非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法.研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用.验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论.仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能.     

面向再制造零件表面形貌的计算机辅助检测系统

再制造工程以磨损零件为研究对象,在再制造性评价及相关研究中需要检测磨损零件的表面形貌,由于磨损零件表面形貌复杂,传统的测量方法不能完全胜任.针对这一问题,采用线结构激光三角法研制了一套面向再制造零件表面形貌的计算机辅助检测系统,介绍了该系统的结构,并将其应用于测量某型车辆离合器弹子槽的表面形貌上.     

目标系统的测试软件设计

阐述了自动测试目标系统的软件设计,介绍了目标在移动过程中偏离瞄准线,产生偏差的情况下,自动测角仪与主控计算机之间的通信必要测试条件,相关的信号处理和控制手段,及如何提高自动测角仪测试系统的检测精度。     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法.该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用...     

基于深度学习的系统异常检测综述

基于深度学习的系统异常检测可划分为：基于堆栈自编码(SAE)、基于卷积神经网络(CNN)、基于深度置信网络(DBN)、基于循环神经网络(RNN)以及基于生成对抗网络(GAN)等5类系统异常检测方法。为了梳理出当前深度学习技术在系统异常检测应用中所面临的问题以及应对方法,分别对这5种检测方法的建模思想、在系统领域的应用实现以及它们各自的特点进行了对比论述,并对深度学习在系统异常检测领域未来的发展进行了展望。     

固体火箭发动机复合材料壳体健康监/检测方法

碳纤维增强复合材料壳体是固体火箭发动机的重要组成部分,壳体结构完整性是固体火箭发动机健康监/检测领域的重点研究对象之一.综述了近年来碳纤维复合材料及壳体无损检测和健康监测领域的方法和研究进展,总结了健康监/检测的关键技术,指出了固体火箭发动机壳体健康检测领域的发展方向.     

基于改进后语义分割模型的障碍物检测方法

障碍物检测是确保无人水面艇避障和安全航行的关键技术，针对水面反光区域误检和水面分割不准确导致的漏检问题，提出了一种基于改进后语义分割模型的障碍物检测方法，通过图像预处理、语义分割模型、显著性估计实现障碍物检测。首先，通过在预处理环节对水面中反光区域进行去除，避免其对后续检测的干扰；然后，通过引入海天线估计参数，用于调整语义分割模型初始化和先验信息，提高水面分割精度；最后，在水域范围内选取H形边界集合构造背景模型，由此判断水面中非水像素为障碍物。实验结果表明：该方法可以提高水面障碍物检测的准确度。     

光电头盔系统信号处理分析与探讨

阐述了当前广泛采用的光电式头盔测位系统的组成和原理,给出了解算瞄准线参数的数学关系式。对信号处理和精度进行了分析,导出了误差表达式,可用于系统设计中误差的估算和验证。通过信号处理分析,论述了影响精度的主要因素,最后,提出了从根本上提高精度的方法——峰值点检测处理技术。