基于统一划分的特征自适应行人再识别方法

为解决行人再识别(Re-ID)任务中,目标特征统一划分方法导致的部位信息关联性减少和识别率降低的问题,提出了基于密集连接卷积网络(DenseNet)的深度学习方法框架及基于统一划分方法的特征自适应Re-ID方法。在统一划分方法的基础上,为了保留部位特征的相关性,利用马氏距离公式计算相邻特征距离,自适应地选取信息相关性高的部位特征做融合,再对融合后的特征做行人分类。该文算法分别在Market1501数据集、CUHK03数据集以及DukeMTMC-ReID数据集上进行实验。平均精度均值(mAP)分别达到82.8%、70.3%、60.1%。该文方法与基于部位的卷积基准(PCB)以及部位对齐的行人再识别(AlignedReID++)相比,mAP均有提高。     

全球性数字广播高频外辐射源雷达参考信号重构

外辐射源雷达通过直达波提纯来获取雷达参考信号,且参考信号的纯净程度直接决定着雷达探测性能的好坏。针对全球性数字广播（digital radio mondiale, DRM）信号的特殊结构,提出通过重构发射信号来生成雷达参考信号的方法。首先基于DRM信号调制解调理论介绍了重构算法流程,然后通过实测数据处理验证了重构性能,最后分别从模糊函数性能与杂波抑制能力两方面定量研究了解调误码率对雷达探测性能的影响。仿真与实测结果均表明,通过本文所提重构算法能够获得良好的雷达参考信号,为目标探测提供必备条件。