排序方式: 共有100条查询结果,搜索用时 17 毫秒
71.
针对海洋上空大气折射环境影响下岸基俯视雷达信号的舰载机动接收有效方法进行了系统研究.根据实际需求,建立俯视雷达信号在海洋上空传播的物理模型,通过射线追踪法结合Hopfield折射率剖面模型,仿真计算获得了大气折射影响下的电波实际传播路径,并与Ray-VT射线追踪软件的计算结果进行比对,四种发射参数下的水平距离相对偏差分别为-0.002%、-0.041%、-0.029%、-0.007%,初步说明了电波传播路径仿真的准确性.经过仿真,发现海洋上空大气折射环境对岸基俯视雷达信号的舰载接收有很大影响,必须对接收位置和接收仰角加以修正. 相似文献
72.
73.
能见度对人类生产生活、交通运输安全等具有重要影响,是地面自动气象观测的重要内容之一,但由于受影响因素较多,目前能见度检测仍缺乏统一的标准和检定规程。现有基于图像的能见度检测方法大多从整幅图像或局部区域中提取视觉特征估计能见度,未考虑不同景深目标物对应子图像的质量衰减程度不同,导致检测结果精确度和稳定性不高。提出一种新的能见度检测方法,使用预训练的神经图像评估,从不同景深目标物对应的子图像中提取视觉特征,并将提取的特征和能见度真值输入到全连接网络,以训练子图像的能见度映射模型。根据子图像与全局图像间的关系,动态建立各目标在能见度整体估计过程中的权重回归模型,按照权重融合各目标物能见度估计值,得到整幅图像的能见度检测值。实验结果表明,该方法能有效提升回归模型的预测精度,其在不同能见度区间的检测正确率均超过85%。 相似文献
74.
ACOR算法是一种应用于连续域实值优化的蚁群算法(Ant Colony Optimization,ACO)。ACOR算法可用于训练神经网络。与常规的蚁群算法不同,ACOR在训练神经网络时未考虑启发式信息(Heuristic Information)。在ACOR的基础上,提出了一种将启发式信息与ACOR相结合的神经网络训练算法——h-ACOR。其中,启发式信息是通过计算神经网络的误差关于网络的权值向量的偏导数而得到的梯度向量。通过十折交叉验证方法,将h-ACOR 应用于UCI数据集中的zoo,iris和tic-tac-toe 3组数据的模式分类问题中来训练神经网络。与ACOR相比,h-ACOR算法在减小分类误差的同时能够提高收敛速度,其收敛的代数约为ACOR算法的1/2,且经过完全训练,对zoo,iris和tic-tac-toe 3组数据的分类准确率分别为91.1%,93.3%和95.6%,高于ACOR算法的83.1%,88.7%和91.9%。 相似文献
75.
波浪能等级区划是海浪发电、海水淡化等工程选址的主要依据。针对波浪能选址的困境,本文建立了一套能够全面考虑资源特征、海洋环境、成本效益的波浪能等级区划方案,并以"海上丝路"的波浪能宏观等级区划、斯里兰卡海域的波浪能微观等级区划展开实例研究。结果表明:本方案能较好地展现波浪能等级的区域性差异,可为波浪能的宏观/微观选址提供决策支持。本文还充分考虑了专家评估、发电成本主导、可利用率主导等不同情况下的波浪能等级区划,可满足不同需求下的波浪能选址。本方案具有较强的灵活性,根据需求对相关要素的权重进行调整、添加或删除相关要素,可广泛运用于海洋新能源的等级区划和选址。 相似文献
76.
为生成兼具高光谱质量与高空间质量的融合图像,本文提出了一种新的Pan-sharpening变分融合模型.通过拟合退化后的全色(Panchromatic,Pan)波段图像与低分辨率多光谱(Multispectral,MS)波段图像间的线性关系得到各波段MS图像的权重系数,计算从Pan图像抽取的空间细节;基于全色波段图像的梯度定义加权函数,增强了图像的强梯度边缘并对因噪声而引入的虚假边缘进行了抑制,有效地保持了全色波段图像中目标的几何结构;基于MS波段传感器的调制传输函数定义低通滤波器,自适应地限制注入空间细节的数量,显著降低了融合MS图像的光谱失真;针对Pan-sharpening模型的不适定性问题,引入L1正则化能量项,保证了数值解的稳定性.采用Split Bregman数值方法求解能量泛函的最优解,提高了算法的计算效率.QuickBird、IKONOS和GeoEye-1数据集上的实验结果表明,模型的综合融合性能优于MTF-CON、AWLP、SparseFI、TVR和MTF-Variational等算法. 相似文献
77.
目的 当前点云补全的深度学习算法多采用自编码器结构,然而编码器端常用的多层感知器(multilayer perceptron,MLP)网络往往只聚焦于点云整体形状,很难对物体的细节特征进行有效提取,使点云残缺结构的补全效果不佳。因此需要一种准确的点云局部特征提取算法,用于点云补全任务。方法 为解决该问题,本文提出了嵌入注意力模块的多尺度点云补全算法。网络整体采用编码器—解码器结构,通过编码器端的特征嵌入层和Transformer层提取并融合3种不同分辨率的残缺点云特征信息,将其输入到全连接网络的解码器中,输出逐级补全的缺失点云。最后在解码器端添加注意力鉴别器,借鉴生成对抗网络(generative adversarial networks,GAN)的思想,优化网络补全性能。结果 采用倒角距离(Chamfer distance,CD)作为评价标准,本文算法在2个数据集上与相关的4种方法进行了实验比较,在ShapeNet数据集上,相比于性能第2的PF-Net (point fractal network)模型,本文算法的类别平均CD值降低了3.73%;在ModelNet10数据集上,相比于PF-Net模型,本文算法的类别平均CD值降低了12.75%。不同算法的可视化补全效果图,验证了本文算法具有更精准的细节结构补全能力和面对类别中特殊样本的强泛化能力。结论 本文所提出的基于Transformer结构的多尺度点云补全算法,更好地提取了残缺点云的局部特征信息,使得点云补全的结果更加准确。 相似文献
78.
多普勒中心偏移是合成孔径雷达(SAR)反演海面风场、海表流场的重要参数。该文针对机载正侧视提出一种多普勒中心偏移计算方法,分别利用载机运动状态数据和海洋探测回波数据计算多普勒中心频率,再作差求解多普勒中心偏移,并在多普勒谱分析中加入小波分析去除噪声的影响来提高计算精度。以CDOP经验模型计算结果作为比对真值,机载SAR飞行探测试验结果表明,9组探测数据多普勒中心偏移计算误差的绝对值均小于2 Hz,均方根误差为1.4 Hz,满足海洋环境要素反演的精度要求。实验表明高精度的平台运动状态数据和探测回波数据是多普勒中心偏移海洋应用的关键。 相似文献
79.
80.
在应用旋翼无人机群时,每架无人机自主快速选择目标空域点,对于提升无人机群整体性能有很大作用。对于到达目标空域点即可降落的情况,可视作二分图最佳匹配问题,利用匈牙利算法进行求解。对于到达空域点后,需要等待其他无人机全部就位后一同工作的情况,需要同时优化平均移动距离和最大移动距离两个耦合参数。经多次实验和测试,将匈牙利算法中代价矩阵各元素值替换为各自值的平方,可以在平均移动距离与最优解十分接近的情况下,使最大移动距离减小,从而减小无人机悬停等待的消耗,缩短过程完成的时间。针对此问题设计了只变异不交叉、父辈子辈一同评价的遗传算法进行求解与改进算法对比,验证了改进后匈牙利算法在此问题中具有更好的效果。由于算法计算速度快,适用于无人机上嵌入式系统实时计算。 相似文献