探地雷达多目标识别方法的研究

与现有的机器学习算法相比，在有限样木的情况下，支撑矢量机具有更强的分类推广能力。该文在提出利用非线性映射进行探地雷达目标识别的基础上，将多同标识别支撑矢量机与探地雷达目标识别相结合，得到了基于一对一（Oneagainst one）支撑矢量机的探地雷达多目标识别方法。所提方法包括基于一对一的探地雷达多目标识别方法、交叉验证的参数选取方法、多通道识别方法：并且和传统的神经网络识别方法进行对比分析。所提识别方法可以与各种目标特征选取方法相结合。对实测数据的对比处理表明所提办法优于传统探地雷达目标识别方法，所得结论对探地雷达目标识别的研究有指导意义。     

基于差分形态滤波和Kmeans++聚类的多地雷目标红外图像处理

针对复杂背景条件下较难完成掩埋式地雷目标红外图像分割的问题,利用地雷外形特征和雷场多个地雷目标相似的特点,提出了一种基于形态学和聚类算法的感兴趣区域（Region of Interest, ROI）选取方法。对原始图像消除噪声并通过差分形态滤波抑制背景后,缩小了目标所在区域的范围;再利用多目标在一定区域内的相似特征对可疑区域进行聚类过滤,进一步缩小目标所在范围并将其作为图像ROI分别进行阈值分割;最后根据目标的相关特征完成识别。对实测图像的处理结果表明,该方法对掩埋式多地雷目标具有较好的分割效果和较高的定位精度,同时算法的计算速度较快,能满足实际探雷需求。     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

基于目标物理特征和压缩感知的地雷目标鉴别方法

通过压缩感知(Compressed Sensing, CS)算法可以实现对目标的稀疏成像,并获取其空间散射结构用于目标鉴别和识别。该文针对穿透地表成像的前视超宽带虚拟孔径雷达(Forward Looking Virtual Aperture Radar, FLVAR)实测数据,以CS理论为基础对地雷目标进行稀疏成像,利用地雷目标电磁散射的稀疏性实现其散射结构的提取,将目标散射特性转化为与物理结构相关的几何特征,并基于该特征进行目标的分类鉴别。新方法不仅拓展了地雷鉴别的新思路,而且也为压缩感知在目标散射结构提取和目标鉴别上的应用进行了初步有效的尝试。     

基于二维时频特征的地雷目标检测

利用车载前视超宽带地表穿透雷达进行大区域地雷探测是探雷的发展方向,目前制约车载前视超宽带地雷穿透雷达探雷实用化的关键问题是难以提取一致性较好的地雷目标特征。文中以地雷目标的斜距 方位 频率 反射角四维散射函数为基础,提取二维时频域特征图像。然后对时频图像进行特征选择,并实现目标和杂波的分类。为降低分类器训练误差以提高其泛化性能,将特征选择和分类器设计有机结合。同时为保证地雷探测过程中具有恒定的探测率,在分类器训练过程中以恒检测率下的虚警率作为代价函数,通过实测数据验证,该方法适用于车载前视超宽带地表穿透雷达,最终得到的分类器能提供恒定的检测率,并且具有很好的泛化性能。      

基于核方法和主成分分析(PCA)的探地雷达目标特征提取新方法

常用探地雷达目标特征提取方法LDA(又称为FDA)直接在低维的探地雷达数据空间提取探地雷达目标特征, 提取的探地雷达目标特征的区分度小;常用的正则化技术存在正则化参数选取困难的问题。本文提出先通过基于核方法的 非线性变换把低维的探地雷达样本数据投影到高维空间,然后在高维空间中用PCA对奇异的核矩阵降维重建,最后对重 建后的非奇异核矩阵用LDA提取探地雷达目标特征。对实测数据的对比处理分析表明,本文所提探地雷达目标特征提取 方法优于其它方法。     

GPSAR浅地表目标电磁特性分析

利用机载或车载地表穿透合成孔径雷达可以实现远距离大区域地表目标快速探测.为了降低虚警,需要根据目标的电磁特征设计检测器来区分目标和杂波.提出运用时域有限差分方法结合傅里叶变换进行地表穿透合成孔径雷达浅地表目标电磁特征计算的方法.首先根据复杂背景媒质的散射特性获取目标的激励场,然后分析复杂背景下目标的电磁特性.利用该方法模拟了平坦地面下的金属地雷的散射特性,并与矩量法的计算结果进行了比较,结果基本一致.我们模拟了高斯起伏地面下的M6A1金属地雷,理论数值计算结果与实测数据结果基本吻合.模拟结果显示浅地表金属地雷图像具有双峰特征,它将有效地提高地雷检测性能.     

基于支持向量机的浅地层探地雷达目标分类识别研究

对于探地雷达用于探测地雷情况下的目标识别,从实用性上说只需识别地雷或非地雷两类目标即可,而通常的支持向量机正是用于两类分类.本文结合浅地层探地雷达数据的特点,提出了一种基于支持向量机的浅地层探地雷达目标分类识别方法,并分析了时域,傅立叶谱,及离散小波变换三种特征数据用于所提方法时的效果.通过对实测数据进行处理,结果表明三种特征数据用于所提方法都能取得较好的效果.     

地表探测雷达图像ROI的人工神经网络提取方法

双曲线特征是探地雷达二维回波图像中的小目标的一个先验知识，本文根据这一特征提出了一种利用人工神经网络（ANN）进行感兴趣区域（ROI）提取的方法。根据探地雷达（GPR）数据解译的特点，设计了相应的B-SCAN图像预处理方法和ANN的结构、训练及测试方法，进而用塑料管和其他目标的B-SCAN实测数据对ANN进行训练和测试，并将检测结果与人工判读结果加以比较，结果表明此法可行而有效。     

一种复杂背景下浅地表金属地雷识别方法

提出运用时域有限差分(FDTD)方法结合遗传算法进行机载或车载地表穿透合成孔径雷达(CPSAR)浅地表金属地雷识别的方法.该方法利用地雷的一维散射中心个数及其相对位置的匹配函数获取地雷结构信息,从而将真实目标分辨出来.利用FDTD法建立了浅地表地雷的散射模型,为了验证该模型,模拟了高斯起伏地面下M6A1金属地雷的散射特性,仿真数据和测试数据基本吻合.对高斯起伏地面下两类金属地雷目标的分类识别,表明该方法具有良好的目标识别能力.     

双类型异质网中基于排序和聚类的离群点检测方法

挖掘隐藏在网络中不同于正常数据对象的离群点是数据挖掘的重要任务之一.目前,针对双类型异质信息网络离群点检测的研究工作相对较少,原本适用于同质网络的离群点检测方法将很难适用于双类型异质网络.为此,提出了异质信息网络中基于排序和聚类的离群点检测方法（RKBOutlier）.从异质信息网络中抽取两种类型的对象以及链接两种对象的语义信息,将待检测的数据作为属性对象,将另一类型数据作为目标对象,对目标对象进行聚类来检测属性对象在各个聚类中的分布情况,数据分布异常的对象即为离群点.将排序和聚类相结合来显著提高聚类的准确度.实验结果表明,RKBOutlier可以在双类型异质信息网络中有效地检测出离群点.     

Possibilistic Versus Belief Function Fusion for Antipersonnel Mine Detection

Two approaches for combining humanitarian mine detection sensors are presented-one based on belief functions and the other one based on possibility theory. The approaches are described in parallel. First, different measures are extracted from the sensor data. Mass functions and possibility distributions are then derived from the measures based on prior information. After that, the combination of masses and the combination of possibility degrees are performed in two steps, on a separate sensor level and between the sensors. Combination operators are chosen to account for different characteristics of the sensors. The selection of the decision rules is discussed for both approaches. The proposed approaches are illustrated on a set of real mines and nondangerous objects, and promising results have been obtained.     

Transferring human grasping synergies to a robot

In this paper, a system for transferring human grasping skills to a robot is presented. In order to reduce the dimensionality of the grasp postures, we extracted three synergies from data on human grasping experiments and trained a neural network with the features of the objects and the coefficients of the synergies. Then, the trained neural network was employed to control robot grasping via an individually optimized mapping between the human hand and the robot hand. As force control was unavailable on our robot hand, we designed a simple strategy for the robot to grasp and hold the objects by exploiting tactile feedback at the fingers. Experimental results demonstrated that the system can generalize the transferred skills to grasp new objects.     

基于ZigBee的煤矿综合监控系统节点设计

针对目前有线煤矿安全监控系统存在网络布线麻烦、节点数量有限、安装不够灵活、组网不便等诸多弊端,设计了基于ZigBee的煤矿综合监控系统传感器节点,该节点能监测井下多种环境信息,可实现人员的大致定位,与监控软件配合,能够自动入网、自动组态。同时,根据煤矿实际情况,制定了一套专用通信协议,在保证数据传输可靠的前提下支持节点上述功能,实际运行证明,该节点工作稳定可靠。     

基于二阶池化网络的鲁棒视觉跟踪算法

针对低分辨率、遮挡以及相似物体干扰等复杂场景下目标易丢失的问题,本文提出了基于二阶池化网络的视觉跟踪算法.已有的方法大多采用一阶池化网络,使得对低分辨目标和相似目标间的区分性不足.对此,本文首先在VGG16网络结构的基础上,将网络最后的一阶池化层替换为二阶协方差池化层,接着在ImageNet和CUB200-2011数据集上对网络进行重新训练.在跟踪阶段,为了减少运算负担,仅提取预训练网络的第四层卷积特征作为目标的外观表征.最后将提取的特征与已有的相关滤波算法进行结合.实验结果表明,本文算法在跟踪精度和成功率上均取得了优异的性能表现.     

基于5G的水泥行业数字矿山应用场景及网络建设难点

5G在水泥矿山领域的应用发展受到关注。水泥工厂通常依石灰石矿山而建,通过5G网络可满足无人机安全巡检、矿山3D建模、矿车无人驾驶/远程控制等移动业务需求。首先,分析了5G在水泥行业矿山的主要业务场景及网络需求。其次,通过对5G水泥矿山网络部署的实际案例及测试数据分析,矿山5G网络覆盖的难点在于山坡状梯田式开采的石灰石矿山由于山体屏蔽及遮挡作用,5G网络覆盖率和信号强度欠佳。最后,从网络配套、规划仿真以及环境动态变化几个方面总结了5G矿山网络覆盖的难点并给出了初步建议。     

一种图像中主要对象的提取方法

图像中主要对象的提取对于图像语义的抽取以及图像内容的自动标注具有重要作用。本文提出了一种面向语义的图像主要目标的提取方法。对分割后的图像计算不同区域的显著相关色得到核心目标,然后从中提取训练样本集,通过人工神经网络对图像中的块进行分类训练,获得各个区域的主要对象。实验表明该方法可以较准确地提取出中心区域的对象以及周围区域的对象并能保留图像的主要信息。     

高分辨力极化SAR图像城市区域车辆目标检测

研究基于高分辨力极化合成孔径雷达(SAR)图像的城市区域车辆目标自动检测方法。城市区域具有复杂的地物,这给在城市区域进行车辆目标检测工作带来困难。首先采用Freeman-Durden分解、极化白化滤波器(PWF)和相似性参数3种方法来提取图像数据的极化信息;在此基础上,采用深度卷积神经网络来对车辆目标和其他地物进行二分类,实现对城市区域车辆目标的检测。基于机载分米级分辨力极化SAR数据的实验结果验证了该方法的有效性,在较低的虚警率下获得较高的检测率。将3种极化特征融合时,能够在虚警率为2.82%时获得95.65%的检测率。     

基于贝叶斯概率的煤炭销售推荐

目前大型煤炭企业大多通过星型网络进行销售,其中运销公司作为网络中心,连接多个矿井与客户,维持煤炭企业和部分客户间的联盟关系。在煤炭交易中,矿井和客户通过随机抽样检测质量,确定交易价格。随机抽样影响了双方对煤炭质量的认同,并可能导致煤质纠纷。在研究中,通过对长期积累矿井和客户历史交易数据进行挖掘,提出应用贝叶斯概率方法,计算矿井和客户的信誉度及双方对煤质化验结果的适配度,使运销公司为矿井和客户推荐合适的交易方,减少了煤质纠纷,并确保了交易双方的利益。     

Low Cost Low Power Smart Helmet for Real-Time Remote Underground Mine Environment Monitoring

Underground mining production process is vulnerable and highly dynamic in nature. Among the various causes of accidents in underground mine, major one is presence of flammable and noxious gases. Though many existing safety gadgets are there but they could not work reliably because of the typical nature of mines structure and production variability. Wireless data and communication network is also not successful because wireless communication in underground mine is significantly more challenging than through air. This work introduces the application of mobile wireless sensor network in order to monitor a variety of parameters in underground mines which have life threatening effects towards them. Each node of the network placed over the safety gear (helmet wore statutorily by every miner) comprises of various sensors depending on the requirement with microcontroller unit and other low power accessories. The proposed work has a unique feature that it will make the personnel aware about the situation of the gases present and surrounding by automatically generating different alarms and different light indicators. Other function of this device will be to transmit the data sensed by the sensors in the device to the control room wirelessly so that the responsible person would be aware of the situation. This work is focused on the design of such a prototype model for the underground mines with the aforementioned specification.