坦克目标8mm波段信号探测及目标识别技术

研究了坦克装甲目标的毫米波探测识别技术.在比较坦克与主要干扰之间毫米波辐射特性差异的基础上,采用模糊识别方法,以提高识别概率;讨论了毫米波识别中特征参量的选择,提取了109组试验数据的特征参量并对其特征参量矩阵进行数据规格化及加权调整;给出了隶属度函数,计算了试验数据相对于坦克的隶属度.通过分析坦克与干扰的隶属度分布直方图给出了探测概率、虚警率与隶属度门限的关系曲线.     

基于BP神经网络的模拟电路诊断系统研究

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.     

基于局部分块特征的快速虹膜身份鉴别算法

提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力.     

基于跨纬度交互注意力机制的行人重识别方法

为解决由行人姿态、环境等复杂因素导致的行人特征表达能力弱、识别率低等问题,本文通过对AlignedReID++模型进行改进,提出了基于跨纬度交互注意力机制的行人重识别方法.首先,在特征提取部分,将跨纬度交互注意力Triplet At?tention模块嵌入到ResNet50网络中,捕获空间维度和通道维度之间跨纬度的交互...     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法.首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼...     

基于蚁群算法的绝缘子憎水性等级判别方法

憎水性是衡量绝缘材料电性能的一个重要指标,也是确保绝缘子安全运行的重要保证,且对绝缘子憎水性等级进行判决的关键是准确地分割出水珠(或水迹)区域,因此将蚁群算法引入到憎水性图像处理中,该方法首先采用自适应局部灰度均衡对图像进行增强,以减小水珠的透明性导致的目标与背景的相似度;然后采用蚁群算法建立憎水性图像的知觉图表,利用图表信息实现对图像边缘信息的提取,从而获取水珠(或水迹)的轮廓信息。最后采用改进的形状因子法对处理后的图像进行憎水性等级的判别。实验结果表明,该算法能够较好地提取污秽绝缘子憎水性图像的水珠(或水迹)的轮廓信息,并能够通过合适的判别方法准确地判别出憎水性等级。     

基于声波信号分析的电气设备故障诊断新方法

针对电气设备运行环境复杂这一特点,提出将声波分析技术应用到其故障诊断中,可克服高电压和强电磁场给故障检测带来的诸多难题.设计了基于声波识别的电气设备故障诊断专家系统的总体方案,故障诊断系统由信号采集、特征提取、状态识别和诊断决策4个部分组成,简要介绍了各部分的工作原理:阐述了一种使用分层阈值处理声音信号的消噪算法,将该方法与传统消噪方法作对比,证明了该算法在对非平稳信号分析中具有较高的精确性.给出小波包提取电气设备实测声波信号特征向量的算法,以此作为知识获取和推理的依据,为电气设备运行状态诊断专家系统的实现奠定了基础.     

基于波形非线性映射的多局部放电脉冲群快速分类

简单分析了目前基于脉冲峰值-时间序列的局部放电检测系统在模式识别功能上存在的缺陷.提出利用基于单个脉冲波形的宽带检测技术研制多局放检测与模式识别系统,并给出了研制交流下该系统的数据处理方案.重点对研制该系统需要解决的脉冲群快速分类技术进行了阐述:即通过基于局放脉冲时域波形的非线性映射进行参数提取,形成2D或3D的波形特征参数空间,再使用非监督的模糊聚类分析实现局放脉冲群的快速分类.基于2D特征参数平面的仿真试验和3D特征参数空间的GIS污秽试验数据处理结果均表明该分类技术的可行性和实用性.这为多局放电检测与模式识别系统的研制提供了试验和理论依据.     

基于小波包能量法及神经网络的电力电子装置故障诊断

故障特征提取和识别方法的研究对发展和完善电力电子装置的智能故障诊断技术有着重要的作用。应用小波包能量法提取出电力电子装置在各种状态下电压及电流信号的能量特征向量,并将它们进行数据融合作为神经元网络故障分类器的输入向量,由神经元网络故障分类器对各种故障进行识别和诊断。以电力电子整流装置主电路故障为例进行了仿真实验,试验结果表明该方法无需数学模型就能快速准确的完成故障定位诊断。