基于减背景技术的运动目标检测方法研究

首先利用统计的方法得到背景模型,并实时地对背景模型更新,以适应光线变化和场景本身的变化;减背景操作后,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响;最后在HSV色度空间下检测阴影,得到准确的运动目标。     

网络端口扫描与漏洞检测的研究

通过分析计算机网络攻击的过程及手段,研究各种安全漏洞,设计实现了网络端口扫描器和漏洞检测软件,并对网络主机存在的漏洞进行检测报告,为网络管理员提供相应的安全防范措施。     

高功率微波径向线连续横向枝节阵列天线设计

为了实现Ku波段高功率微波的定向发射,研究并设计了新型高功率径向线连续横向枝节阵列天线。该天线采用圆极化同轴TE₁₁模式进行馈电,经双层径向线波导传输后,通过连续横向枝节单元向外辐射。天线工作在驻波模式,相邻两圈缝隙的径向间距为一个波导波长,在上层径向线末端放置短路金属杆,金属杆表面到最内侧缝隙的径向间距为半个波导波长,整个天线具有较高的增益和功率容量。仿真研究了一个工作在14.25 GHz的天线,天线的高度为80 mm,半径为285 mm。仿真结果表明:该天线具有35.3 dBi的增益和47%的口径效率,反射系数小于-25 dB,辐射效率超过99.0%,同时具有吉瓦级的功率容量。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中，场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而，实际中图像的背景和前景往往相关，常用的主成分分析和独立分量分析等方法难以实现准确提取。为此，将视频图像的前景提取建模为盲源提取问题，提出了一种基于均方交叉预测误差的盲源提取方法，可以从相关的源视频图像中提取期望的前景图像，并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

软件的单故障模型及故障的测试方法

研究表明,软件中残留的故障一般都是难以测试,这些故障往往都是局部的、检测概率比较“小”的故障,也就是说,和正确的软件相比,这些故障的表现往往只是一个或几个符号发生错误,现提出的软件单故障模型正是基于这个原理。测试方法是以面向故障为基础,将故障的检测分为3个部分:故障语句的执行,故障的激活和故障的传播。为加速测试用例的生成,也同时提出了软件的故障模拟方法。最后,给出了部分实验结果。     

利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

一种新的P2P僵尸网络综合防御系统框架

针对目前缺乏对基于P2P协议僵尸网络通用有效检测防御手段的现状,采用分布式Agent技术,提出了P2P僵尸网络综合防御系统框架,并重点分析了基于分布式Agent的P2P僵尸网络监控检测模块,为P2P僵尸网络的检测防御提出了新的思路。     

远距离支援压制干扰实施及结果评定方法

远距离支援干扰在现代战争中发挥着重要的作用。为分析远距离支援干扰实施及对被试雷达性能影响，首先根据中心极限定理，推导了靶场试验中检飞航次数的数学模型，然后研究了基于干信比的干扰机飞行航路设计原则，最后通过仿真分析，给出了试验样本数与发现概率和置信区间的关系，讨论了不同航路点上到达被试雷达的干信比和对被试雷达性能的影响，解决了靶场抗干扰试验中试验样本数及试验航路设计等方面问题。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集；以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征；输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

The prediction formula and a risk-based sensor scheduling method in target detection with guiding information

Sensor scheduling is used to improve the sensing performance in the estimation of targets' states. However, few papers are on the sensor scheduling for target detection with guiding information. This letter can remedy this deficiency. A risk-based target detection method with guiding information is provided firstly, based on which, the sensor scheduling approach is aiming at reducing the risk and uncertainty in target detection, namely risk-based sensor scheduling method. What should be stressed is that the Prediction Formula in sensor scheduling is proposed. Lastly, some examples are conducted to stress the effectiveness of this proposed method.