基于分层神经网络的宽频段DOA估计方法

该文提出了一种采用智能识别技术解决宽段来波方位估计的新方法。提取已知来波方位信号的协方差矩阵的上三角部分作为样本特征,然后构建区域估计和方位估计的分层模型,实现对未知来波方位的精确估计。所提出的分层方法降低了模型构造的复杂度,实现了宽频段来波方位估计。给出了应用该方法的具体步骤。仿真实验结果表明,该方法具有很高的测向精度,具有广阔的应用前景。     

融合LBP特征和运动特征的运动分类算法

本文提出了一种局部二值模式(Local Binary Pattern,LBP)特征和运动特征相融合的运动分类算法。首先,利用背景差分法检出视频中的运动人体序列,将运动人体序列经过LBP算子处理得到LBP直方图特征。然后,将LBP直方图特征和运动人体质心的速度特征相融合作为运动人体行为分析的识别特征,应用BP神经网络进行行为分类识别。在Weizmann和KTH行为数据库上进行了算法实验研究,人体行为识别的平均准确率达到了90.78%。实验结果表明:该方法在识别率方面明显优于常规方法进行识别的结果。     

全数字接收机中定时恢复的研究

定时恢复是全数字接收机中的核心技术之一,文章在传统的Gardner定时恢复理论基础上研究了一种改进的定时恢复方法.提出了一种改进的插值结构,并对控制器进行了改进.以四相移相键控(QPSK)信号为例进行了仿真验证,仿真结果表明上述方法可以很好地解决定时恢复问题.并可降低系统的实现成本.     

基于强化学习的多机器人避碰算法研究

采用强化学习解决多机器人避碰问题。然后针对表格式Q学习算法只能用于离散的状态并且学习时间过长,难以收敛的不足,提出了神经网络和Q学习相结合的算法。最后将该算法应用到多机器人避碰问题中,仿真实验表明该算法有效,能较好地解决多机器人避碰问题。     

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。     

模糊神经网络视角下云桌面虚拟时序预测探讨

网络虚拟化技术社区时序数据建模是许多学者研究的新型课题,以其模糊神经网络环境下复杂网络虚拟化技术社区时序数据预测系统中,同时基于提出模糊神经网络视角下网络虚拟化技术时序数据预测中的应用。     

基于改进CNN的增强现实变压器图像识别技术

研究了增强现实变压器图像识别技术,为解决增强现实中变压器图像识别问题,首先在介绍深度学习的经典模型之一,即卷积神经网络CNN的基础上,提出基于两个并行结构的改进卷积神经网络模型(改进CNN),利用改进CNN模型对增强现实摄像头扫描得到的图像进行分类,实现变压器图形化识别。与普通卷积神经网络、SIFT图像识别算法等对比,改进CNN具有更低的错误率,并对变压器图像识别的准确率更高,通过仿真实验验证了此方法的准确性。     

基于NSST-DWT-ICSAPCNN的多模态图像融合算法

为了增加融合图像的信息量,结合非下采样剪切波变换（Non-Subsampled Shearlet Transform, NSST）和离散小波变换（Discrete Wavelet Transform, DWT）的互补优势,提出了改进的多模态图像融合方法。采用NSST对两幅源图像进行多尺度、多方向的分解,得到相应的高频子带和低频子带;利用DWT将低频子带进一步分解为低频能量子带和低频细节子带,并利用最大值选择规则融合能量子带;采用改进连接强度的自适应脉冲耦合神经网络（Improved Connection Strength Adaptive Pulse Coupled Neural Network, ICSAPCNN）分别融合细节子带和高频子带,并对能量子带和细节子带进行DWT逆变换,得到融合的低频子带;采用NSST逆变换重构出细节信息丰富的融合图像。实验证明,提出的算法在主观视觉和客观评价方面均优于其他几种算法,且能同时适用于红外与可见光源图像、医学源图像的融合。     

全极化频谱外推的合成孔径雷达成像分辨率增强方法

全极化合成孔径雷达可对不同极化通道分别独立进行频谱外推来增强分辨率,但分别独立处理难以利用极化信息的冗余性与互补性.将目标全极化数据分解到反映三种独立散射机理的Pauli基上,对分解后的全极化数据进行三维联合频谱外推处理,并利用实测数据进行了对比分析.结果表明:极化分解后,通过三维联合频谱外推的方法相比传统方法具有更高的预测模型匹配精度,可获得更好的分辨率增强性能.     

一种特定谐波消除多电平RF-PWM方法

为消除射频脉宽调制（Radio Frequency Pulse Width Modulation,RF-PWM）的特定谐波,本文提出了一种适用于全数字发信机（All-Digital Transmitters,ADTx）的多电平RF-PWM方法.该方法利用多个自适应门限与相位调制信号实时比较,控制多个子脉冲的脉冲宽度,在基波分量加权之和正比于输入信号包络的前提下,使其特定谐波分量相互抵消.和现有技术相比,该方法可显著降低ADTx的输出滤波要求,提高其宽频段性能.以3次谐波消除为例,本文给出了对应5电平RF-PWM方案,并利用仿真和离线实验证明了该方案的有效性.