基于卷积神经网络的多功能雷达行为辨识研究

针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法.建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集.通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本.并针对处理后的雷达行为数据集的特点设计卷...     

汉语语音识别中的一种音节分割方法

汉语语音识别研究中,识别单元的选取是很重要的。随着大词汇量连续语音识别研究的发展,越来越多汉语语音识别研究中选取次音节单位作为识别单元。结合汉语发音声学特性,提出了音节的重叠音素分割策略,并利用小波方法实现了音节的分割,实验证明该方法分割准确可靠。     

反无人机视觉检测与跟踪技术进展分析

为应对无人机“黑飞”“滥飞”等对国防和公共安全造成的巨大威胁,反无人机技术研究成为当前迫切的现实需求。首先,对比分析雷达、无线电、声音、机器视觉4类典型的反无人机检测技术;其次,重点针对反无人机的视觉检测与跟踪技术,从目标检测、无人机识别、无人机跟踪等角度,详细分析视觉检测与跟踪关键技术的优势与不足,以及各项技术在反无人机检测跟踪中的应用情况及改进策略;最后,探讨应用中较为突出的检测精度、跟踪遮挡、实时性、数据集收集标准、多技术融合5个方面问题和发展趋势,为相关技术研究提供参考。     

基于改进Yolov5的晶振多缺陷检测

长期以来,晶振的缺陷检测主要依靠人工,存在着效率低、受外界影响程度大、成本高昂的问题。传统方法无法实现多缺陷一次性记录检出,而深度学习应用部署于工业界也存在着无GPU加速导致的推理速度慢的问题。针对以上问题,选定算法模型并通过在输入模块对图像增强、主干网络特征图融合、颈部网络引入新的尺度检测层和新的激活函数、输出预测时引入注意力机制的多种方式进行改进,在保留模型轻量化的同时增加小目标检测能力。最后进行模型剪枝和硬件加速推理,部署于PC端进行缺陷统计等工作。实验表明该系统的检出率在95%以上,实现了晶振缺陷检测的自动化和精细化。     

一种基于旋转TCAM的模式匹配算法

为了实现对网络入侵恶意流量的有效检测,提出了一种基于旋转TCAM的模式匹配算法。算法具体实现分为2个阶段,在第1阶段,将规则签名(模式)进行划分,以适合所选择的长度为w的前缀滑动窗口;在第2阶段,通过将前缀向右移,丢弃最右端的字符并在左边添加"don’t care",直至全部模式的字节都是"don’t care",从而提供默认的匹配行,实现对全部输入流量的匹配和对入侵主体的有效检测。仿真结果表明,提出的模式匹配算法不仅能够以线速运行在单一的操作中匹配多个模式,而且相比于其他基于TCAM的模式匹配算法,有更好的内存访问和TCAM查找访问性能。     

一种基于虚拟阵元的超波束形成方法

针对超波束形成方法(Hyper Beam-forming,HBF)在实际应用中的不稳定问题,依据阵元间协方差矩阵同一斜对角线上不同元素具有相同相位差的特点,提出了一种基于虚拟阵元的超波束形成方法(Hyper Beam-forming Based on Virtual Array Element,VAEHBF)。该方法按互相关法对接收阵进行虚拟扩展;按HBF思想分子阵分裂波束形成;对分裂波束形成结果进行合成,得到改善的超波束形成结果。数值仿真和实测数据处理结果表明,相比HBF方法,该方法通过对接收阵进行虚拟扩展,在保持分辨力不变的情况下,可进一步提高合成波束增益,对信噪比的适应能力得到了3 dB提高,提高了HBF的目标检测性能及方位估计能力。