基于BP神经网络的智能军车车牌识别系统设计与实现

本文提出了基于BP神经网络的智能军车车牌识别系统设计与实现,该系统由军用车辆号牌图像预先处理、字符的定位、字符的分割和字符的识别等流程组成,重点研究BP神经网络识别车牌技术,进行Matlab仿真实验,并对实验结果进行了统计分析。     

阵列雷达自适应多零点单脉冲群目标测角算法

针对阵列体制雷达,由极大似然估计导出自适应多零点单脉冲测角原理。分析发现迭代步长过大导致双零点单脉冲技术在多目标条件下失效,因此提出加权步长改进角度估计的迭代过程,只需要较少计算量就能实现群内多个目标的精确测角。仿真结果表明：该算法在较高信噪比条件下可以精确测量群内三个目标角度,测角误差约为0.15倍波束宽度;当群目标数较多或者目标相位差接近于0时,算法性能下降明显。     

基于主客观组合赋权的PSSA安全性指标分配方法

初步系统安全性评估(PSSA)是飞机系统安全性设计中的关键环节,PSSA最为核心的问题是所建故障树的安全性指标分配问题。针对目前的PSSA安全性指标分配具有较大的主观性和不确定性的难点问题,提出一种基于主客观组合赋权的PSSA安全性指标分配方法。应用粗糙集理论(RS)和区间层次分析(IAHP)法分别确定客观和主观权重,并采用最优赋权法对分配结果进行优化,具有既能客观反应各指标的重要性,又能反应决策者主观愿望的优势。利用一组案例验证了模型的合理性和实用性,可为飞机系统安全性设计提供定量的理论参考。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

基于BP神经网络的磁流变阻尼器逆向模型研究

为了提高磁流变阻尼器的振动控制效果,在磁流变阻尼器力学特性试验的基础上,首先建立了基于BP神经网络的磁流变阻尼器的逆向模型,并通过试验试选的方法对模型中隐含层节点数目、期望误差等相关参数的确定进行了探讨;然后,针对BP网络在学习过程中表现出的学习速率慢、容易陷入局部极小等问题,进行了相应的算法改进。结果表明:利用改进算法建立的模型能够更准确、更快速地对控制电流进行预测,证明了改进算法的合理性,同时也进一步验证了利用BP神经网络方式建立磁流变阻尼器逆向模型方法的有效性。     

电子对抗环境下飞机编队突防能力模型

现代战争通常在电子对抗的复杂环境下进行,对电子对抗环境下飞机编队突防能力进行建模研究.首先运用模糊数学的方法对雷达电子对抗的效果进行了分析,重点从干扰频率、干扰功率、干扰时机、干扰样式、信号环境因素5个方面研究了雷达电子对抗的干扰效果,然后运用解析法对飞机编队在雷达电子对抗环境下对地空导弹、防空高炮防御体系的突防能力进行计算,得到了关于飞机编队在电子对抗环境下突防能力的定量结果.     

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。     

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统.结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快.     

贵州省安顺军分区 加强重要目标安全管理

近日,贵州省安顺军分区采取一系列措施加强重要目标安全管理。该军分区一方面突出抓好营门卫兵和民兵装备仓库看管人员安全警示教育、职责教育,组织官兵学习上级通知精神,增强官兵防范重大安全问题的责任意识;另一方面加强执勤人员军事训练和应对     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.