基于云模型的DSm证据建模及雷达辐射源识别方法

为了提高雷达辐射源特征参数存在互相交叠和多个模式情况的雷达辐射源正确识别率,该文提出一种基于云模型的DSm(Dezert-Smarandache)证据建模及雷达辐射源识别方法。该方法首先将存在互相交叠和多个模式的先验雷达辐射源特征参数进行基于云模型的DSm建模,然后将含有噪声的测量信号特征参数进行基于云模型的DSm隶属度赋值,再通过隶属度与基本信度赋值的关系求得DSm模型的基本信度赋值,最后通过DSmT+PCR5的方法将多传感器测量信号的同特征的基本信度赋值进行融合,再将各特征的融合结果进行DSmT+PCR5融合得到最终的识别结果,如果仅为单传感器测量信号的特征参数,则仅将不同特征参数的基本信度赋值进行DSmT+PCR5得到融合识别结果。最后通过多种情况下的仿真实验,验证了该文方法的优越性。     

基于区分服务感知的MPLS网络流量分配方法

服务质量（Qos）和流量工程（TE）是在当今网络中提供实时应用业务的两种重要技术。多协议标记交换（MPLS）在IP网Qos提供和TE功能实现中起了关键作用。首先介绍了区分服务感知的流量工程（DS-TE），然后提出了一种基于DS-TE的网络流量分配新方法。给出了相关的数学模型，并进行了相应的仿真，仿真结果表明使用该方法实施DS-TE时，在满足不同业务的QoS同时能较好地均衡网络负荷。     

基于普通向量的虹膜识别算法

典型的虹膜识别算法都是针对单个虹膜样本采用图像处理的方法提取虹膜特征,只强调个体信息,而忽略了虹膜样本间的联系.本文提出了一种基于普通向量的虹膜识别算法,从模式分析的角度,利用普通向量方法融合虹膜的个体特征和统计特征,并且通过高效的睫毛滤除和眼皮定位的算法,进一步提高了识别的精度和算法的稳定性.实验结果表明了该算法具有良好的性能.     

分子印迹聚合物研究:从小分子到生物大分子

分子印迹技术是一项制备功能聚合物材料的方法,其对印迹分子的专一性选择识别能力引起了人们的广泛关注。随着方法的基本确立和技术的逐渐成熟,其应用领域和范围不断扩大。本文在总结以往研究结果的基础上,对迄今为止进展相对缓慢的生物大分子印迹研究予以了特别关注,对相关的水环境下的分子识别问题进行了仔细的讨论,认真的分析了生物大分子印迹研究工作的难点和不利因素,对分子印迹技术的未来发展和应用前景进行了展望。     

RFID标签芯片的最新研究进展

射频识别(RFID)系统是一种具有广泛应用前景的自动识别系统。近年来,射频识别技术以快速增长趋势在供应链、门禁、公交系统、行李跟踪等领域获得了广泛的应用。文章详细论述了不同频段RFID标签芯片的最新研究进展,对标签芯片的核心模块射频模拟前端、数字控制器、存储器的研究及发展趋势进行了分析。最后,讨论了标签芯片的发展方向。     

基于多尺度策略的三步虹膜定位算法研究

为了解决虹膜识别技术中有效、快速地定位虹膜图像,针对传统虹膜定位算法的局限性,提出了一种快速多尺度虹膜定位算法.该算法根据瞳孔、虹膜和巩膜的区域特征,应用多尺度策略,实现了瞳孔、虹膜和眼睑三部分的边缘定位.在相同的实验条件下,对不同个体的虹膜图像进行仿真实验,结果表明,本文算法较传统的边缘检测与Hough变换方法节省了定位时间,增强了定位的稳定性,减少了传统虹膜定位算法中的搜索盲目性.     

基于核函数正则变换的HRRP识别法

雷达高分辨距离像包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.应用核函数的分类方法有很强的泛化能力,本文将核函数的思想引入正则变换,提出核函数正则变换,该变换能在考虑各类样本整体和个别特性的同时提取非线性特征,将其与线性支持向量机结合实现目标分类.用实测数据仿真实验,验证了所提方法的有效性.     

基于能效优化的WSNs多径流量分配路由算法

该文针对传感器节点能量受限的特点建立能效优化模型,该模型兼顾网络传输能耗和能耗均衡特性,以最大化网络节点总剩余能量和最小化剩余能量的方差为目标,通过合理分配多条路径的流量来优化网络能效。利用权衡评价函数实现了模型的求解,进而提出一种多径流量分配路由(MFAR)算法。仿真实验表明,该算法能够合理配置各路径流量,显著提高网络能量效率,达到在降低网络能耗的同时保证能耗分布均衡的目标。     

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。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。