辅助移动机器人的分布式视觉定位系统

针对智能环境辅助的室内移动机器人导航,提出一种具有高性能、低功耗和通用性的新型分布式视觉定位系统。为克服传感器成像噪声、环境背景混杂和光照变化等对视觉目标感知造成的干扰,在投影法彩色目标快速检测的基础上,提出结合Tsai氏标定与多项式拟合的全局目标视觉定位算法,以及一种多视角协同策略,提高了在复杂环境下全局视觉定位的准确性和可靠性。研究开发了基于TMS320DM642的嵌入式DSP智能感知节点软硬件架构,实现了实时视觉信息采集、处理与网络接口等集成。移动机器人导航控制平台的应用与实验验证了分布式视觉定位系统的定位精度等性能。     

基于角度引导注意力的气动目标宽带PD识别方法

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)图像是雷达自动目标识别的重要手段;获得高分辨率的ISAR图像需要雷达长时间照射;在实际工程应用中存在较大的限制。相比之下;宽带脉冲多普勒(pulse Doppler, PD)图像通过短脉冲积累成像;能够有效节约雷达资源。本文以不同入射视线角下图像中调制现象差异为出发点;设计一种角度引导注意力的卷积神经网络;旨在实现有限资源下更高的识别性能。首先;通过混合注意力残差模块;使网络聚焦于图像空域的差异;从而有效提升目标精细化特征的表征能力。然后;设计角度引导注意力模块;通过角度编码将入射视线角信息嵌入网络;实现目标特征表示与姿态的关联耦合;进一步提升识别准确率。最后;通过3类飞机的实测宽带PD图像进行分类识别;验证所设计网络的有效性。     

轻量化的ML-SNet雷达复合干扰识别算法

针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题, 将多标签分类与改进的ShuffleNet V2相结合, 提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先, 使用轻量化的ShuffleNet V2作为主干网络, 引入SimAM(similarity-based attention module)注意力机制, 提高网络特征提取能力。其次, 使用漏斗激活线性整流函数(funnel activation rectified linear unit, FReLU)代替线性整流单元(rectified linear unit, ReLU)激活函数, 减少特征图的信息损失。最后, 使用多标签分类算法对网络输出进行分类, 得到识别结果。实验结果表明, 在干噪比范围为-10~10 dB的情况下, 所提算法对15类雷达复合干扰的平均识别率为97.9%。与其他网络相比, 所提算法具有较低的计算复杂度, 而且识别性能表现最佳。     

基于盲源分离结合奇异谱分析的雷达多分量信号识别方法

针对阵列在同波束内同时接收到多个雷达信号、造成时域混叠, 难以进行信号检测与参数测量, 进而导致信号调制类型识别困难的问题, 提出一种基于盲源分离结合奇异谱分析的雷达多分量信号识别方法。首先, 利用奇异谱分析对接收到的阵列信号进行降噪处理, 再使用盲源分离方法对混叠的多分量信号进行分离;然后;对分离信号进行时频变换;得到信号时频图;最后;将时频图作为深度学习网络的输入, 对信号进行识别。仿真结果表明, 在5 dB下, 所提方法对同波束内接收的多分量信号的平均识别率达到92.67%, 有较好的识别效果。     

甲骨文计算机识别方法研究

甲骨文是中国最古老的一种象形文字，富有绘画的特点，因此不能用目前识别汉字的方法进行识别。该文提出一种两级分类的识别程序设计方法：首先，将街识字符抽象为一种图，并其拓扑特征进行了第一级识别；然后，给出一种广义笔划定义，并在此基础上提取有关的特征进行第二级识别。初步实验表明，识别率达９４％。     

高速网络分布式抽样中的统计随机性分析

针对当前分布式抽样方法不能较好地解决抽取样本的随机性和估计无偏性的问题,采取对被抽样的数据包头中没有实际意义的Flag预留位做标记的方法,以保证各测量点抽取样本的一致性;在入口点处采取泊松抽样保证样本的随机性和估计无偏性.理论推导和实验验证均表明:所提方法实现简单、准确性高,抽取样本能较为准确地估计出流量总体特征,并且部署灵活,适合于工程应用.     

藏文联机手写识别的难点及其解决方法

通过分析各种联机手写识别方法(统计模式识别方法、结构模式识别方法、结构和统计模式识别方法) 以及藏文自身的特点,总结出藏文联机手写识别的方法.     

一种基于全卷积神经网络的空中目标战术意图识别模型

针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTMFCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征。通过消融实验和对比实验结果表明,MLSTM-FCN 模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了sota的结果,为指挥员在进行空中作战决策时提供更有效的依据。     

一种改进的最佳鉴别平面

在模式识别领域,基于Ｆｉｓｈｅｒ鉴别准则函数的Ｓａｍｍｏｎ最佳鉴别平面技术有着重大的影响。特征抽取的一般原则是最好抽取模式朱相关的特征,而Ｓａｍｍｏｎ最佳鉴别平面的２个鉴别投影方向虽然是正交的,但一般也是统计相关的。实验结果表明,改进的最佳鉴别平面具有良好分类效果。     

分布式系统的新型框架—.NET Remoting

主要阐述.NET Remoting的基本系统结构和.NET Remoting在应用程序中的使用方法。讲述了Remoting的定义、在分布系统中边界问题;Remoting体系结构中通道、应用程序域和结构体系;Remoting的激活方式和生存服务,让我们了解到Remoting技术,并在何种情况下能在应用程序中实现Remoting以及如何实现。