基于改进MobilenetV2网络的声光图像融合水下目标分类方法*

针对小样本条件下水下目标分类准确率低、计算资源量大的问题,提出一种声光图像融合目标分类方法。首先,对MobilenetV2网络进行改进,去掉第9层之后的网络层,并将该层卷积通道数改为128,通过Flatten层进行数据降维,增加一个全连接层得到分类结果;其次,设计一种融合网络结构,将声光图像成对输入网络进行特征提取,在中间层利用通道拼接算法实现特征图融合,使用融合特征进行目标分类。在真实数据集上对网络进行训练,结果表明,改进的MobilenetV2网络对水下目标的分类性能更好,融合网络的分类准确率相比融合前有所提高,更加适用于水下目标分类任务。     

泡沫金属材料的孔径效应

在分离式霍普金森压杆(SHPB)和MTS810材料试验机上分别对泡沫纯铝材料和铝硅合金泡沫材料进行了动态与准静态压缩实验研究。实验结果表明:孔径的大小对泡沫铝的弹性变形包括弹性模量没有影响,但对泡沫铝的屈服强度和塑性硬化模量有影响,且这种影响主要取决于泡沫铝基体材料的韧脆特性,泡沫铝的相对密度也会影响这种孔径效应。     

LTP与光照突变补偿结合的运动目标检测算法

针对现有运动目标检测算法在光照突变条件下鲁棒性不强、易发生误检等问题,提出了将LTP算子与光照突变补偿模型结合的运动目标检测算法。首先利用LTP算子获取当前帧与其背景图像的纹理特征图,然后计算当前帧图像像素点作为前景点的概率并依据概率自适应地更新背景,再判断图像是否发生光照突变补偿并采用线性模型补偿突变图像序列,最后利用背景减除法获取运动目标。实验结果表明本文算法在光照突变条件下对运动目标检测效果理想,检测精度指标PR高于同类其他算法,且具有良好的鲁棒性。     

一类混合单调算子方程的求解及应用

利用锥理论和半序方法证明了Banach空间中一类非线性二元算子方程的解的存在唯一性定理,并给出迭代序列收敛于解的误差估计,作为应用,讨论了不具有单调性的算子方程的可解性,改进并推广了已有的一些结果.     

上下并联轴流风机室外机气动声学预测模型

本文基于CFD模拟方法,分析了空调器室外机上下并联轴流风机系统噪声源分布,建立了室外机气动声学预测方法.研究发现,上下并联轴流风机系统由宽频和离散频率噪声组成,宽频噪声是影响室外机噪声总声压级的重要因素.涡声分析表明,涡脱落噪声是宽频噪声的主要影响因素.基于CFD的叶片尾缘涡脱落噪声预测方法计算得到宽频声压误差为2 dB,考虑离散频率影响时,室外机A计权总声压级预测误差小于2 dBA.基于CFD的点源时域预测模型,捕捉到了上下并联轴流风机系统的离散频率噪声峰值,且在上下叶轮前二阶谐波处预测值与实验值吻合较好.     

有向传感器网络中热释电红外传感器节点部署及仿真研究

针对有向传感器网络（Directional Sensor Networks, DSNs）探测区域中PIR（Pyroelectric Infrared Sensor）传感器节点部署问题,设计了4种基于几何形状的节点部署方案,计算了各部署方案的节点密度。基于修改后的TIS测试编写仿真算法,在Matlab平台上对各节点部署方案进行了仿真实验,统计不同部署方案下的目标检测率,并对实验数据进行分析。结果表明,设计的4种部署方案的目标检测率均高于随机部署约10%;等腰三角形部署方案适用于节点数目充足的情况,能实现探测区域全覆盖,目标检测率可达80%以上;正方形部署方案适用于节点数目有限的情况,能实现探测区域大部分覆盖,目标检测率可达75%以上。     

基于平滑高斯半马尔可夫模型的移动无线传感器网络生成树算法

针对以往移动无线传感器网络研究只是单纯地对移动群体进行分簇而没有充分利用组群移动的内部稳定性的问题,结合组移动模型中节点运动的规律和内聚性原理,采用平滑高斯半马尔可夫移动模型刻画组内单个节点移动特征,构建了一种适合移动网络的稳定生成树算法(GM-base stable spanning tree algorithm,简称GSST)。实验证明,该算法从单个节点运动变化入手,在预测未来节点运动情况,选择稳定的链路构建网络结构方面,提高了移动网络的稳定性;同时,利用树的分层特征,简化移动网络的组网过程,并实现网络重组局部化。该算法有效延长节点存活率,均衡数据传输量。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.      

基于有限包络圆的光电平台传感器布局设计

为保证光电平台视轴稳定精度,在装配阶段需要通过配平来最小化其静不平衡力矩。为降低某两轴四框架形式机载光电平台的静不平衡力矩,建立了一种多传感器布局优化设计方法。以各传感器的布局位置为变量,基于有限包络圆方法实现各传感器间的不干涉约束,快速得到具有较小静不平衡力矩的传感器布局方案。该方法成功将某光电平台关于内方位、内俯仰运动轴系的静不平衡力矩分别降低了45%和68%,有效降低了配平质量,提高了光电平台性能。