基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

低轨卫星通信系统地面核心网设计与仿真

文章针对无星际链路的低轨卫星通信系统，利用OPNET软件设计了低轨卫星通信系统在透明转发模式下的核心网构成，并进行了性能仿真。首先介绍核心网的构成、功能和拓扑，在此基础上实现了呼叫处理和切换的仿真，统计了呼叫时延、切换时延等性能指标，分析了仿真结果，为低轨道卫星通信系统的设计奠定了一定的参考价值。     

地基深空网发射机现状及未来发展

我国未来深空探测工程的发展对地基深空站发射机提出了更高的要求,不仅仅需要具有更高的输出功率,同时需要解决发射机高频谱纯度、高效率以及上行功率合成等。针对这些要求,对国内外地基深空网的组成和深空站高功率发射机现状以及未来发展趋势进行了研究,分析了速调管发射机与固态发射机在高功率输出条件下的优势,在此基础上,提出了我国深空站速调管发射机需要开展高功率连续波速调管、高功率低损耗滤波器、低纹波高功率开关电源、上行功率合成等关键技术,并为相应关键技术提供了理论建议及相应的解决方法,这可以为我国未来深空探测工程高功率发射机研制提供技术支撑,为后续地基深空网建设和发展提供参考。     

互联网上计算机时间传递系统设计方案及实验结果分析

计算机互联网的发展，使信息的传递更加方便、快捷。在时间频率用户中，中、低准确度的用户占很大比例，计算机互联网时间传递已经成为一个重要的手段。中国的网络授时系统从２０００年１月开通以来，近万人访问了授时网站ｈｔｔｐ：／／ｋｘｚｈ．ｓｘｓｏ．ａｃ．ｃｎ或其镜像站点ｈｔｔｐ：／／Ｂｅｉｊｉｎｇｔｉｍｅ．１２６．ｃｏｍ。介绍了国家授时中心网络授时系统的设计要点，给出了网络授时传递时间准确度的测量方法，分析了网络授时实验结果。     

神经网络在模拟系统故障诊断中的应用

模拟系统的故障检测诊断对于电路设计，ＶＬＳＩ等具有重要意义。而元器件的实际值究竟是有效值还是故障值，以及如何在大规模电路中测量判定它都是一个研究课题。本文利用神经网络的鲁棒性及模拟故障分析中的Ｍｏｂｉｕｓ变换，提出了一种用神经网络帮助故障诊断的有效方法，解决了线性模拟系统的诊断问题。     

ATM局域网仿真技术

简要介绍了 Ａ Ｔ Ｍ 局域网仿真的主要原理，以 Ｉ Ｂ Ｍ ８２６０ Ａ Ｔ Ｍ 交换机为例，具体分析了 Ａ Ｔ Ｍ 局域网仿真的实现细节。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习，不需要离线训练。在无逼近误差和扰动的理想情况下，所提出的在线算法能保证辨识误差趋于零，基函数持续激励条件能保证权重趋于零。在非理想情况下，权重调整律采用ｅ修正权重算法，它是ＢＰ算法的推广，不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动，提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合，反馈控制沿时间轴方向使关节运动跟踪期望轨迹，神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明，该方法能克服机器人动力学模型的不确定性和负载扰动，具有良好的鲁棒性和控制性能。