运用动态规划的智能卫星集群星间通信路由算法

通过建立智能卫星集群网络模型,把智能卫星集群星间通信路由问题转换为时延最短路径问题,进而提出一种求解此问题的智能卫星集群星间通信路由算法.该路由算法采用动态规划策略分阶段规划智能卫星集群两个成员之间的星间通信路由,在每个规划阶段,负责发送数据的智能卫星自主调用一种星间通信路由静态规划算法,以求出其在当前时刻的后继卫星来...     

基于巡航导弹的卫星通信干扰技术研究

巡航导弹已经成为战争的重要制敌武器,可以对敌方的军事目标、通信目标实施精确粉碎性打击。介绍了基于巡航导弹的卫星通信及其对导弹的通信制导作用,最后提出了对其进行干扰的几种方法。     

基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性,基于传统自适应算法的控制系统稳定性不够,容易产生振荡.文章采用神经网络BP算法,利用Matlab6.0建立了管道有源消声的仿真控制系统.通过与采用传统自适应算法的控制系统进行仿真研究对比,证明采用神经网络BP算法的控制系统消声效果更加明显.     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度:②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间.利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能.对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间.     

卫星通信抗干扰技术综述

卫星在现代战争中发挥着举足轻重的作用,提高卫星通信的抗干扰能力具有非常重要的意义.通过分析卫星通信系统面临的各种干扰类型,综述了现有卫星通信系统常用的抗干扰技术的原理、特点和国外的发展现状,包括天线抗干扰技术、扩频技术、星上处理技术等.讨论了卫星通信抗干扰技术研究的发展方向和今后值得进一步研究的问题.     

关于移动消防通信指挥系统建设的几点思考

移动消防通信指挥中心的现代化程度和高科技应用水平已经成为建设一支现代化、信息化消防队伍的重要标志之一。移动消防通信指挥系统能够将消防部队灭火救援指挥工作进行优化和程序化、规范化,实现以信息平台为载体,以可视化现场图资料采集为源泉,以信息共享为基础,以指挥协同为目标,使灭火救援指挥工作的＂业务流＂与＂信息流＂高度融合,极大地提高了灭火救援指挥工作的效率、质量和水平,推进消防工作改革向纵深发展,使网上作战指挥引导实战成为现实。     

上海世博会警卫工作无线通信指挥平台的构建与应用

在众多安全保卫工作中,无线通信联络是确保警卫指挥有条不紊的重要环节。结合上海警卫部队特点及警卫工作实际。对世博安保警卫工作无线通信指挥平台的构建与应用,进行了回顾和总结。同时,也对警卫工作信息化建设进一步发展的具体思路,提出一些新的观点和理念。     

IETM在通信装备保障中的应用

交互式电子技术手册(IETM)是实现通信装备保障信息化的关键技术之一。文章简要介绍了IETM的标准和规范、IETM的分类和技术特点,介绍了应用于通信装备保障的交互式电子技术手册实现的技术途径。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.