基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

基于光流动态特征与SVM的阴燃火检测方法

针对传统阴燃火检测中存在误报、漏报的问题,研究了一种基于光流场的视频检测方法。首先,利用改进的Horn-Schunck光流算法计算图像光流场,并结合阴燃火颜色特征提取可疑阴燃火运动区域;然后,提取连通域的面积、光流平均速度、方向方差、光流主运动方向、光流速度不规则度和背景模糊性等六个特征建立特征向量;最后,利用支持向量机对所有含可疑阴燃火运动区域的图像帧进行分类,从而实现阴燃火检测。实验结果证明:该方法对阴燃火识别准确度高,可有效排除多种图像干扰,在复杂环境下的适应性和鲁棒性较好。     

基于动态交互的作战信息交换仿真方法

针对当前大型新型作战平台信息化建设存在的作战流程不清晰、作战信息不合理、互操作性差等严重影响新质战斗力生成问题,在详细分析作战信息体系需求和作战信息交换仿真需求的前提下,充分考虑作战使用人员对系统的影响,提出了基于人在回路的动态交互作战信息交换仿真方法,并研制了仿真平台,分析了作战信息交换仿真效果,指出了仿真方法和平台改进发展方向,为大型新型作战平台信息化建设以及作战训练提供了论证方法和手段支撑。     

串联谐振变换器IGBT开路故障检测方法

针对串联谐振变换器IGBT开路故障检测问题,根据故障前后断续谐振电流波形变化特征,提出了一种故障在线检测方法。首先,通过分析变换器的等效电路,得到了单个IGBT开路故障时的谐振电流表达式。从故障机理可知,当单个IGBT开路后,输出电流的平均值减半,同时谐振电流波形在一个开关周期内比正常工况时减少了一个半波。然后,根据故障时谐振电流波形特征,设计了相应的故障检测电路,并通过DSP控制器在线检测谐振电流整形后的方波跳变沿,有效地诊断出了IGBT开路故障,由此证明了所提方法的正确性。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

区块链在分队战术协同中的应用构想

从战术分队角度出发,探讨了区块链技术在作战实体之间的信息交互及智能协同方面的应用设想,分析了战术分队信息交互的相关技术及面临的挑战,阐述了区块链在未来战术分队指挥体系构建中的发展构想。     

内置频率对Duffing振子微弱二进制相移键控信号盲检测影响

采用Duffing振子实现对微弱二进制相移键控（Binary Phase Shift Keying, BPSK）信号的盲检测时,Duffing系统输出的周期态和混沌态转换之间存在过渡带。针对这一问题,推导出过渡带时长和Duffing系统内置频率之间的关系表达式;指出内置频率越高,过渡带时间越短;仿真实验给出时间频率响应曲线。内置频率的提高,会降低系统检测微弱信号的灵敏度。针对这一问题,推导出周期态下Duffing系统输出幅度作为因变量、内置频率作为自变量的表达式;仿真实验给出幅频响应曲线。针对微弱BPSK信号盲检测,建立变尺度方法和检测阵列相结合的基于S变换提取Duffing系统输出幅度包络的微弱BPSK信号盲检测模型,仿真实验验证了模型方法的有效性。     

质点权重对多信息融合姿态估计算法精度的影响研究

首先介绍了一种新的多信息融合的矢量惯性张量姿态估计算法.该算法将每个参考矢量和相关观测矢量的顶端放置一个质点,对质点进行权重分配并计算出此质点系的惯性张量;对每个惯性张量对角化得到特征值、特征向量和主轴坐标系与各坐标系之间的变换矩阵;通过找到各自主轴坐标系的变换,就可以计算出载体坐标系与惯性坐标系之间的方向余弦矩阵,从...     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.