基于改进YOLOv4算法的无人机目标检测

为了提高无人机集群检测精度和速度,提出了改进YOLOv4无人机集群目标检测方法。使用轻量化网络MobileNetV3分别获得5个有效特征层代替原网络中主特征提取网络生成的有效特征层,降低原网络的参数量和计算量;采用改进的K-means优化聚类先验框替代原算法中的先验框;基于公共数据集验证算法的有效性,在单无人机和无人机集群2种情况下进行了检测实验。实验结果表明：使用轻量化网络并利用改进K-means优化聚类先验框的改进YOLOv4算法,相比传统YOLOv3和YOLOv4算法明显提升无人机检测精度和检测速度,检测精度比YOLOv3和YOLOv4分别提高了16.4%、7.3%,检测速率分别提高0.82倍、1.27倍,漏检率分别降低了68.5%、6.25%,误检率分别降低了69.8%、62.2%,有效解决了误检和漏检等问题;与其他深度学习算法SSD和Centernet相比,检测精度分别提高15.4%、19.4%,检测速率分别提高了16.4%、52.1%。     

舰载红外搜索与跟踪系统的最新现状与发展趋势

详细介绍了国外舰载红外搜索与跟踪系统的研制与装备,包括各国典型系统的特点、研制历史、试验以及装舰服役现状等,提出了舰载红外搜索与跟踪系统的未来发展方向。     

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。     

时间序列关联维数快速算法及实现

针对关联维数计算耗时量大的问题,通过改进点对距离的度量方法,以及采用K-NN技术进行点对的搜索实现了关联和的快速计算,较大程度地提高了关联维数的计算速度.验证表明对于长度为20 480的时间序列,采用快速算法计算关联维数,其耗时量是G-P算法的1/60.     

谈消防集群通信系统的功能扩展

随着火灾特点的变化和科学技术的发展,提高消防部队灾情响应速度的要求日渐强烈,建立更加智能化的接处警系统迫在眉睫。这就要求作为灭火救援重要组成部分的集群通信系统具有与其它网络的相容性,从组呼、联网调度、故障弱化功能、数据传输及查询、集群系统与常规系统互联等方面探讨集群通信系统的功能扩展。     

UWB通信系统中比特反转快速捕获算法的改进

针对密集多径情况下超宽带信号的捕获,采用分块与比特反转搜索相结合并加以改进,得到了改进的比特反转搜索算法,仿真结果表明其性能较比特反转搜索算法有较大改善,尤其在搜索间隔较小时性能更好.