排序方式: 共有84条查询结果,搜索用时 818 毫秒
51.
52.
宝岛台湾四面环海,优美的海岸景观随着地理位置的不同,呈现出不同的景色。台湾东北角向来以地景壮阔瑰丽闻名,发达的海蚀崖、单面山、海蚀平台、海蚀柱,百态千姿堪称全台之最。野柳是其中的佼佼者。野柳位于台湾岛万里乡,在基隆西北方约15公里处,是台湾北部一个突出海面长约1700米的狭长岬角,是台湾最负盛名的地质公园。 相似文献
53.
根据海杂波模型的发展过程,按简单模型、复合模型和混合模型3种模型概述了海杂波建模和在此环境中的目标检测理论。最后,总结了海杂波建模的一些发展趋势。 相似文献
54.
55.
介绍了3种两样本非参量CFAR检测算法的基本工作原理,利用实测未知统计概率分布海杂波数据对它们的检测性能进行了研究,并与参量CA-CFAR检测器进行了对比.研究表明:在强海杂波条件下,GS-CFAR检测器的检测性能最优;在弱海杂波条件下,Savage-CFAR检测器的检测性能最优;相比于CA-CFAR检测器,3种两样本... 相似文献
56.
为检测海杂波中的微弱目标,文中采用实测数据分析了海杂波的Hilbert谱脊线及其粗糙度,研究了目标对其Hilbert谱脊线及其粗糙度的影响。研究发现,目标的出现将导致海杂波Hilbert谱脊线起伏趋予平滑,Hilbert谱脊线粗糙度减小,在此基础上,文中提出了采用Hilbert谱脊线粗糙度检测微弱目标的方法。仿真结果表... 相似文献
57.
58.
提出了用小波变换对海杂波分布进行统计分析,利用小波多分辨分析估计海杂波的概率密度函数,通过拟合识别分布并求取参数,改变以往先假定海杂波分布识别的方法,克服了因为噪声的存在直接由海杂波数据估计分布参数不准确的缺点。通过适当地调整小波多分辨分析的阈值,可以获得更逼真的海杂波概率密度函数,适应各种海况下的海杂波分析。 相似文献
59.
传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。 相似文献
60.
文中研究了海上动目标雷达回波与海杂波在分数阶Fourier域(FRFT域)的分形特性,利用两者幅值起伏程度的不同,提出了一种基于FRFT域分形维数差异的动目标检测方法。该方法以处处连续而不可导的非平稳不规则信号模型——分数布朗运动作为FRFT域分形模型,通过仿真分析实测海杂波数据的分形曲线,证明海杂波在FRFT域的无标度区间内具有分形特性。提取出FRFT域海杂波与动目标回波的分形维数,并利用其固有的差异进行目标检测。经不同极化方式下海杂波数据仿真,验证了算法的有效性。 相似文献