用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

网络控制系统的分析与硬件在线仿真

网络控制系统(NCS)是一种新型计算机控制系统,通过工业网络实现控制单元之间的数据交换,但这也给控制系统带来了时延等问题.在分析两种常见工业网络的时延特点之后,介绍了硬件在线仿真平台的构建,提出了理论与硬件在线仿真相结合的设计方法,即用平均时延对系统进行理论设计,再在硬件在线仿真平台上进行仿真和参数选择.某二阶系统的设计与仿真过程,说明了该设计方法的有效性.     

非对称极化散射矩阵的目标识别方法研究

本文针对单基地测量时线性目标的极化散射矩阵为非对称这一实际情况．根据散射矩阵理论将其进行了对称性修正，在此基础之上，利用本征极化作为雷达目标极化特性的表征并进一步提取了目标的极化特征，同时对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

基于随机Hough变换的快速圆检测方法

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在复杂图象中检测圆时随机采样所造成的大量无效累积,提出了一种改进的ＲＨＴ用于圆检测,它是利用精度要求不高的梯度方向信息来决定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题．改进后的算法比原算法计算速度快、占用的内存小得多,检测性能有较大提高．     

用前向网实现噪声图象的边缘提取

本文提出采用多层前向网及改进的ＢＰ算法，对经Ｃａｎｎｙ最佳边缘检测算子处理噪声图象后得到的高、低门限图进行不连续轮廓的并行“修补”，能够较快地得到信噪比高的边缘图象．     

冲击式压路机在路基拼接施工中的应用

在沪宁高速扩建施工中使用了冲击式压路机对新填路基进行了冲碾补压，对提高路堤的密实度与均匀性，减少工后沉降与差异沉降，防止新旧路基拼接处产生纵向裂缝起到了较好的作用。本文作者结合参建的沪宁高速公路扩建工程施工，介绍冲击式压路机的应用。     

一种新的视频镜头边界检测及关键帧提取方法

根据视频邻域片段变化的特点提出了镜头边界系数模型,镜头边界系数具有良好的抗噪能力,且对视频帧的时域变化有较好的描述能力,可用于镜头边界检测与关键帧提取.它可以单独检测镜头边界,也可以与传统的基于帧差的镜头边界检测方法相结合检测镜头边界.在提取关键帧时,根据镜头边界系数的分布,自适应地确定镜头内的关键帧数,用非极大值抑制方法与基于镜头边界系数的优先级方法确定关键帧的位置.实验结果表明,该方法在镜头边界检测性能上要优于已有的基于帧差的镜头边界检测方法,提取的关键帧对镜头的视觉内容具有较好的表达能力,且可在视频回放时实时执行.     

空间目标ISAR成像与识别对抗研究

阐述了空间目标的雷达对抗措施,通过仿真研究了对抗条件下的空间中段目标ISAR成像与识别,分析了对抗手段对ISAR成像质量与识别性能的影响,指出对ISAR的二维压缩机理进行破坏是实施有效干扰的关键所在。仿真结果表明,通过对抗手段能有效降低ISAR的成像质量,破坏ISAR的识别性能。实验结果对于增强中段突防目标的突防能力有较重要的参考价值。     

地基防御雷达的有源假目标极化鉴别能力

研究了有源多假目标等欺骗性电子干扰对地基防御雷达系统的有效性问题。首先详细分析了任一椭圆极化天线有源假目标的极化特性,并探讨了典型雷达目标的极化散射特性。在此基础上,设计了有源多假目标的极化鉴别算法,计算机仿真表明,具有极化测量能力的地基防御雷达系统具有对有源多假目标进行鉴别的能力。