结合整体和局部特征的步态识别方法

针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法 Rank-1准确率取得了有效提升。     

信号处理与深度学习硬件加速的一致性计算结构

在计算需求层面对多种典型信号处理算法与深度学习算法进行了分析与模块化分解,提取了两类应用共有的且适合并行硬件加速的计算模块,提出了信号处理与深度学习的一致性计算模型,并基于一致性计算模型设计了控制与计算分离的层次化处理单元与阵列化计算结构。通过对不同应用计算过程的软件定义能够实现信号处理与深度学习的一致性硬件加速计算,基于Zynq计算平台从重构效率与计算性能两个方面对一致性计算模型与计算结构进行了验证,结果表明：基于一致性计算模型的软件定义可重构计算结构,具有较高的计算性能与重构效率。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

“联合全资产可视化”及其关键技术

论述了美军"联合全资产可视化"(JTAV)的背景、目标、策略及主要因素,重点阐述了JTAV的关键技术手段--射频识别技术,包括光储卡、射频识别、灵巧卡和射频数据通信等.提出了我军装备维修保障信息化过程中急需研究和开发的相关技术及基础架构.     

试论陈毅贯彻中共中央"向东作战,向北发展"战略方针的卓越贡献

抗日战争时期,陈毅坚定地贯彻中共中央"向东作战,向北发展"的战略方针,始终坚持开展敌后抗日游击战争,创建抗日根据地,并成功地建立起苏北抗日反韩统一战线,胜利地实现了江南新四军主力北上,开创了华中抗战新局面.     

微弱信号测量的一种实现方法

介绍了一种μＶ级微弱电信号测量的实现方法,给出了测量放大电路的具体设计以及信号采集与处理软件流程图．与传统测量方法相比,此测量方法所使用的仪器体积小,重构测量系统方便,可直接由计算机对信号进行分析,是目前信号测量的主要发展方向．     

多波束时域滑窗空时自适应方法及其性能分析

鉴于新一代机载预警相控阵雷达采用多波束且电子波束灵活可控的特点, 本文提出了一种多波束时域滑窗空时自适应处理方法。理论分析与计算机仿真实验表明, 该方法与现有的几种典型空时二维自适应信号处理 （ Ｓ Ｔ Ａ Ｐ） 方法相比, 具有系统自由度低、低速目标检测性能好、鲁棒性强等优点, 并且实现复杂度较低, 便于工程实现。     

双谱特征在水下目标自动识别中的应用

非高斯信号处理是信号处理的一个新领域。以舰船辐射噪声为主的噪声具有很强的非高斯性和非线性性。由此可利用信号双谱,提取舰船辐射噪声信号的非高斯成份。实验结果表明,高阶谱在声纳目标识别方面具有很大的发展潜力     

目标识别中的特征提取技术

总结了目标识别中特征提取的几种常用方法,重点介绍了基于高阶谱的特征提取,并给出了高阶谱特征提取方法在水下目标识别中的实际应用,实测数据的实验表明,该方法具有较好的类别可分性,在目标识别中具有一定的应用潜力。     

抓好动态条件下考察识别干部

近年来,我们根据新的《军事训练与考核大纲》坚持把实兵演习等重大军事实践活动作为发现识别干部的主考场,走开定期考核与随机考核并举、定性分析与定量分析结合、静态考察与动态考察同步的路子,建起为培养使用干部提供客观公正的真实依据的重要渠道。