液体炸药的特性及其探测技术

近年来，恐怖分子热衷于使用液体炸弹实施袭击，利用其制造简易、携带隐蔽、识别困难、现场配用等特点，逃避安全检查。液体炸药的有效识别和探测，成为各国安全部门亟待解决的问题。     

荧光分析技术在单个生物分子行为及实时检测中的应用

活细胞单分子行为及实时检测研究是生命科学向微观世界深入探索的一个重要标志，它需要生物、化学、物理等多学科的交叉，已经成为目前研究的一个热点。该领域主要研究内容有细胞内单个大分子的实时研究、细胞内大分子的超微量实时检测。文章介绍了近年来对活细胞单分子行为及实时检测研究的几种荧光分析技术及其应用，涉及到的荧光分析技术有全内反射荧光显微术、荧光共振能量转移术、多光子荧光成像术、荧光相关光谱、光漂白后荧光恢复技术、荧光寿命成像显微术、单分子荧光偏振等。这些荧光分析技术以其快速、无损、时空分辨率高的特点，成为了研究单个生物分子行为的重要手段。     

红外多光谱图像弹道目标检测算法

在红外多光谱图像中,弹道导弹尾焰拥有两大特征,一是由强烈红外辐射引起的灰度差异,二是独特的光谱特性。然而,传统的单波段检测技术只利用了尾焰强烈的辐射特性,而近些年发展起来的多光谱检测技术则只利用了尾焰独特的光谱特性。为了充分利用导弹尾焰的两大特征,将单波段检测技术和多光谱检测技术结合起来,提出三种检测算法,并从算法的检测效果、运算量和鲁棒性三方面详细分析它们的优缺点。采用人工合成的红外多光谱图像进行验证,实验结果表明,相比单独使用单波段或多光谱的检测算法,融合算法的检测性能更好。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

具有镀铬层的铁磁材料和零件的裂纹检测

阐述了具有镀铬层铁磁性零件的裂纹漏磁检测机理,探讨了基于循环搜索逼近的裂纹定量检测的基本方法。实测结果证明漏磁法检测具有镀铬层工件的缺陷是可靠的。     

基于Monte-Carlo方法的火炮瞄准校验系统精度评定

基于双经纬仪的火炮瞄准校验系统需要给出其校验精度,但传统的测量不确定度传递公式需要大量微分运算,校验精度计算很复杂,为此,提出了基于Monte-Carlo方法的火炮瞄准校验系统测量不确定度的评定。以调炮精度校验为例分析了校验系统的原理,结合调炮精度校验过程设计了基于Monte-Carlo方法的测量不确定度评定过程,分析比较了计算量的大小,并将评定结果与传统评定方法的结果进行比较。结果表明:二者一致性良好,Monte-Carlo方法能够完成对瞄准校验系统各校验项目的校验精度评定,并且简化了计算,节省了时间。     

基于聚类分析的入侵检测算法?

聚类技术在入侵检测中被广泛研究，但是传统的K?means算法对初始值敏感，无法取得理想的效果；层次聚类算法时间复杂度高，性能较差。针对这些问题，设计了一种改进的K?means算法：算法优化孤立点和噪声处理能力，根据有效性指标获得最优K值，在此基础上，动态选取初始聚类中心进行聚类，可以取得较好的聚类效果。采用数据集KDD Cup99将改进的算法应用于入侵检测，进行仿真实验。实验结果表明，改进的算法有效地提高了检测率和降低了误检率，与现有算法相比具有一定的优势。     

无线传感器网络中基于统计异常的入侵检测

无线传感器网络与传统网络存在较大差异,传统入侵检测技术不能有效地应用于无线传感器网络.结合无线传感器网络的特点,提出一种基于统计异常的入侵检测.入侵检测为传感器节点在正常工作状态下的某些系统特征建立行为模式,并通过统计观测值对正常行为模式的偏离程度来判断是否存在入侵.理论分析及仿真实验表明,提出的入侵检测技术可有效检测入侵,检测算法简洁高效,利于节能,适用于供能紧张的无线传感器网络.     

线膛炮内膛图像膛线识别研究

提出了一种线膛炮内膛表面图像识别的分层次识别方案,并研究了膛线识别的算法。对于特定情况下的图像识别有一定的借鉴作用。     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.