面向脉冲压缩雷达的灵巧噪声干扰方法研究与仿真分析

针对脉冲压缩雷达,研究了基于卷积调制、乘积调制的灵巧噪声干扰仿真分析方法。该方法基于数字射频存储（DRFM）技术,将干扰机接收并存储的雷达发射信号与噪声信号进行卷积、乘积调制后转发出去,为干扰信号的产生提供了有效途径。仿真实验证明该方法能有效干扰脉冲压缩雷达,同时具有压制性干扰和欺骗性干扰的效果。     

电子设备的克星--电磁脉冲炸弹

随着高能电磁脉冲产生技术和高能微波技术的发展,应用于信息战的电磁脉冲炸弹在技术上已经成熟.讨论了电磁脉冲炸弹的发展动态及其技术.     

一种基于模型的舰船目标特征提取方法

针对中分辨雷达,提出了一种基于模型的舰船目标特征提取方法。通过对特征向量的组合和加权提高了舰船目标的特征提取质量,在人工神经网络识别器中取得了较好的识别效果。     

基于程序特征分析的流处理器VLIW压缩技术与解压实现

代码体积和代码稀疏是VLIW处理器一直存在的问题.通过对一系列典型应用在流处理器上的程序特征进行分析,提出了一种新的VLIW分域压缩技术,剔除各个子域中的空操作,并设计了分布式指令存储器对压缩后的代码进行解压缩执行.实验证明,该技术能够减少MASA流处理器中近39％的片外指令访存,降低约65％的片上指令存储器空间需求;同时使得指令存储器面积和系统面积分别减少了约37％和8.9％.     

基于颜色及梯度统计特征的结核杆菌目标识别

提出一种基于颜色及梯度统计特征的结核杆菌目标识别算法。首先基于HSV颜色空间进行图像预分割,然后在CIE L*a*b*颜色空间进行自适应分割以提取目标精细几何形状。为了适应背景的复杂变化,基于色调一致性假设对疑似目标进行色调一致性检验并剔除大部分伪目标。为了将重叠粘连目标从伪目标中分离出来,提出两个梯度统计特征,然后结合目标的面积、周长、长宽比、圆形度、粗糙度等形态特征,组成7维特征向量送入贝叶斯分类器进行分类。实验结果表明,本文算法能适应标本、染色及图像背景等复杂变化,目标识别率可达91%。     

基于改进K-L变换的特征提取技术

在模式识别中,为解决样本增加时,反复使用传统K L变换进行特征提取耗时多的缺点,提出了一种改进的K L变换方法,该方法利用快速递推算法来计算协方差矩阵,并使用矩阵扰动理论来求解协方差矩阵的特征值和特征向量。仿真试验表明该方法在确保计算精度的前提下,大大减少了运算时间。     

固体中的高压声速

高压声速是表征凝聚介质在极端条件下性质的重要参数之一。从冲击绝热线和Gruneisen物态方程出发,导出了与冲击绝热线相容的等熵线,进而给出了沿等熵压缩线和等温压缩线以及冲击绝热线的声速的计算公式。对铝和钨的Hugoniot声速进行了计算,计算结果与实验结果符合得很好。     

多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

基于分块的伪Zernike矩归一化的人脸识别方法

以改进的伪Zemike矩相关知识为背景,提出了一种新颖的人脸识别方法。该方法通过将人脸分块,降低了光照条件、人脸表情等外在因素对人脸识别的影响。首先将人脸图像分块并重组矩阵的行和列,然后计算重组后人脸图像的伪Zemike矩,并对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明,该方法对于人脸光照、姿态和表情变化均具有良好的鲁棒性。在前人的研究基础上,进一步探讨了伪Zemike矩在人脸识别方面的应用。     

基于阵列法检测的激光驾束制导信息场特征提取技术

改变了传统激光驾束制导信息场阵元法检测模式,基于信号处理及阵列法检测技术,构建了制导信息场的检测系统,阐述了基于阵列法检测的信息场评估方法,详细介绍了信息场特征提取技术和硬件实现方法。该方法解决了信息场检测校准精度要求高、过程复杂、人员需求数量多等诸多难题,减少了检测对制导激光器的损伤,使用简便、快捷、高效,已被应用于多种激光驾束制导设备的检测。