一种基于Gabor深度学习的无人机目标检测算法

随着智能控制技术的不断成熟,无人机给军事领域带来快速发展的同时也带来了威胁.因此针对空中飞行的无人机进行实时检测的任务需求,设计了一种基于Gabor深度学习的无人机目标检测算法.首先,搭建基于Gabor滤波器的深度神经网络,输入的图片经过该网络进行网格化划分,用以特征提取;然后,针对每个格子的特征利用回归算法计算其中物体的位置信息,并利用分类算法计算物体的类别信息,对以上得到的回归和分类结果进行筛选、融合得到最终的检测结果;最后,采集空中飞行的无人机真实数据构建数据集,在此基础上进行网络模型训练和算法验证.     

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator) 滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.      

一种Turbo码短交织器的设计方法

短交织器的结构对Turbo码的性能有很大的影响,通过探讨Turbo码编码器中反馈最小多项式的周期性和序列的可整除性问题,把可整除序列变为不可整除序列交织器,从而获得高码重的码字,并给出一种基于输入信息序列周期性特性的短交织器的设计方法.仿真结果表明是一种很有效的设计方法.     

一种用于数字电视系统中的Turbo-TCM方法

给出了适合数字电视系统是信道纠错码中的内码编码速率可变这一特点的一种Turbo-TCM(Turbo Trellis Coded Modulation)方法,同时给出了解调译码方法.所提出了这种Turbo-TCM方法,是基于一种简单的编码速率是1/3的二进制Turbo码,通过打孔剔除而获得更高速率的方法.在各种编码速率和调制方式下进行了仿真.从仿真结果可以看出这种Turbo-TCM方法较原欧洲数字电视标准中的卷积码TCM方法(ETSI EN 300 744)有1~3 dB的编码增益.      

一种地基GNSS接收机差分码偏差估算方法

GNSS不同频点间的码伪距作差会引入信号的差分码偏差（DCB）,包括GNSS卫星及地面接收机的DCB。本文提出一种地基GNSS接收机差分码偏差参数估算方法,首先由电离层文件参数作线性插值,计算出电离层延迟误差。之后对IGS站观测文件进行加权最小二乘法估计,得到GPS卫星和地面GNSS接收机的L1C频点和L2P频点间码偏差。该方法能同时获取卫星DCBs与地面GNSS接收机的DCBr,有效解决地面GNSS接收机DCBr获取的问题。通过对估计的卫星DCBs与CODE公布的值进行对比和统计分析,结果表明,两者卫星DCBs（C1P2）之差的RMS均值误差 < 0.3541 ns,地基GNSS接收机DCBr（C1P2）估算精度优于1.6105 ns。

     

一种轻量化的多目标实时检测模型

为实现公安监控系统内容分析的精准智能及提高服务实战能力,提出一种轻量化的多目标实时检测算法。首先,基于CenterNet检测网络增加了CBNet的多融合阶梯级联结构,有效地解决了主干网络在日常监控中特征提取能力不足的问题;其次,通过模型剪枝压缩网络减少参数量,加快了监控视频分析速度。本文利用部分COCO数据集和自行采集的现场数据进行训练与测试,并与其他主流检测算法（YOLO、Faster-RCNN、SSD等）进行消融实验。实验结果表明:所提模型在公共安全监控中能有效地做到速度与精度的均衡,并具有较强的普适性。      

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于深度学习的非合作目标感知研究进展

近年来随着卷积神经网络的发展,基于深度学习的图像感知技术取得了巨大进展。深度学习算法不依赖于人工辅助设计标记、泛化能力强、检测精度高,在空间非合作目标智能感知领域引起了国内外学者的关注。本文分析了应用深度学习方法进行非合作目标智能感知的研究现状,并对他们进行分类介绍与总结。首先,总结了空间非合作目标感知的在轨应用情况和任务阶段规划,接着分析了非合作目标的结构特性和表面光照特性;其次梳理总结了建立非合作目标数据集的三种方法,分类归纳了非合作目标识别与非合作目标位姿检测的国内外研究进展;最后,分析了基于深度学习的非合作目标智能感知方法的关键问题与难点,并给出了后续研究的思路。     

一种红外小目标图像质量的评定方法

提出了一个新的红外小目标图像质量评定标准——背景干扰程度,定义了"目标混淆度"和"目标遮隐度"两个指标,它们分别体现了背景噪声引入虚警的能力和背景噪声遮隐目标的能力,设计实现了利用两个指标对背景干扰程度的定量描述.实验证明,与传统的小目标图像评定标准信噪比相比,利用该标准评定的结果与实际情况更加符合,更准确地描述了研究者所关心的检测识别目标难易程度的信息,同时,该标准对于无目标信息情况下小目标图像的质量评定也是有意义的.      

航天器C51语言软件中断资源冲突分析方法

对航天器C51语言软件中常见的3种中断资源访问冲突情况进行了归纳总结.由目前软件资源冲突分析方法的比较结果,提出基于静态分析技术的C51语言软件资源访问冲突分析方法,并针对上述情况给出了具体分析流程.该方法可以解决多种C51语言软件中断资源访问冲突问题,也可以推广到其他处理器.     

复杂可修系统效能中可信度矩阵的构造方法

复杂可修系统可信度建模对保证效能的定量分析至关重要.本文在考虑不同维修状况的基础上,着重对不同任务剖面内相应任务阶段中武器装备可信度进行了深入的定量分析和综合,进而构造出武器装备的可信度矩阵,用于武器装备的效能分析;文中以某地面车辆为例,进一步论证了武器装备可信度矩阵的工程含义,旨在为合理确定一大类武器装备的效能和可信度指标提供理论依据.