统,并开展了实验与分析。该系统以视觉定位技术为基础,以人机感知共融为切入点,通过实时三维场景重建技术与场景一致性融合方法,将无人设备探测到的环境及目标信息进行三维重构,并通过增强现实设备进行显示,与人的视觉信息进行一致性融合,实现无GPS条件下远程无人设备与人所佩戴的增强现实设备之间的协同定位。实验结果表明,系统在近距离时具有较好的人机协同定位准确度,定位精度随着距离的增加而逐渐降低。所构建的系统使无人设备成为人眼的延伸,在不干扰人员正常行动的情况下实现了穿障碍、跨视距的感知能力,在未来信息化作战中可发挥重要作用。     

由序列图像获取点目标的三维运动参数和空间位置

利用图像获取目标的运动参数和空间位置在目标定位、跟踪和计算机视觉中具有重要的意义。本文在目标和成像系统都运动的情况下,给出了由单目序列图像获取点目标绝对运动参数和三维空间坐标的条件,提出了利用多帧单目序列图像和应用非线性递推滤波算法来估计点目标的运动参数和空间位置。实验仿真结果证明,本文提出的算法是有效的。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。