一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

基于神经网络的雷达抗欺骗干扰方法

对雷达抗应答式欺骗干扰的特征提取方法进行了改进,统计方法将均值与方差特征相结合定义特征因子,神经网络方法用Kohonen网络进行特征提取。仿真结果表明,2种方法都具有较好的抗应答式欺骗干扰性能,而神经网络方法性能更为优越。     

基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。     

基于FPGA的数字复解调系统的实现

在介绍数字复解调原理的前提下,实现了一个对雷达单频脉冲信号在中频直接数字化的数字复解调系统,该系统由A/D模块和DDC模块组成,着重介绍了DDC模块中数控振荡器和数字滤波器的原理以及实现。经验证,该系统接收雷达中频脉冲信号,能够实现所需的数字复解调功能,对比模拟复解调系统,解调信号在幅度一致性以及相位正交性方面都有显著提高。     

Optimal pricing and inventory control policy in periodic‐review systems with fixed ordering cost and lost sales

This paper studies a periodic‐review pricing and inventory control problem for a retailer, which faces stochastic price‐sensitive demand, under quite general modeling assumptions. Any unsatisfied demand is lost, and any leftover inventory at the end of the finite selling horizon has a salvage value. The cost component for the retailer includes holding, shortage, and both variable and fixed ordering costs. The retailer's objective is to maximize its discounted expected profit over the selling horizon by dynamically deciding on the optimal pricing and replenishment policy for each period. We show that, under a mild assumption on the additive demand function, at the beginning of each period an (s,S) policy is optimal for replenishment, and the value of the optimal price depends on the inventory level after the replenishment decision has been done. Our numerical study also suggests that for a sufficiently long selling horizon, the optimal policy is almost stationary. Furthermore, the fixed ordering cost (K) plays a significant role in our modeling framework. Specifically, any increase in K results in lower s and higher S. On the other hand, the profit impact of dynamically changing the retail price, contrasted with a single fixed price throughout the selling horizon, also increases with K. We demonstrate that using the optimal policy values from a model with backordering of unmet demands as approximations in our model might result in significant profit penalty. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

人工造雾成雾过程微物理性能分析

通过对人造雾宏观性能和微物理性能变化过程的观测与分析,研究了人造雾成雾过程和成雾机理,并结合对云雾生长理论的分析比较了实际雾滴粒径分布范围、生长时间等与理论计算结果的异同。结果显示人造雾的雾滴粒径和生长时间与理论计算结果基本相符,但其具体的生长过程与理论过程有所差别;人造雾与天然雾相比,雾滴数密度稍大,但雾滴粒径和含水量稍小,雾滴谱分布特点有所不同。     

干扰信号的检测技术研究

以噪声调频干扰为例,对干扰信号的检测问题进行了分析,提出直接积累检测和二进制积累的检测方法,并计算了两种方法的检测概率。通过积累检测显著地改善了接收机对噪声干扰类信号的检测性能。     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。     

基于多级神经网络的类型融合

研究了基于多级神经网络的类型融合方法。这种多级神经网络分为传感器子网和融合子网两部分。传感器子网是一种基于专家规则的模糊神经网络,根据专家规则确定网络结构,网络节点和传递函数都有明确的意义,避免了普通神经网络层数和隐层节点数难以确定的缺点。经过训练的传感器子网能够实现各目标类型的置信度分配,然后用融合子网对多个传感器子网输出结果进行融合,得到目标类型的最终判决。在融合子网中,加入了各传感器的可信度,使融合结果更可靠。仿真结果表明,此方法鲁棒性强,识别率高。     

BP网络的优化及其在光纤陀螺温度漂移建模中的应用

针对BP网络存在易陷入局部极小和收敛速度慢的问题,采用遗传算法(GA)优化BP网络;采用混配的方法,对遗传算法进行了改进,克服了遗传算法中所存在的种群内过早收敛的缺点,并在光纤陀螺温度漂移建模中,取得了预测的效果。