SEQUENTIAL ALGORITHM FOR MULTISENSOR PROBABILISTIC DATA ASSOCIATION

Jointprobabillsticdataassociation(JPDA)isanalgorithmusedinsinglesensormultipletargettrackingsystems.Itemploysthenon-uniqueassignmentof"allneighbor"strategytoadaptforthedensemultitargettrackingenvironments[1].Becauseofitswideapplications,itisnecessarytoextendJPDAintosomemultiplesensortrackingsystems.Suchamultisensorsystem,forexample,canbeformedbycollocatingradarandinfraredsearchandtrack(IRST)whichcantakeadvantagesofboththesensorsbodatafusion.Undertheconditionofthesamesensors,acommonmeasure…     

GKF算法下对机动目标多步预测的误差分析

机动目标运动状态的多步预测是为了更好的为机动目标的跟踪提供数据支持,因此要保证多步预测数据的可用性,需要知道预测的精度,由此要对预测数据做误差分析。本文在对机动目标运动轨迹实施多步预测的基础上分析了多步预测过程中随机误差的传递,以及传递的随机误差对多步预测的影响。仿真结果显示,预测中传递误差方差占预测误差方差的绝大部分,是影响预测精度的最重要因素之一。     

基于杂波对消-自聚焦的多通道SAR-GMTI

对超高频(UHF)波段多通道合成孔径雷达(SAR)动目标检测技术进行研究,解决了长相干积累时间导致动目标在方位向散焦严重的问题。采用分块自聚焦技术对多通道SAR地面移动目标指示(GMTI)系统自适应杂波抑制后的SAR图像进行处理,改善杂波抑制后的SAR图像中动目标的聚焦情况,增强动目标与周围剩余杂波的对比度,进而提高恒虚警率(CFAR)检测的性能。与传统杂波抑制后直接进行CFAR检测方法相比较,该方法降低了检测虚警概率。实测数据处理结果显示动目标的信杂比明显提高,动目标方位向聚焦成功,证明了该方法的有效性。     

基于二项分布的装备状态质量诊断试验评估指标研究

提出了通过诊断方法获取装备状态质量特性指标值的思想，解决了统计特性不明显的小样本集装备获取状态质量特性指标的难题；规范了装备状态质量诊断试验的条件；在装备质量评估领域首次提出了评价装．备诊断试验效果的确诊率、负确诊率、误诊率、漏诊率、故障预测指标、正常预测指标等单指标体系以及符合率、综合指数、比数积、故障似然比、正常似然比等综合指标体系，并进一步提出了提高装备状态质量诊断试验效率的平行诊断试验方法和系列诊断试验方法。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

工业企业经营状态预警系统研究

本文通过对工业企业预警指标的研究，建立了预警指标体系及综合指标，阐述了预警原理及方法，建立了预警系统的初步框架，为企业经营者加强内部管理提供了有效的方法。     

成组技术中计算机辅助零件分类方法的探讨

成组技术是有效实现CAD/CAM的基础之一,是提高多品种、中小批量生产水平的重要手段。本文提出了在成组技术中应用模糊数学理论进行计算机辅助零件分类的新方法,并对回转零件进行了分类试验,取得了满意的结果。采用这种方法,不需要对零件进行编码,可以对零件相似性进行定量分析,使得零件分类更具有柔性,为成组技术中零件分类提供了新的方法。     

浅谈以人为本的绩效考核

在传统的绩效考核中,对不同的人按同一标准衡量,是与他人进行相互比较.而在以人为本的考核中,对不同的人按不同的标准衡量,是与自己进行比较.这种以人为本的绩效考核能更有效地激励员工.     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。