基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

带单重工作休假和休假中断的Geo^x／Geo／1排队

分析了带休假中断的成批到达的单重工作休假Geo^x／Geo／1排队系统．针对具体的系统模型,利用拟生灭过程和迭代方程,得到系统的稳态队长分布,从而得到系统的平均稳态队长以及随机分解结果．利用负二项式分布的性质,讨论了顾客等待时间的上下界,进而求得平均等待时间的上下界．最后进行了数值分析,考察了系统参数变化对平均队长和平均等待时间的影响．     

引入Star-QAM的高码率差分酉空时编码调制

随着码率的不断增加,酉空时码群中的各个星座点之间的乘积距离会变得越来越小,从而导致性能恶化.为了改变这一特点,引入了Star-QAM(Quadrature Amplitude Modulation)星座图.与M-PSK(MultiplePhase Shift Keying)的一个重要区别就是,Star-QAM星座图的每个信号星座点都具有不同的能量,即具有多幅度特征,不同的星座点可位于多个不同半径的圆上,从而增加了幅度自由度.可根据不同情况找到最优的内外半径比,进而提高整个系统的性能.仿真结果表明,在BER(Bit Error Rate)为10-3时,改进的差分酉码调制的性能比传统的好2.3 dB,而在BER为10-2时,改进方案的性能要好1.8 dB.     

MIMO阵元方向性对系统性能影响研究

在考虑空间衰落相关性(SFC)的同时引入天线单元方向性,研究基于统计信道模型的终端MIMO多天线模型及性能评估方法.在Kronecker的MIMO信道建模中应用终端波达信号方位角功率谱(APS)模型.利用此MIMO信道模型概念,分析在统计衰落信道中MIMO阵元方向性对系统性能影响,包括对空间衰落相关系数、MIMO多径信道容量和误码率(BER)的影响.仿真和优化结果表明:终端MIMO多天线模型中阵元方向性对系统性能影响显著,合理安排阵元波束方向可增加约10%多径信道容量并明显减小误码率.     

基于特征塔集的遥感图像融合方法

提出了图像特征塔集的概念，给出了一种基于特征塔集的融合方法．算法主要包含两部分，子图像的融合及对应残差图像的融合．图像的大部分能量和信息包含在子图像中，因此，在图像金字塔的子图像融合过程中，特征塔集的构造由局部能量和局部熵组成．考虑到残差金字塔包含了原始图像的边缘或高频成分，因此采用梯度作为其融合特征．最终的融合结果，可利用金字塔反变换获得．由于将残差金字塔也引入到融合算法的设计过程中，因此融合的精度得到一定的提高，另外，采取简单的金字塔可以有效地控制算法的复杂度．实验结果表明了算法的合理性和有效性．     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

利用小波分析进行基于形状的图像检索技术

目的 解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法 通过对图像进行小波变换，获得多尺度下的不变矩，得到图像的特征描述符，通过特征描述符的欧氏距离来表示图像的相似度。结果 通过小波变换进行形状特征提取具有很好的图像检索效果。结论 新方法获得的描述符具有旋转、平移、尺度不变性等优点，能够很好地描述图像的形状和空间分布信息。     

关于单层神经网络结构特征的一个结果

目前有许多神经网络模型以 Hebb 规则做为学习的基础.在 Hebb 规则中不包含神经元的几何结构信息.但对点数相同的二维点阵和一维点阵,大脑易于记忆二维点阵,因为它有更多的几何结构特征.Kohonen在中论述了生物神经网络的结构特征.本文在Hopfield 网络中引入几何结构信息,对其联想记忆过程做了理论分析和实验研究,试图研究单层神经网络的结构特征对联想记忆的影响,并探讨实现局域连接的可能性.1 Hopfieid 神经网络模型及结构信息的引入Hopfield在文中提出了一个神经网络离散模型.此模型中包括 N 个神经元,它们     

岩石薄片三维重建训练图像分析

基于二维图像的砂岩三维重建中,二维图像的空间结构分析是一个至关重要的环节.要成为三维随机模拟的训练图像,二维图像的空间结构统计特征必须满足平稳性和遍历性要求.本文通过多尺度纹理特征分析方法进行训练图像的平稳性分析,利用表征区域分析训练图像的遍历性.实验结果证明,满足平稳性和遍历性的训练图像能得到较好的三维重建结果,并提高了三维重建的效率.     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。