基于车载毫米波雷达动态手势识别网络

基于Transformer提出一种车载毫米波雷达手势识别方法,可用于车内人员进行人机交互.毫米波雷达信号不受车内光照变化影响,同时能够保证乘客隐私.首先,毫米波雷达采样信号经过二维傅里叶变换和滤波获得距离—多普勒（RDM）和距离—角度图(RAM);然后,将连续多帧RDM和RAM经过三维卷积网络后进行特征融合与拼接得到特征向量,利用Transformer模块进行位置和序列编码;最后通过全连接层获得手势概率分布向量.采集了基于实际路况和多种干扰环境下的雷达数据制作了手势识别分类的数据集,实验结果表明该方法可以有效的检测与识别多种典型手势,识别准确率可以达到97.14%以上.     

基于NER的石油非结构化信息抽取研究

随着"智能油田"的建设加快,构建基于海量石油数据的智能分析系统意义重大。然而,由于石油生产过程中产生的文本数据往往无结构且类型多样,从中抽取关键信息进行分析成为一个研究热点,而信息抽取又需要高质量的语义实体做支撑。根据这一特定问题,提出基于命名实体识别（Named Entity Recognition,NER）技术针对石油非结构化文本进行信息抽取,构建双向长短时记忆（Bidirectional Long Short-Term Memory,Bi LSTM）网络模型提取语料特征,并结合条件随机场（Conditional Random Field,CRF）做分类器,构建了基于Bi LSTM+CRF的高精度NER模型,针对石油工业领域的非结构化文本进行命名实体抽取。通过在修井作业文本数据集上进行对比实验表明,本方法具有较高的精确率和召回率。     

基于路面雷达的路面结构缺陷检测方法

为了提高路面雷达适应实际检测对象的变化能力和路面结构缺陷检测效率,采用Borland C Builder 6．0开发了一个具有路面雷达数据转换和路面结构缺陷识别等功能的软件系统．与原路面雷达配套软件IRIS-L的比对结果证明,所设计的软件系统的数据变换、信号处理与识别的方法是正确的,并较原配套软件增加了路面结构缺陷的识别功能,提高了路面质量检测的准确性和结构缺陷的识别效率．     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

非结构化助老助残机械手对目标识别定位系统的研究

研制了一种非结构化的五自由度助老助残机械手,针对助老助残机械手末端手掌对空间目标物体的定位抓取问题,采用了一种激光引导的双目机器视觉定位和广义回归神经网络求逆解相结合的方法。该方法中,双目机器视觉定位采用双目工业相机,通过阈值分割算法识别激光斑确定目标物体的坐标,再经广义回归神经网络反解出助老助残机械手关节角度。最后通过采集实验数据和理想数据做对比,该方法能够达到较高的定位抓取精度,比较以往的机械手角度反解,该方法不存在无解或多解的情况。     

基于非结构化网格有限体积的LBM

提出了一种基于非结构化网格有限体积的LBM.采用Cell-vertex有限体积法离散控制方程.该方法在时间上采用伪、实二时间步,其中伪时间步采用向前差分,实时间步采用二阶向后差分方法;空间上采用edge-based通量计算方法,采用高阶TVD格式计算控制体边界通量.离散后的控制方程采用隐式迭代,控制变量采用五层二阶Runge-Kutta方法求解.二维同心圆环内圆柱间Couette流与顶盖驱动方腔流的数值结果显示该方法为一种有效求解不规则边界流体动力特性的实用工具.     

浅谈非结构化程序的结构化变换

本文讨论了结构化程序的基本特征，提出了将非结构化程序变换成结构化程序的三种技术。     

基于小波变换的多普勒雷达目标识别

提出应用小波变换技术 ,以辨识不同目标回波之间的细微差异 ,并对连续波多普勒体制雷达的回波信号进行分析的方法 .采用本方法在雷达的一个距离波门内得到了地面目标的数量信息     

基于自适应模板的非结构化道路检测

提出一种基于自适应变形模板的非结构化道路检测算法.新模板的形状随着道路的形状改变而改变,利用新生成的模板预测下一帧图像中可能出现的道路区域和非道路区域,分别计算道路区域和非道路区域的平均向量和协方差以及每一个像素点和平均向量间的Mahalanobis距离;通过中值滤波去掉噪声点,再进行边缘跟踪计算出路边.该算法运算量小,检测速度快,基本满足实时性要求,具有良好的抗阴影的能力.     

高速结构化光照扫描系统中的三维手势及人脸识别

在计算机视觉人机交互（Human-Computer Interaction, HCI）领域,信号质量的优劣对系统性能的影响很大。为了解决这个问题,提出了一种基于实时高分辨率的高速结构化光照三维（Three-Dimensional, 3D）物体扫描系统,通过结合鲁棒人脸识别建模与三维点云分类算法,将完整的表面几何形状与不同分类的模板相匹配,从而可以准确地重建及分类各个结构点。所提方法的有效性分别在结构光照明（Structured Light Illumination, SLI）三维手势数据库及结构光照明三维人脸数据库上得到了验证,实验结果表明,与最先进的方法相比,所提方法取得了更好的识别效果。     

越野环境下基于四线激光雷达的障碍检测

为了完成越野环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了1种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括坐标变换、候选障碍点提取、候选障碍点聚类及点簇高度求取4个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

基于D-S 理论的目标识别

利用目标回波所提供的信息 ,在 D- S理论的基础上 ,综合利用各种目标识别方法进行目标识别 ,在很大程度上提高了目标识别率及识别结果的可信度 ,且有更好的目标分类效果。     

基于贝叶斯网络的一种常规雷达目标识别方法

现役的常规雷达一般不具备径向上和横向上的高分辨率,雷达所揭示的目标信息非常有限。贝叶斯网络基本原理基于概率论的统计知识,作为一种分类器,它使错误的分类概率最小。文中将它引入雷达目标识别,将这些有限的信息利用起来实现对雷达目标的粗分类,取得了不错的效果。     

组网雷达中旋转目标微多普勒效应分析及三维微动特征提取

目标微动特征提取是当前研究的一个热点,在组网雷达技术中研究了旋转目标的微多普勒效应,分别分析了组网雷达中不同信号形式下的目标微多普勒效应,并给出了其参数化表达。利用组网雷达的多视角特性,将不同信号形式下分布在不同位置的雷达获得的回波信号进行参数提取,通过构造多元非线性方程组,以提取的参数作为变量,进行目标3维微动参数解算,实现了目标3维微动特征的提取。仿真实验验证了所提算法的有效性。     

基于天基雷达探测的静止轨道目标监视

针对静止轨道目标监视的需求,分析了静止轨道目标的雷达散射截面(RCS)特性. 以此为基础,研究和设计了天基雷达的轨道高度、重访周期、天线形式以及天线尺寸,探讨了天基逆合成孔径雷达的成像分辨率与其他系统参数的关系,给出了顺行轨道和逆行轨道情况下达到一定的横向分辨率所需要的积累时间. 研究结果表明,利用天基宽带雷达实现对静止轨道目标的近距离监视是可行的.     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

基于探地雷达的粮仓探测技术研究

针对粮仓的特殊应用环境,从雷达探测品质因子出发,根据粮仓仓底散射截面特性,结合粮食介质的衰减因子,推导出雷达最大探测深度计算公式,并对影响探测深度的因素进行了仿真分析.依据本文的计算方法选取合适的雷达系统和发射频率进行了探仓实验,准确地探测了储粮深度.     

基于DenseNet的机载雷达动目标检测

针对传统机载雷达运动目标检测方法所需训练距离单元较多的问题,将运动目标检测问题转化为多分类问题.首先,基于少量训练距离单元数据构建分类所需的训练数据集;然后,基于卷积神经网络DenseNet构建多类分类器;最后,利用训练后的分类器提取雷达空时回波数据特征,进行目标检测和参数估计.仿真结果表明:基于DenseNet的机载雷达动目标检测方法能够有效检测目标,估计目标的距离、多普勒频率等参数.相比传统空时自适应处理方法,该方法能够显著减少所需训练距离单元数量;相比现有基于分类的目标检测方法,该方法能够有效提高目标检测和参数估计的准确度.     

基于双波束雷达的车流量检测系统

针对目前智能交通系统对于高性能车流量检测器的迫切需求,本文详细说明了基于双波束雷达的车流量检测系统的组成,分析了其检测原理,推导了信号处理过程,给出了仿真结果。理论分析和仿真结果表明:该检测系统不仅能够实现车辆存在与否、车道判别、车辆密度和时空占有率等各种交通参数的获取,还能实现车辆瞬时速度的测量。