自然场景车标数据集的构建及其应用

车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10 324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。     

三轴MEMS加速度计的最大似然校正算法

加速度计是惯性导航系统的重要测量元件,而由于制造工艺及各类传感器误差,低成本加速度计很难达到要求的精度,因此需要对其进行校正。提出一种基于最大似然估计的加速度计自校正算法。综合考虑加速度计零偏、比例误差、非正交误差、安装误差与测量噪声,建立了传感器误差模型。在此基础上,将加速度校正问题转化为校正参数的最大似然估计问题。通过数值仿真和实测试验验证,表明算法具有较高的参数估计精度,能够有效地对上述因素引起的误差进行校正。     

混合指数分布模型的Bayes分析

针对截尾试验数据的情况,给出了二元混合指数分布模型的平均寿命和可靠性函数的严格的Ｂａｙｅｓ点估计,并运用最大熵准则给出了可靠性函数的近似的Ｂａｙｅｓ置信下限估计。     

自适应LMS和相关算法在GMI磁传感器信号检测中的应用

在GMI磁传感器的研制中,微弱磁场信号经常淹没于电路固有噪声中。当非晶丝GMI(GiantMagneto-Impedance)磁传感器的输出信噪比小于0dB时,常规的峰值检波方法无法检出传感器信号。针对此问题,提出了一种新的微弱信号(信噪比小于0dB)检测方法,利用LMS自适应滤波算法提取非晶丝GMI磁传感器输出信号的特征参数,将该特征参数与理想参数进行相关运算,并根据相关值的大小来确定信号大小,从而实现对微弱磁信号的测量。仿真结果表明,采用LMS自适应滤波算法和相关分析相结合的方法,对于传感器输出信噪比等于-10dB的微弱信号,根据相关值与外磁场大小的对应关系,仍然可以确定外磁场大小。     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

逸出气体检测的程序升温气相色谱法

建立了一种利用程序升温气相色谱仪的逸出气体检测(EGD)系统,用于测量液薄膜、固薄膜、纤维,粉末等材料中微量的热挥发及(或)挥发性热分解组分。这类微量用常规热分析法(如热重法(TG)、微商热重(DTG)及差热分析(DTA)等)一般难以测出。用该法测量的GuSO_4·5H_2O粉末样品、端羟基聚丁二烯(HTPB)及邻苯二甲酸二丁酯(DBP)薄膜样品逸出气的EGD数据同TG-DTG-DTA联用技术所得结果作了比较。还用该系统检测了硼酸(槽浴)阳极氧化铝箔、碳纤维、碳化硅纤维的逸出气体。阐述了本法的优点及具体步骤。     

一种基于局部不变特征的图像特定场景检测方法

图像场景的自动检测,对于图像的标注以及语义检索具有非常重要的作用。本文研究根据实际应用的需要,围绕会晤、集会、海滩等八类特定场景图像的检测问题展开。首先对图像进行局部关键点的检测以及SIFT特征描述子的计算,从而提取图像的局部特征,在此基础上基于支撑向量机构建多分类器,进行特征训练,最终获得较为准确的检测结果。实验重点针对分类器核函数的确定以及特征选取策略等问题展开,实验结果表明,采用径向基核函数构建多分类器以及特征点按尺度大小排序取前n位的选取策略可以获得较为准确和鲁棒的特定场景检测结果。本方法在保证满足一定程度场景检测准确率的前提下,具有简单快速的特点,能够满足实际应用的需要。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

基于状态空间模型的线性模拟电路BIST方法

本文针对线性模拟电路,提出了一种基于系统状态变量的ＢＩＳＴ方法。该方法将系统的状态、状态变化率及输入信号进行加权求和,以此加权和作为系统的故障检测输出。将其值的大小作为判别依据,可以区分系统的正常与异常状态。此方法具有简单可靠,故障覆盖率高的特点。     

复杂干扰环境下的卫星授时接收机加固技术

对目前导航卫星授时接收机面临的干扰模型和应对措施进行了归纳总结。结合授时接收机工作原理和特点,给出了授时接收机加固的通用框架。在此基础上,对授时接收机加固技术的发展趋势进行了分析,提出了基于钟差辅助和网络辅助的两种干扰检测方法。前者充分利用了多系统多卫星钟差数据的冗余性和本地时钟的特性,后者则利用了授时接收机网络具备数据通信和广域覆盖的特点。通过干扰检测结果给出完好性评估并引导授时接收机的工作模式,可以提升复杂干扰环境下卫星授时的可靠性和完好性。