一种基于主电流自适应检测的电力有源滤波器

基于自适应滤波理论,提出了一种对主电流进行自适应滤波的电力有源滤波器.该电力有源滤波器以主电流为控制对象,控制电路比较简单.推导了该电力有源滤波器的数学模型,并在此基础上,对该电力有源滤波器的性能进行了研究和分析.实验结果证明此种电力有源滤波器是可行的.     

小波分析在电子装备供电设备故障检测中的应用

新型电子装备供电设备封装性能好,可及测点少,故障检测和诊断难度大.在分析供电设备声信号产生机理的基础上,提出了一种利用小波分析理论对声信号进行处理,实现非接触、不解体故障检测与诊断的方法.论证了频带能量分析法和极大值分析法提取故障特征信息的可行性,并给出了故障特征参数算法.实验证明,该方法能有效地检测和诊断故障.     

基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测,针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题,提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积,替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量,提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上,引入自适应阈值改进八向差分算子,以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构,在包含更强语义信息的高层特征图上融合低层细节信息,细化小尺度目标边缘特征。与改进前相比,准确率提升了4.23%,参数量降低了5.01×10⁶,处理速度提高了4 fps。     

一种综合颜色、纹理信息的皮肤检测方法

针对目前许多皮肤检测方法只考虑了像素级别上的颜色信息,未较好地利用图像空间上的其他信息,如纹理信息以及光照条件对成像颜色所造成的影响,在SPM方法的基础上提出了改进。首先引入“灰色世界”算法对因非标准光照所产生的颜色改变进行校正,有效提高了正检率。对SPM方法的输出部分通过灰度共生矩阵提取图像的纹理信息,过滤颜色信息为皮肤而纹理信息为非皮肤的像素区域,有效降低了误检率。实验结果表明,该方法取得了较好的效果。     

毫米波主被动阵列探测技术

针对单通道探测的不足,提出了毫米波主被动阵列探测技术,为导引头提供更加真实详细的目标信息。主被动复合探测体制可以结合雷达和辐射计的优点,远程时使用主动探测,可以增加探测距离,近程时使用被动探测,可以避免角闪烁。当弹丸以一定转速垂直下落时,毫米波波束和弹轴成特定角度对地面作螺旋圆锥扫描,当波束扫描过目标时,探测器阵列输出与目标相对应的信号,通过对各个通道信号作相关处理判断即可确定目标的精确方位,此时输出修正或起爆信号。试验表明该技术能够精确探测目标中心。     

干涉仪测向中相位差精确测量技术研究

相位差的精确测量在以相位为参考信息的测向体制中十分重要,直接影响了测向的精度。重点研究了相位差精确测量技术。在详细分析3种有效的测量方法基本原理基础上,比较精确地获取了信号的相位差,并通过大量的仿真实验比较3种方法在不同情况下的性能,为实际应用中选择合适的方法提供了依据。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

基于动态行为监测的木马检测系统设计

首先介绍了特洛伊木马的基本概念及常用的木马检测方法,然后在分析传统的基于静态特征的木马检测技术缺点的基础上,结合基于动态行为监测的木马检测思想,研究以木马植入、隐蔽和恶意操作所需资源的控制和动态可疑行为监测相结合的隐藏木马检测技术,并提出了基于动态行为监测的木马检测系统的基本框架,给出了动态行为监测的相关策略和可疑行为的分析与判定的方法。     

面向异常检测的高光谱图像压缩技术

异常检测已经成为高光谱图像重要的后续应用之一,提出了一种面向异常检测的高光谱图像压缩算法.为减少压缩对异常检测性能的影响,首先采用RX算子对高光谱图像进行异常检测,并对异常点与背景对应的光谱维矢量进行预处理.对高光谱图像的光谱维矢量进行KL变换,通过引入虚拟维数估计算法对原始数据的本征维数进行估计,在此基础上给出了一种主分量选取方法.最后,采用最优码率分配策略为各主分量分配相应的压缩码率,并利用SPIHT算法分别进行压缩.实验结果表明,该算法在获得较高压缩性能的同时,可有效保持图像中的异常信息.