无源超高频RFID系统识别区域分析及优化

基于射频识别技术原理及射线跟踪理论,导出了实际环境中射频识别系统完整传播链路模型．提出基于目标区域识别率的系统性能评估方法,并讨论了其主要影响因素．结合电磁波传播理论及相干干扰抵消原理,提出标签集及相位开关目标区域识别率优化方法．在室内多径环境下,测试了采用标签集及相位开关优化方法的目标区域识别率．测试结果表明,两种方法下的系统目标区域识别率分别提高10％和7．6％．     

基于DSP并行结构的多神经网络集成分类器

介绍一种用于多目标分类的基于DSP的多神经网络集成算法，并结合算法设计了一个基于多DSP并行结构的多目标分类硬件系统．算法主要是运用不同规模和不同初始条件下形成的同种类型的神经网络分类器，把每一个神经网络输出映射为后验概率，然后进行加权平均判决，实验结果表明，目标统计识别率均达92％以上。     

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类*

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂,计算量大的特点,针对这一问题本文提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,通过本文提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且混合通道图比单独的强度图和深度图收敛速度更快,结合目标识别网络可以25fps实时的进行目标分类,在真实数据集上分类精度达到了91.13%。     

双哈希索引的高精度大规模音频样例检索

实时音频流中对大规模音频样例进行检索时,在保证准确率的条件下,检索速度直接影响音频流实时处理能力。提出一种基于双哈希索引的大规模音频样例检索方法。该方法通过对大规模音频样例的音频特征进行自相似量化后,分别根据自相似序列的分段向量均值和模值建立线性双哈希索引,然后在音频流中进行搜索,最后对搜索结果利用音频的时序和空间信息进行判断得到检索结果。实验结果表明,本方法实现了大规模音频样例的一次检索,且当采用12维MFCC音频特征,音频样例时长为16 s、音频样例规模小于3100时,音频样例的检索准确率在90%以上,检索速度大于12000倍速,最高达到16000倍速。该方法在有效提高检索精度的基础上,保证较高的检索速度。     

双哈希索引的高精度大规模音频样例检索

实时音频流中对大规模音频样例进行检索时,在保证准确率的条件下,检索速度直接影响音频流实时处理能力。提出一种基于双哈希索引的大规模音频样例检索方法。该方法通过对大规模音频样例的音频特征进行自相似量化后,分别根据自相似序列的分段向量均值和模值建立线性双哈希索引,然后在音频流中进行搜索,最后对搜索结果利用音频的时序和空间信息进行判断得到检索结果。实验结果表明,本方法实现了大规模音频样例的一次检索,且当采用12维MFCC音频特征,音频样例时长为16 s、音频样例规模小于3100时,音频样例的检索准确率在90%以上,检索速度大于12000倍速,最高达到16000倍速。该方法在有效提高检索精度的基础上,保证较高的检索速度。      

利用辐射噪声多线谱的多普勒进行距离估计

提出了一种利用辐射噪声多线谱的多普勒频移去估计直线匀速运动目标正横距离的方法,这种方法用单水听器进行无源测距,且不需要知道海深和其它环境参数。先用Wigner-Ville分布作为瞬时频率估计器估计出多线谱瞬时频率随时间变化作为一个信号,再定义多普勒频移的基函数,依据一种匹配投影原理,在五维空间中用一种可变步长的搜索策略去寻找该信号与多普勒频移基函数之间的最小空间距离。所找到最小距离的基函数对应于目标距离和速度的估计值。计算机模拟给出不同强度干扰噪声下的测距测速的统计误差。当干扰噪声的标准差为最大多普勒频移的10％及时间窗宽度为1．47倍的参考时宽时,测距相对误差小于5．4％,测速相对误差小于1．4％。对某海上实际目标的距离估计为42 m,速度为52 kn,与实际航行的值相符。此单点无源测距方法可应用于声呐浮标、水雷、水声实验中水声目标的运动分析和水下目标声源级测量。     

机载光电成像平台的多目标自主定位系统研究

为同时对多个目标实施实时或准实时定位,建立了机载光电成像平台多目标自主定位系统,针对该系统提出一种基于像元视线向量的多目标自主定位模型。通过目标检测算法得到视场中各目标的像素坐标,根据单面阵电荷耦合器件(CCD)传感器的成像原理,构造各目标的视线向量并计算其与图像中心主目标的像元视线角,结合已测得的主目标相对光电平台的方位角、高低角和距离,计算出各目标与机载光电平台的角度与距离关系,应用全球定位系统(GPS)、航姿测量技术获取载机的位置姿态信息,通过齐次坐标变换方法计算出单幅图像中多个目标的大地坐标。针对镜头畸变引起的定位误差,提出基于畸变率的方法进行畸变修正。在1100 m高空对地面目标定位时,多目标定位的圆概率误差(CEP)约为28.74 m,大地高定位误差约为18 m,能同时对50个目标进行实时地理定位。当镜头畸变率为2%时,畸变修正后圆概率误差减小了7%。该多目标自主定位方法具有效率高,便于工程应用的优点。     

用小波变换进行水下回波边缘特征提取与分类识别

提出一种运用小波变换提取宽带回波信号中的一种暂态特征─边缘特征以进行目标分类识别的方法．文中探讨了宽带回波的边缘与其所对应的目标特性之间的联系，提出运用离散二进小波变换提取出回波的多尺度边缘特征，并在此基础上构造了一个良好的特征空间．对实际采集的四种对应于不同湖底沉积物的宽带回波信号进行特征提取及分类识别，平均正确率可达95％以上．     

基于图像融合的动态轮廓线跟踪新方法

红外与可见光传感器是目标跟踪识别系统中常用的两种传感器,对这两种传感器图像进行融合能有效提高系统跟踪检测的准确性。将动态轮廓线模型与图像融合结合,在特征搜索过程中利用特征点准确地完成了图像配准,同时使用了一种新的特征级融合方法,将两种图像中目标轮廓的B样条曲线控制点进行实时微分耦合。这种耦合将Curwen提出的微分耦合机制作了改进,利用图像配准把刚性硬模板改变为实时的变换模板并推导了融合后动态轮廓线的新的动力学方程。这种融合利用了红外图像目标轮廓信息约束可见光图像中动态轮廓线的收敛形状,有效地提高了可见光图像目标跟踪的准确性。对运动人手序列图像的对比跟踪实验表明,这种融合使得可见光图像中动态轮廓线平均跟踪误差减小了60．25％。     

Pi－Sigma网络在水声目标分类中的应用

长期以来，由于受许多因素的影响，使得水声目标的分类已成为一个十分困难的问题。现在，随着人工神经网络技术的发展，众多的研究人员已经致力于基于人工神经网络的水声目标分类的研究．本文介绍了一种高阶神经网络即Pi-Sigma网络，研究了它的两种学习算法（基于梯度下降法和共轭梯度法的学习算法），并将Pi－Sigma网络用于水声目标辐射噪声的分类。和多层感知器（MLP）网相比，Pi-Sigma网络具有结构简单、收敛速度快及存储量少等优点。Pi－Sigma网络分类器的输入为一个常Q带通滤波器组作特征提取形成的特征向量。对不同类别的实际水声数据的分类结果表明取得了令人满意的分类正确率（达到或超过了95％）。