多重网格法求解静电像管三维电场的若干问题研究

详细讨论了多重网法数值求解三维静电场的若干数学问题,诸如三维多重网格法的限制与延拓公式推导、确定静电像管三维电子光学系统中的锥面电极、圆筒电极、球面电极、圆孔膜片电极、孔电极等的空间位置及范围的方法、以及迭代计算的逻辑尺编码方法等,为像管电子光学系统设计及优化设计奠定了良好基础.     

一种用于雷达网目标状态融合的算法

针对目前雷达情报自动化系统中雷达网目标状态融合存在航迹不连续、情报信息利用率低等问题,综合运用了神经网络和军事运筹学理论和方法,给出了一种用于雷达网目标状态融合的算法.结果表明,利用本方法使融合后的目标轨迹与目标真实运动轨迹非常接近,有效地提高了雷达情报的综合质量.     

多雷达多目标航迹跟踪中FMM神经网络的应用与仿真

提出了一种基于Fuzzy Min-Max (FMM)人工神经网络的多雷达多目标航迹跟踪的方法。仿真应用的实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并比较理想地实现了多雷达多目标的航迹相关。     

BM弹头雷达一维像干扰初探

根据目前反导雷达使用宽带信号对目标进行一维成像,检测目标几何特征的特点,从弹道导弹(BM)弹头雷达一维像(HRRP)特征出发,参照宽带线性调频雷达成像原理,讨论了对BM弹头HRRP可采取的几种电子干扰措施,包括对BM弹头HRRP的模拟和遮盖,给出了模拟BM弹头HRRP时所需生成的各信号特征,分析了每种遮盖干扰信号的功率利用情况,最后分析了每种干扰措施的优缺点。     

一种有源无源联合定位系统的航迹起始方法

为了解决雷达面临的四大威胁和无源定位系统定位精度偏低及被动工作的问题,多站有源无源联合定位系统正在成为研究热点。航迹起始是该系统对目标进行跟踪的首要问题。在航迹起始过程中,系统需要将有源观测点迹和无源观测点迹进行融合,其本质是异类源数据融合问题。分析了有源无源联合定位系统的航迹起始问题的特点,提出了一种针对有源无源联合定位系统的航迹起始方法。仿真实验结果表明了该算法的有效性。     

《美国牧歌》的神话原型解读

本文拟以神话原型理论为理论基础来解析菲利普.罗斯的著名作品《美国牧歌》。根据弗莱对原型的定义,指出该小说呈现了人物原型、主题原型、意象原型等。这些看似偶然的原型形成了普遍的结构关联,决定了作品的内在一致性。作者通过再现特定历史时期的原型,激发读者重新思考过去、现在和未来的联系。     

基于标准化信息距离的彩色图像检索方法

针对标准化信息距离（Normalized Information Distance,NID）在图像检索（Image Retrieval,IR）应用中的优势和不足,结合图像的显著图,给出了一种改进的基于NID的IR算法,并进行了仿真实验。结果表明：改进算法的检索性能有了较好的改善。     

一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

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.     

基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用

近年来,多传感器信息融合技术已经在许多领域得到了广泛的应用,该技术也可以用于战场目标识别.在简单介绍了多传感器信息融合技术的概念和方法之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.