基于解析小波的光流计算方法

在基于小波变换的光流计算中,实值小波系数的相位振荡和多分辨率计算的累计误差是影响光流计算精度的两个主要原因.通过引入解析小波以降低相位振荡的影响,同时结合M估计子能够有效抑制参数估计产生的大误差项,提出一种多尺度多分辨率的光流计算方法.实验表明,与现有的基于小波变换的光流计算方法相比,提出的方法不论在光流计算的精度还是可计算范围上都有很大程度的提高.      

航空器导航系统飞参预测置信度评价方法研究

为了提高航空器的安全性能,需量化飞参预测过程中的不确定性,因此本文提出了基于预测模型的置信度评价流程。针对航空器导航系统中的飞参数据,采用卷积神经网络开发预测算法,对选定的飞参数据进行预处理和训练,实现高精度的目标飞参预测。综合考虑了模型搭建中的认知不确定性和数据层面的偶然不确定性,采用模型集成的方法来捕获认知不确定性,通过双头网络捕获数据中的偶然不确定性。在此基础上,构建多源不确定性模型,实现了飞参预测模型的置信度评价。经过试验测试,在正常飞参数据中植入噪声模拟实际工况的不确定性,结果显示所提置信度评价方法能有效地表示飞参预测结果的准确性,提高了航空器飞行决策过程中的安全性与可靠性。     

RBF网络在结构抗疲劳优化中的应用

针对某飞机机翼I型大梁的开孔加强方案,建立优化的数学模型,利用RBF神经网络模型来逼近设计结构的应力/参数非线性关系,代替原来的经验和拟合公式;采用遗传算法对机翼的加强结构进行优化设计,得到比较合理的结果。     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

一种用于版权认证的数字图像水印算法

提出了一种基于DWT域的用于图像版权认证和保护的数字图像水印方法。首先,将原始图像分块,并对每块进行多层DWT变换;然后,把置乱的水印图像嵌入到图像的多层低频小波系数上;最后,再对图像进行IDWT变换。文中所采用的二值标识水印图像直观,信息量大,并根据实际需要,用航拍图像作为载体图像进行实验。实验结果表明,该方法简单高效, 可嵌入的数字水印信息容量大,对一般的图像处理和各种攻击有很好的鲁棒性,如:JPEG压缩、滤波、加噪声、旋转、缩放,涂抹、剪切等,能够准确可靠地提取水印。     

基于小波变换法的相位编码信号脉内特征提取

信号脉内调制信息识别技术对密集和复杂环境中辐射源的分选和识别有着重要的意义。研究了基于小波变换技术识别相位编码信号的脉内调制信息的算法,分别基于计算机仿真数据和专用设备提供的仿真数据进行了算法验证,结果证实了算法的可行性。     

航空发动机神经网络内模控制

基于神经网络内模控制理论研究了神经网络内模控制方法在航空发动机控制系统中的应用,建立了基于Elman网络的航空发动机多变量内模控制系统。采用Elman网络建立发动机内模型和内模控制器,详细介绍了建模、控制的算法及其实现过程。取部分飞行条件下的数据作为学习样本,采用动态BP算法对神经网络权值进行调整,并在飞行包线内其它工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的航空发动机内模控制系统具有良好的控制品质和较强的自适应能力。      

基于Kohonen自组织网络算法规划数控抛光路径

为避免在数控抛光中因采用规则运动路径产生的规律性高频误差,故借助于神经网络方法,采用基于Kohonen自组织网络算法,对抛光头的运动路径进行规划。     

基于BP神经网络的零件成组技术的研究

提出了一种基于BP神经网络的零件分类方法。通过200个典型零件样本对神经网络进行训练和测试,证明该基于BP神经网络的零件分类成组系统可实现零件的准确分类成组。     

基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。