基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

中外合作双校园办学模式中单片机实验教学改革的思考

中外合作双校园模式中单片机实验教学具有课程设置、内容体系结构和学生来源等方面的特殊性,传统实验教学大纲、教学内容和教学模式在该模式教学中表现出许多不足之处,对该模式单片机实验教学进行反思、改进和完善,探索一套行之有效的教学模式是提高教学质量的首要前提。     

基于SVM算法的短波通信协议识别技术

受时变色散信道及多径效应的影响,短波通信协议的识别存在截获信号质量差、单一特征识别准确率低等问题。提出了协议特征向量和自熵,设计了一种具有自适应学习能力的协议识别模型和相应的识别算法,最后给出了参数寻优结果以及识别准确率分析。本文的工作为短波通信协议识别技术的应用提供了重要参考。     

脉冲压缩在雷达中的应用及抗干扰性能研究

脉冲压缩技术已广泛应用于现代雷达中,应用该技术的雷达采用宽脉冲发射以提高发射的平均功率,保证足够的最大作用距离,而接收时则采用相应的脉冲压缩方法获得窄脉冲,以提高距离分辨力,因而较好地解决作用距离和分辨力之间的矛盾。采用脉冲压缩技术的雷达具有较强的抗干扰性能。本研究对于几类脉冲压缩信号的优缺点进行了比较,对于脉冲压缩技术的实现方法及其抗干扰性能进行了分析。     

基于字典学习的77GHz雷达人体动作识别

基于视觉的人体动作识别方法对光线和视距环境较高,并且存在侵犯隐私的问题,在应用中有局限性。为了解决这个问题,提出一种基于毫米波雷达和字典学习的人体动作识别方法。首先对人体动作的雷达回波信号进行时频分析得到时频图,再使用两种特征提取方法对时频图进行降维描述,将两种降维后的数据融合,通过LC-KSVD字典学习算法同时学习多特征字典和一个线性分类器,最后根据稀疏系数和线性分类器来识别动作。在此基础上,设计77 GHz毫米波雷达动作识别实验系统,结果表明:算法在10种人体动作数据集上达到了97.7%的识别准确率,可见所提方法实现了对人体动作的准确识别。     

获取俯仰信息的车载合成孔径雷达成像方法

车载合成孔径雷达(synthetic aperture radar,SAR)技术能够弥补摄像头和激光雷达在恶劣环境下感知能力的不足.针对现有一维车载SAR成像方案无法实现目标俯仰方向分辨的缺点,提出一种基于俯仰方向等效均匀阵列和行进方向合成孔径相结合的二维SAR成像方案.数据采集系统采用77 GHz商用多输入多输出雷达和线性导轨搭建.实验结果证明,该系统所得成像结果能够有效反映目标外形轮廓.在车辆非直线轨迹运动场景下,存在唯一可用后向投影算法时间复杂度过高的问题,针对上述成像方案阵元特点,提出一种基于时域和波数域结合的快速成像算法.理论推导和仿真实验表明,该算法能有效降低时间复杂度,且保持良好成像效果.     

基于误差迭代补偿的InSAR四向加权最小二乘相位解缠法

相位解缠是干涉合成孔径雷达(InSAR)高程地形测量中的关键步骤之一。四向最小二乘法相比传统的两向最小二乘法,充分考虑了对角方向的相位信息,其解缠结果更接近真实值,但还是存在一定的误差。为了进一步提高解缠精度,提出了一种基于误差迭代补偿的四向加权最小二乘相位解缠法。通过利用缠绕相位二阶差分和梯度相关质量图的双重特性,来构建新的权重,能更好地修正坡度变化大的相位区域,抵消平滑作用,再采用误差迭代补偿机制,进一步提高解缠精度。实验结果表明,该方法有一定的优越性和可行性。