微弱正弦信号在有噪声的FN神经元模型中的传输特性研究

长期以来弄清神经系统中的信号是如何传输的一直是广大研究人员努力的目标.针对一种被普遍研究的神经元简化模型--FitzHugh-nagumo(FN)模型,采用二阶随机龙格-库塔算法分析了该模型对加性噪声和微弱正弦信号的响应特性.时域和频域的统计参数表明适当强度的噪声有利于信号的传输,存在随机共振现象,即与噪声强度关联的输出信噪比曲线为倒钟形;另外值得关注的是,与正弦信号频率关联的输出信噪比曲线也为倒钟形,分析可见正弦信号的无量纲频率在区间0.2～0.8时模型的输出信噪比最大,表明该神经元模型有频率敏感性,即更易于检测到该范围内的弱信号.上述结果与生物学的发现是一致的,将有助于进一步揭示周期信号在神经元中的传输方法,建立更加准确的神经元数学模型.     

光电稳定机构指向误差建模与敏感度分析

光电稳定机构在武器装备的侦察、瞄准设备中应用广泛,其光轴指向误差直接影响着目标探测、识别的准确性.在加工和装配过程中难以避免的机构几何误差是指向误差的重要来源.基于多体系统运动学理论的误差建模方法,以两轴式稳定机构为例,建立了基于几何误差的指向误差模型.并通过误差模型的概率分析和误差敏感度的构建,比较了各项几何误差的影响程度.此方法既可在设计阶段用于指向误差的评估和几何误差的分配,也可在调试阶段用于几何误差标定.     

基于VFGPIR联合特征的决策级加权融合检测方法

车载前视地表成像雷达(VFGPIR)探测浅埋目标时面临虚警率过高问题,可利用序列图像特征的联合检测解决这一问题.首先利用Fisher鉴别比(FDR)定量评估从单帧和序列图像中提取的单个特征的鉴别能力;然后针对单个最优序列特征无法满足探测指标要求提出一种基于决策级加权融合的多特征联合检测方法;最后利用接收机工作特性(ROC)曲线来验证所提方法的有效性.试验结果表明:序列特征比单帧图像特征具有更好的鉴别能力;所提方法性能优于单个最优序列特征、特征向量和多数票融合准则对应的检测结果,有望满足实际探雷应用需求.     

某型坦克炮控检测系统的实现

从检测技术出发,介绍了某型坦克炮控检测系统的设计和原理。该系统以智能化检测手段,分级别实现了对该型坦克炮控系统相应小修、中修的性能检测。     

基于主导拮抗抑制的多尺度边缘检测

图像边缘检测算子的抑噪能力和定位精度是一对矛盾,从视觉神经生理学角度出发,提出一种基于主导拮抗抑制的多尺度边缘检测模型。该模型将主导拮抗抑制机制拓展到多尺度处理,通过引入侧膝体拮抗通道的强抑制机制达到自适应抑噪的效果,获得的对比度信息经过简单细胞子域的非线性整合得到锐化的边缘输出,最后将多个尺度的处理结果进行融合,获得最终的边界轮廓。理论和实验证明通过主导拮抗抑制机制和多尺度处理的结合,获得抑噪能力强、定位精度高的边缘检测模型,该模型具有生理学基础,结构简单,计算效率高。     

固体发动机药柱正交各向异性材料参数灵敏度分析

<正>交各向异性材料已在大型固体发动机上得到广泛应用。为了较大地降低发动机药柱的VonMises应变水平,极大地提高发动机的结构完整性能,以星形药柱为例,对固体发动机药柱推进剂和绝热层的弹性模量和泊松比等正交各向异性材料参数进行了灵敏度分析,得到了固体发动机药柱正交各向异性材料参数的灵敏度系数。分析方法与结论对固体发动机的优化设计具有指导作用。     

泛探雷达长时间相参积累目标检测方法研究

泛探雷达利用同时多个接收波束覆盖整个观测空域,可利用长时间相参积累提高动目标检测性能,然而必须解决目标在长积累时间之内出现跨波束、跨距离单元和跨多普勒单元现象带来的积累增益下降问题。在跨波束影响可忽略前提下,研究了基于Keystone变换与Dechirping变换相结合的运动补偿方法,并在此基础上提出了基于Clean思想的多目标检测流程。通过对仿真数据与外场实测数据的处理与分析,验证了本文方法的有效性,可以用于泛探雷达的目标检测。     

面向作战任务的作战系统冲突检测与消解研究

以作战任务为中心,动态集成作战系统是当前军事领域研究的新课题,从多个作战任务的时间冲突和作战系统状态能力有限性出发,研究作战系统在执行作战任务过程中存在冲突的问题,给出冲突规则的形式化描述,提出了冲突检测与消解的算法,最后通过实例对算法进行了验证。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于粒子滤波的活动轮廓模型视频跟踪(英文)

跟踪变形目标包括假定目标的全局运动和时间方程的局部变形。粒子滤波算法依靠参数化法选择,但是不能处理曲线的拓扑变化。活动轮廓模型是独立参数化,可以比较好地适应拓扑变化。基于上面两个方法的局限性,将上述两种方法相结合,运用于变形目标的跟踪。实验结果证明,该方法有很强的鲁棒性,对部分遮挡的物体有很强的适应性,证明了该方法的有效性。