改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过"裁判模型"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展.针对实际红外图像的实验仿真表明,该算法是有效的.     

雷达检测概率的计算

雷达检测概率是评估雷达系统效能的重要指标,一般分为单脉冲检测概率和多脉冲检测概率.单脉冲检测概率的计算常用方法有两种,对这两种计算方法进行了验证,得出了两种计算方法相一致的结论.多脉冲的计算比较复杂,在原公式推导的基础上改进了多脉冲检测概率的计算模型,解决了原计算公式中脉冲积累数条件较难满足和虚警概率固定的问题.     

改进非凸估计与非对称时空正则化的红外小目标检测方法

针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强目标张量稀疏性的同时抑制其中残存的强边缘结构。实验结果表明,所提改进算法能够更好地消除图像中强边缘结构对检测结果的影响,在保证检测率的情况下,较原算法具有更低的虚警率。     

一种基于观测器的自修复飞行控制系统设计

故障检测与隔离(FDI)、控制律重构是自修复飞行控制系统设计的重要内容.在自修复飞行控制系统设计中,利用观测器,设计了针对传感器的故障进行检测的方法,可使检测效果在一定的条件下,对系统参数变化不敏感,具有较好的鲁棒性;此外,当飞机操纵机构发生故障时,利用观测器,设计了基于线性模型跟随控制进行飞行重构控制的方法,使得当状态变量不能测量时的控制系统得以物理实现.最后,给出了仿真实例,结果表明了该方法的可行性和有效性.     

HPRF雷达多机动弱小目标检测跟踪技术

机动弱小目标的检测和跟踪是当前研究的难点问题,而高脉冲重复频率(HPRF)雷达机动弱小多目标的检测跟踪问题同时面临雷达距离测量模糊、目标机动和目标低可观测等问题,更具复杂性.因此,对HPRF雷达机动弱小目标检测和跟踪的研究现状进行了详细分析,总结了该问题的关键难点,并结合前期研究,给出了具体可行的研究方向和思路,提炼了...     

非高斯码元检测的马尔可夫链蒙特卡洛算法

针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。     

基于卷积神经网络的多功能雷达行为辨识研究

针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法.建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集.通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本.并针对处理后的雷达行为数据集的特点设计卷...     

管线探堵理论分析及实验研究

介绍了管线探堵主要方法及特点。分析了埋地管线水力瞬变探堵的理论基础,建立埋地管线快速探堵的数学模型,进行了数值模拟计算和分析,并进行了实验研究。实验证明,根据水力瞬变特性探堵可以快速准确确定堵点位置。水力瞬变探堵系统具有精度高、速度快、设备简单、使用方便、用途广等特点。     

浅析建筑物鉴定中的计数抽样方案

在介绍计数型抽样检验原理的基础上,从建筑物鉴定检测的特点出发提出了采用相应抽样检验国家标准的建议。指出GB/T50344-2004《建筑结构检测技术标准》中关于计数抽样检测方案的规定失之过松,有可能给建筑物的检测或鉴定留下安全隐患,不宜采用。     

基于GRU-VAE的无监督航迹异常检测方法

针对海量无行为模式标签航迹数据的目标行为异常检测问题,提出一种基于门控循环单元的变分自编码器模型(Gate Recurrent Unit-Variational Autoencoder, GRU-VAE)无监督航迹异常检测方法。该方法通过检测航迹异常发现目标的行为异常,分为模型训练阶段和异常检测阶段两步实施：在模型训练阶段,构建了以GRU和VAE为主要结构元素的基于门控循环单元的变分自编码器模型,利用无异常信息标签的历史航迹数据对GRU-VAE模型进行训练,根据训练集的航迹点重构损失分布情况,采用正态分布法或百分位数法划定置信区间为航迹点重构损失门限;在异常检测阶段,该模型对实时航迹数据集进行检测,将重构损失超出航迹点重构损失门限的航迹点视为异常航迹点,当航迹序列中的异常航迹点占比超出占比阈值时,判定为异常航迹序列,结合数据异常情况向一线人员发送目标的异常行为信息。AIS数据实验结果表明,模型最高F₁分数达86.36%,查全率达95%。本方法对异常航迹的检测具有高灵敏度和低漏警率,可满足战场态势认知需求。