神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

桥梁结构移动载荷识别的新方法

桥梁结构的移动载荷识别技术是桥梁工程建设的技术难点之一。本文在载荷匀速移动的基础上,将时域识别的方法推广运用到变速运动的载荷,运用广义正交变换技术研究了移动载荷识别的新方法,并推导出了在广义正交域下移动载荷识别的数学模型。通过计算机仿真算例验证了该理论的正确性及在工程运用中的可行性。该模型适用于桥梁结构的移动动态载荷识别,为移动载荷识别技术的发展打下一定的基础。     

雷达的目标识别技术

对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾。研究了相控阵雷达系统中多目标跟踪识别的重复检测问题。提出了角度相关区算法，分析了实现中的若干问题。通过在相控阵雷达地址系统中进汀的地址实验和结果分析表明，采用角度相关区算法对重复检测的回波数据进行处理时，将使识别的目标信息更精确，从而能更早地形成稳定的航迹，达到对目标的准确识别。     

固体火箭发动机喷管喉部凝相颗粒粒度分布实验

设计了一种新的收集固体火箭发动机喷管凝相颗粒的实验装置,针对典型的HTPB复合推进剂,开展了喷管喉部凝相颗粒的收集实验和粒度分析,研究了燃烧室压强和收敛角度对喷管喉部颗粒粒度分布的影响规律。研究结果表明,喷管喉部的凝相颗粒在0.27～50μm之间都有颗粒存在,凝相颗粒主要集中在0.3～15μm之间,粒径大于15μm的颗粒较少;燃烧室压强对颗粒粒径有较大影响,随着燃烧室压强的升高,凝相颗粒粒径变小,粒度分布更为集中;燃烧室压强相同的条件下,收敛角度对喷管喉部的凝相颗粒粒度分布影响较小。     

空中交通拥挤的识别与预测方法研究

随着航空运输业的迅猛发展,空中交通拥挤现象日益严重,空中交通拥挤研究已经成为国际民航界的一个研究热点。其中,空中交通拥挤的识别与预测是空中交通拥挤研究的主要内容之一,在此基础上综述了国内外有关空中交通拥挤识别与预测方法的研究状况。首先概述了基于不同拥挤形成因素和拥挤后果的空中交通拥挤概念的研究状况;接着依据所用交通数据时间尺度的不同,分别针对基于短期数据的阈值判别方法、基于长期数据的聚类识别方法以及基于混合数据的综合评价方法综述了空中交通拥挤的主要识别方法;然后分别基于数理算法(统计算法、交通流模型算法和智能算法)和计算机仿真模拟技术综述了空中交通拥挤的主要预测方法;最后指出了空中交通拥挤识别与预测问题的近年研究热点和未来的研究方向。     

基于星载可见光相机的空间碎片探测

空间碎片在轨识别与参数辨识为空间轨道预警、航天器规避空间碎片提供了重要依据。文章在轨道相对动力学的基础上,模拟了空间碎片在光学探测过程中的拖尾成像特性;随后,采用 Hough变换对空间碎片尾迹特征.r进行提取与识别,获取碎片方位角信息,通过匹配多帧图像,获取碎片的方位角速度信息。同时,结合激光测距仪的测距信息,获取空间碎片的位置和速度信息;通过数值仿真验证,该方法能够实现对空间碎片探测、识别和定位,因而具有一定的工程应用价值。     

颗粒尺寸对颗粒速度滞后数的影响

本文讨论了固体火箭发动机燃烧室中颗粒尺寸对颗粒速度滞后数的影响,导出了它们之间的定量关系式,并分析了燃烧室压力和装药通道面积对颗粒速度滞后数的影响。     

基于传声器阵列的航空发动机噪声源识别研究

为了实现新一代发动机的噪声源识别技术,对于测试所得到的民用飞机发动机的整体噪声数据,通过部件噪声分解方法,将其分解到各个部件,并且认识当代民用飞机发动机噪声源的基本特征.开发出利用发动机整机噪声数据的噪声源识别系统,采用反卷积法将波束成型法的结果作为中间声源,从中获取所需要的声源信息,使得最终的结果更加准确.通过获取的发动机整机噪声数据,验证传声器阵列技术的可行性,并且证明了系统的可行性和有效性.     

基于相对骨骼点特征和时序自适应感受野的动作识别方法

针对长时间动作识别难以充分利用时空域信息的问题,提出了基于相对骨骼点特征和时序自适应感受野的动作识别方法。首先,该方法在特征获取部分增加了相对骨骼点特征,以满足节点多样性和互补性要求,将其分别输入到空域图卷积网络,获得空间中相邻关节聚合的局部特征。然后,设计了一个时序自适应感受野网络,以获取在时域中关节变化的局部特征,并且增加了网络对不同持续时长动作的适应性。最后,经过决策级融合模块,计算类别概率,得到分类结果。仿真结果表明,基于NTU RGB+D和Kinetics-skeleton两大基准数据集,对比多种主流方法,均取得了更高的识别准确率,分别为96.2%与60.1%。该方法可以较好地提取不同动作的区别性时间特征,提高了动作时空特征的判别能力。