基于特征分块的快速三维人脸重建

针对传统三维人脸重建算法精度低且难以满足实际应用的缺陷,提出一种基于特征分块的快速三维人脸重建算法。该算法首先利用基于平面模板的重采样法实现三维数据规范化;其次,根据人脸特征对人脸分块,根据主动形状模型算法进行面部特征定位。然后,利用基于形变模型算法与径向基函数插值相结合,实现人脸三维重建,并将该算法应用到人脸识别中。实现表明,此算法可快速实现特定正面二维人脸的三维重建,并具有较高重建精度和识别率。     

直接耦合干扰的自适应两级补偿方法

针对水下电磁探测系统对直接耦合干扰的补偿精度受限于硬件采样分辨率的问题,研究了基于自适应技术的直接耦合干扰两级补偿方法。采用高速 DSP 芯片实现直接耦合干扰补偿电路,完成直接耦合干扰的粗调补偿;提出了基于可变遗忘因子的 QRD-LS 算法,并采用基于该算法的自适应陷波器实现了直接耦合干扰的微调补偿。实验研究验证了两级补偿方法对直接耦合干扰的补偿性能。结果表明：基于可变遗忘因子的QRD-LS 算法稳定性好,收敛速度快;基于该算法的自适应两级补偿方法对直接耦合干扰的补偿精度达到10－4倍。     

基于蚁群算法的舰艇编队海上补给路径规划方法

将海上补给路径规划问题(URRP)与传统的旅行商问题(TSP)进行比较,分析了它们之间的联系与区别。在此基础之上,应用一种改进的TSP问题,对海上补给路径规划进行了数学描述。针对平时和战时对编队海上补给的不同要求,分别建立了海上补给路径规划模型,确定了规划问题的目标函数。构造了蚁群算法,对URRP问题进行求解,并以平时的海上补给路径规划问题为例,得出了海上补给的最优路径。计算结果验证了该模型和算法的可行性。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

威胁环境生存突防优化策略分析

讨论了影响飞机作战生存性的主要因素,建立了生存概率模型。根据生存概率模型确立了威胁环境生存突防优化策略。最后,为了简化计算推导了实用危险性模型     

基于最优化模型的太阳影子定位方法

针对利用太阳影子实现目标的定位问题,分析得到影响影子长度的参数,确立了影长与太阳高度角、目标物长度、经纬度等的函数关系,并结合最小二乘法思想,建立了以理论影长与实际影长之差的平方和最小为目标的优化模型。以直杆为例,运用粒子群优化算法快速求解得到目标的可能位置,并与实际地点进行了比较。     

连续求解样本协方差矩阵迹的快速递推算法

为解决当样本数据不断增加时,利用传统方法反复计算样本协方差迹耗时多的缺点,提出了一种快速递推算法。理论分析和仿真试验都表明,算法的时间复杂度比传统的方法降低了一个数量级,从而大大减少了计算时间。     

用FPGA实现浮点FFT处理器的研究

针对定点FFT处理器精度不高的缺点,提出了浮点格式FFT处理器的FPGA硬件实现方案。详细阐述了FFT处理器的自定制浮点格式确定、算法选择和浮点加法实现等关键技术。该处理器已投入使用,工作性能稳定,系统时钟80MHz,完成1024点FFT IFFT运算只需64μs,误差小于-80dB。     

基于BP神经网络的空中目标识别方法

提出了一种利用BP神经网络用于空中战机目标识别的方法.首先,分别用300张不同姿态的F-16和F-22战斗机图片建立样本图库.其次,利用不变矩理论,提取图片的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.然后从样本图库中随机抽取两种型号飞机图片各30张作为空中打击目标进行识别,结果表明采用LM优化算法的BP网络具有一定的抗噪声能力.     

扎实做好征集大学生入伍工作

2011年,山东省征集大专以上学历及在校大学生比例占到总任务数的26.3％,这是有史以来征集大学生人数最多、比例最高的一年.通过抓好大学生征集工作这个突破口,不仅缓解了"当兵冷、征兵难"的问题,而且提高了新兵队伍整体素质,促进了征兵工作的健康持续发展.