基于CNN的泄漏电缆入侵检测定位算法

泄漏电缆入侵检测系统所处的外部环境较为复杂,为降低环境因素对泄露电缆入侵检测的影响,提出了基于卷积神经网络的入侵检测算法。通过卷积神经网络处理大量的样本数据,并从数据中自动提取内在特性,实现泄漏电缆电磁入侵检测系统更低的误报率、漏报率和更高的定位精度的目标,搭建了卷积神经网络入侵检测模型,并用样本数据对模型进行训练和测试。模型测试结果表示其具有低漏报率和误报率,定位精度可达到1 m。     

基于SVM算法的φ-OTDR分布式光纤扰动传感系统模式识别研究

针对相位敏感光时域反射计（-OTDR）分布式光纤扰动传感系统对扰动事件进行有效判别和识别的问题,提出一种基于支持向量机（SVM）的扰动判别和扰动模式识别的方法。通过提取信号时域和频域的平均值、方差、均方差以及信号功率特征,利用二叉树结构建立基于SVM算法的分类器,对扰动进行判别并对扰动模式进行识别。根据传感信号的特征,通过分类器I在对有无扰动信号进行判别的基础上,进一步对有扰动信号利用分类器对扰动事件的模式进行识别。通过实验对所提出的方法进行验证,对600组实验数据进行扰动判别和模式识别,正确的扰动判别率在96%以上,漏报率和误报率在4%以下;正确的模式识别率均在94%以上。     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。     

基于传感器阵列结合GA-BP算法对VOC的识别研究

为提高空气中挥发性有机物(VOC)检测可靠性，提出了一种基于气敏传感器阵列结合遗传算法(GA)优化反向传播(BP)神经网络算法的VOC检测模型。选用多个气体传感器组建阵列对VOC混合气体样本进行响应测试，使用主成分分析(PCA)对响应数据进行数据降维及初步分类探索，使用构建的GA-BP神经网络算法模型在PCA探索性分析的基础上进行定性及定量识别，并与BP神经网络识别结果进行对比。结果表明：遗传算法优化后的BP神经网络多元分类和回归模型性能优良且稳定，气体分类识别准确率达96%,浓度回归预测均方根误差为1.8×10^-2,平均相对误差为5.2%,平均训练耗时分别降至1.5 s和1.12 s,效果显著优于BP神经网络算法模型。这些研究结果进一步拓展了GA-BP算法结合气敏传感器在挥发性有机物检测识别中的应用前景。     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

基于改进BP神经网络的关联挖掘模型设计

针对传统BP神经网络的关联挖掘模型中关联挖掘方法和用户交互矛盾问题,提出一种基于改进BP神经网络的关联挖掘模型设计。采用改进的BP神经网络算法进行BP神经网络计算,解决了二次函数的非线性优化问题。运用优化的算法保证了适应度函数的选择能力,避免了阈值以及权值对BP神经网络的误差倒数的影响。为了验证所设计的基于改进BP神经网络的关联挖掘模型的有效性,设计了对比仿真实验,实验结果表明,提出的基于改进BP神经网络的关联挖掘模型设计能够有效地解决关联挖掘方法和用户交互矛盾问题。     

字符识别技术在智能交通处罚系统中的应用

论述了各种基于字符识别技术的车牌自动识别系统实现思路和特点,及其产品化现状和发展方向。通过对各种字符识别技术算法的比较,采用了基于AdaBoost算法强分类器与BP神经网络算法作为车牌识别算法的基础,以本项目的研究成果为例描述了一个基于DSP平台的嵌入式交通信息采集系统。     

基于人工神经网络的通信信号分类识别

通信信号的分类识别是一种典型的统计模式识别问题。系统地论述了通信信号特征选择、特征提取和分类识别的原理和方法。设计了人工神经网络分类器,包括神经网络模型的选择、分类器的输入输出表示、神经网络拓扑结构和训练算法,并提出了分层结构的神经网络分类器。     

基于粒子群优化BP神经网络的脉象识别方法

针对传统脉诊存在易受主观因素影响、诊断结果可靠性不高等问题,提出基于粒子群优化BP神经网络的脉象识别方法。粒子群算法中评判粒子好坏的适应度函数采用神经网络的输出误差,以此获得最优粒子的位置向量,并把其值作为BP神经网络的初始权值和阈值。在Matlab中建立基于BP算法、PSO-BP算法和GA-BP算法的三种ANN模型用于脉象信号的识别。实验结果表明,在识别脉象时,优化后的算法降低了传统BP神经网络的输出误差,提高了识别精度,PSO-BP算法明显改善了传统BP神经网络的泛化能力。     

基于RBF和Elman混合神经网络的入侵检测系统的研究

提出一种基于RBF和Elman混合神经网络模型的入侵检测系统,本模型具有记忆功能,可以有效地检测离散而又相联系的攻击行为,RBF网络是一个实时的模式分类器,而Elman网络实现了对事件的记忆能力,基于此混合模型的入侵检测系统使用DARPA数据集进行测试评估,使用ROC曲线直观的显示测试的结果,实验证明基于此混合模型的入侵检测系统可以有效地提高检测率,降低误报率和漏报率.     

Research on fault location technology based on BP neural network in DWDM optical network

BP neural network is introduced to the fault location field of DWDM optical network in this paper. The alarm characteristics of the optical network equipments are discussed, and alarm vector and fault vector diagrams are generated by analyzing some typical instances. A 17 × 14 × 18 BP neural network structure is constructed and trained by using MATLAB. By comparing the training performances, the best training algorithm of fault location among the three training algorithms is chosen. Numerical simulation results indicate that the sum squared error （SSE） of fault location is less than 0.01, and the processing time is less than 100 ms. This method not only well deals with the missing alarms or false alarms, but also improves the fault location accuracy and real-time ability.     

基于BP神经网络的管道失效状态预测

针对管道系统历史数据缺乏、失效机理非线性的特点,选用具有良好自学习性、鲁棒性等特点的BP神经网络对管道失效状态进行预测.在对管道外表面涂层检测数据预处理的基础上,采用BP神经网络进行建模分析,通过样本的反复训练,得到预测集的相对误差最大为8.3％,预测结果比较理想.结果表明：用BP神经网络能够较好地预测管道的失效状态值,为管道的预防性维修提供理论依据.     

选择性平均的φ-OTDR分布式光纤扰动传感系统阈值算法

阈值的准确设定是有效降低-OTDR分布式光纤扰动传感系统误报和漏报率的关键。针对该问题,提出了一种基于选择性平均的-OTDR分布式光纤扰动传感系统阈值算法,采用相关差值预挑选的方式确定信号模板,进行阈值模板匹配。理论和实验研究表明:提出的选择性平均阈值算法,能够更有效设定阈值,提高信噪比,降低-OTDR分布式光纤扰动传感系统的误报和漏报率,与直接平均和移动平均阈值算法相比,所提出的选择性平均阈值算法将误报率分别降低了5%和3%,漏报率均降低了2%;信噪比分别提升了2.55 dB、1.1 dB。所提出的算法有助于提高-OTDR分布式光纤扰动传感系统在实际应用中可靠性。     

基于小波能量系数和神经网络的管道缺陷识别

利用基于小波能量系数的BP神经网络方法对管道焊缝和管道凹槽进行分类识别。建立了导波检测系统,采集了管道凹槽缺陷和焊缝的多组检测信号样本,从信号样本中提取出小波能量系数,并将小波能量系数应用于BP神经网络的训练与识别。结果表明,该方法对管道缺陷的识别准确率较高,且识别效果稳定,在随机抽取信号样本进行的5次试验中,对焊缝和凹槽的最低识别准确率分别为92%和98%,最高识别准确率均为100%。     

一种视频监控中基于航迹的运动小目标检测算法

针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。     

基于恒虚警率的门限判决系数寻优研究

在雷达信号检测系统中,对于一定的检测门限,如果噪声或杂波电平增大一点,虚警率便会大大增加,同时使发现概率降低,这样便降低了雷达系统发现目标的能力,因此在现代雷达信号检测系统中,为了保证一定的发现概率,一般采取恒虚警率(CFAR)处理,在雷达系统进行恒虚警处理时,由于杂波强度可能偏离统计平均值而产生起伏,此时采用理论的门限判决系数将使虚警率大大增加。通过对雷达信号检测恒虚警性能的研究,分析了有限参考单元数对虚警率及发现概率的影响,同时提出一种有效的寻优算法在恒虚警检测中对实际的门限判决系数进行实时的动态寻优,使检测系统始终保持在恒虚警的工作状态中。     

管道检测对IRST系统探测与虚警概率的影响

探测概率、虚警概率是衡量红外搜索跟踪系统性能的重要指标,其大小由系统硬件水平、检测算法设计等因素决定。通过分析影响红外搜索跟踪系统探测概率、虚警概率的因素,建立了管道检测与探测概率、虚警概率关系模型,研究了序列图像检测中管道检测对系统探测概率、虚警概率的影响。通过仿真分析了实验结果,系统总检测概率与总虚警概率分别随单帧检测概率与单帧虚警概率的增加而增加,在管道长度相同的情况下,总检测概率和总虚警率都将随需检测帧数的增大而减小。     

一种基于恒虚警检测量的双判决帧同步方法

帧同步是突发无线通信系统中的重要技术环节,其虚警概率、检测概率对系统的整体性能有重大影响。文中针对能量检测算法在强干扰条件下虚警概率过高的问题,构造了一种具有恒虚警特性的随机变量,并推导了该变量的检测概率、虚警概率的解析表达式。该变量对干扰功率的变化不敏感,具有区分同步信号与突发强干扰信号的特点。基于所构造的新的随机变量提出了一种双重判决低虚警率帧同步算法,仿真结果表明该算法可有效降低系统的虚警概率,为帧同步信号的设计提供了参考。     

一种基于修正激活函数的CNN车载毫米波雷达目标检测方法

为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络（CNN）特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒二维数据运用滑窗进行分割,并采用CNN网络模型处理分割后的二维矩阵,训练二维CNN网络模型及其参数,使其具有提取回波特征并基于特征参数模型进行目标分类的能力,从而实现目标检测功能。通过对卷积神经网络模型结构进行优化,增加批量归一化层,优化Dropout层使得低权重特征失活,自适应地删减部分神经元节点修正该层非线性激活函数,进一步降低了CNN模型目标检测的虚警概率。实验结果表明,在相同虚警概率条件下,CNN网络检测方法目标发现概率优于传统的单元平均恒虚警检测方法,并且在低信噪比的条件下仍然能够保持较高的发现概率;在同等发现概率水平下,修正后CNN网络检测方法的虚警概率较修正前可提高约1个数量级。