基于TLS的靶板穿孔特征识别提取方法

为了能够更好地研究战斗部的破片毁伤效应,对靶板的毁伤效果进行更加快速、准确地评估,采用三维激光扫描技术进行快速靶板毁伤效果评估.利用相位式三维激光扫描仪获得爆破前后的战斗部及靶板点云数据,通过原始阵列式点云的内部点间关系及变化情况,识别爆破后的靶板穿孔特征,同时统计穿孔特征并计算飞散角等信息.数据验证结果表明,该方法能...     

机械臂设计方案选择的模糊综合评价方法

针对机械臂设计方案选择问题中存在的诸多模糊因素,建立了一种基于熵权和AHP的模糊综合评价方法。分析了影响机械臂设计中的各种指标和因素,构建了机械臂设计方案的综合评价指标体系,建立了相应的评价指标分级矩阵;并结合熵权与AHP共同确定评价指标的综合权重,有效解决了权重分配困难的问题;利用信息熵实现对所选设计方案的总体评价,得出所选方案评价结果为良等级。评价结果具有一定应用价值,对多个方案选择时提供一种很好的评价体系,对快速选择方案提供了一定的参考意义。     

网络信息体系运作机理与关键技术

网络信息体系是中国版的网络中心化C4KISR系统,是打赢信息化战争的基础支撑。在网络信息体系"网设施-云环境-端系统"三层架构基础上,从网络中心、信息主导、知识驱动、体系赋能等视角分析了网络信息体系运作机理,从体系生成、环境支撑、信息融合、任务筹划和火力协同等方面梳理了网络信息体系形成能力亟待突破的关键技术,从网络、信息、体系和业务能力等方面总结了网络信息体系的未来发展趋势,为网络信息体系顶层规划和建设提供参考。     

自行高炮可见光伪装对策研究

为解决可见光侦察条件下的伪装问题,对其被发现概率及伪装对策进行了探讨.通过对自行高炮被发现概率进行量化计算,根据公式及函数图像,从量化角度提出伪装对策,从不同角度对自行高炮的伪装措施进行了研究,该研究可为提高自行高炮伪装能力提供参考.     

径向特征下的改进三角形星图识别算法

三角形星图识别可靠性与可操作性较强,目前仍在广泛使用,但是三角形星图识别算法存在冗余匹配和误识别。通过星点的几何分布构建星点的径向特征量,依据径向特征量对星图进行初始识别,将拍摄星点的识别结果限定在数颗导航星上。在初始识别的基础上,运用三角形星图识别算法再次进行识别,使三角形星图识别更具针对性,同时提高识别的正确性。实验结果表明,采用基于径向特征的改进三角形识别算法,星图识别的准确性和针对性都得到了提高。     

柔性制造单元监控系统总体设计与研究

本文就监控与诊断技术的发展现状与趋势进行了综述。设计并研制FMS/FMC监控系统CMFDS,给出系统的组成、功能、配制、硬软件系统、总体结构及系统的技术特点。在加工中心、FMS上的实验表明了该系统良好的通用性和简洁性,体现了集成化、智能化现代监控技术发展的趋势。     

特征信号检测法

本文以信号极点的不变性为基础,构造了一种用于可自设计的主动式系统在强噪声背景下的极微弱信号检测的检测器——特征信号检测器。文章在分析经典检测方法对极弱信号检测存在的问题的基础上,提出了特征信号检测的思想。讨论了该方法的基本原理及仿真实验结果。Monte carlo实验表明,这种特征信号检测器的性能对信噪比不敏感,可以在极低信噪比下检测出微弱信号。     

一种基于组合特征的大肠杆菌σ70启动子识别算法

启动子识别是研究基因转录调控的重要环节,但目前算法的识别正确率偏低.在深入分析启动子生物特征的基础上,提出了一种基于多种特征组合的大肠杆菌σ70启动子识别算法,在启动子序列的组成特征、信号特征和结构特征中选取10种典型特征,以此为依据,对位于非编码区和编码区内部的启动子分别加以识别.首先通过特征描述模型分别计算各种特征在启动子序列和非启动子序列中的得分,将特征得分组合成10维特征向量,再利用二次判别分析法在特征向量集上进行训练和识别.在实际数据集中进行的刀切法测试验证了算法的有效性.对位于非编码区的启动子,平均正确率达到了86.7%,明显优于其它算法;对位于编码区内部的启动子,平均正确率也达到了82.4%.算法还具有良好的可扩展性,能够方便地容纳新特征,使识别性能不断提高.     

基于提升框架检测的空中强机动视频目标跟踪

空中强机动性目标在视频中表现出运动形变剧烈、运动规律难预测且背景特征不明显不稳定等特点,传统的检测跟踪算法不能有效地对其实施检测跟踪.为解决上述问题,提出一种不依赖于帧间运动特性的基于提升框架检测的空中强机动视频目标跟踪算法.首先,利用提升框架实现图像的小波变换,得到目标的高频分量信息.然后,对高频分量进行融合,并提出了目标特征增强的方法,完成单帧图像的目标检测.最后,实现视频序列的实时跟踪.实验结果表明,该算法能够实时、准确地对空中背景下的强机动性目标进行检测跟踪,有效地解决了目标运动形变剧烈、某些帧中存在遮挡而造成后续帧失跟等跟踪困难.     

联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。