基于并联卷积神经网络的SAR图像目标识别

基于合成孔径雷达（synthetic aperture radar，SAR）在图像目标识别领域中识别精度低的问题，设计一种利用并联卷积神经网络（convolutional neural network，CNN）来提取SAR图像特征的目标识别方法.首先利用改进的ELU激活函数代替常规的ReLU激活函数，建立与二次代价函数相结合的深度学习模型.其次采用均方根支柱（root mean square Prop，RMSProp）与Nesterov动量结合的优化算法执行代价函数参数迭代更新的任务，利用Nesterov引入动量改变梯度，从两方面改进更新方式，有效地提高网络的收敛速度与精度.通过对美国国防研究规划局（DARPA）和空军研究实验室（AFRL）共同推出的MSTAR数据集进行实验，实验表明，该文提出的算法能充分提取出SAR图像中各类目标所蕴含的信息，具有较好的识别性能，是一种有效的目标识别算法.     

基于卡尔曼的无线传感器网络时空融合研究

无线传感器网络(WSNs)因其传感节点数目多,且节点易受环境干扰出现故障或失效的特点,对融合技术提出了新的要求。引入中值滤波,利用其良好的抑制脉冲噪声能力,结合卡尔曼滤波开发适用于WSNs的融合算法。采用时空分级融合减少集中计算量,使网络具有实时处理能力。算法具有容错能力,可提高网络鲁棒性。仿真结果表明了算法的有效性。     

基于信息技术的教学能力提升实践分析

基于案例分析,阐述互联网的教学能力提升实践,教学模式中的问题,信息化技术在教师教学能力发展中的应用,提高教师教学能力的措施。     

临近空间SAR几何定位

对合成孔径雷达（SAR）图像上的目标进行几何定位主要有两种模型：斜距转地距模型和距离多普勒（RD）模型,其中斜距转地距模型计算简单但忽略地球曲率因素,而RD模型不仅考虑了SAR成像机理还考虑了地球的曲率变化。仿真实验表明：在临近空间情况下,斜距转地距模型得到的结果定位精度低,与之相比,RD模型定位结果有着显著的优势,因此,在临近空间平台下对SAR目标进行定位必须考虑地球曲率因素。文中进一步在临近空间条件下对RD模型的定位精度进行了分析,推导了定位不确定性公式,并基于这些公式得出了仿真结果。     

一种基于证据理论的数据融合新算法研究

从决策级层次出发,给出一种新的基于证据理论的多传感数据融合算法.从传感器的重要度和各证据的可信度两方面综合考虑对融合结果的影响,并根据传感网络的实际应用情况给出了反映传感器重要度及证据可信度的融合系数,引入未知项,使新的算法能更好地实现多传感器的数据融合.通过举例与分析表明新算法能较好地解决证据冲突引起的失效问题.     

基于融合处理的遥感图像快速配准方法

综合利用、处理多源遥感图像数据的融合理论与方法的需求越来越大,其中配准是遥感图像融合中重要的预处理步骤.分析了图像配准三类方法的特点和存在的问题,研究了遥感图像融合与图像配准位置之间的关系,发现了融合后图像的平均梯度随配准偏差变化的规律.在此基础上,将图像配准与后续的图像融合结合起来考虑,提出了基于融合结果进行准确配准的新方法.为了降低计算复杂性,定义了新的融合图像和平均梯度的计算公式.实验结果验证了该新方法的快速有效性,适用于同质遥感图像的配准.     

智能无线传感网络关键技术及应用研究

智能无线传感网络是计算机、信息处理、嵌入式计算、通信和传感器技术相融合的产物，是一种全新的信息获取和处理方法。研究了无线传感网络的特点、传感网络的关键技术和近几年在军事、工业、日常生活中的应用。对其相关的协议和算法以及研究进展进行了介绍，随着理论研究及应用的深入，无线传感网络必将逐步进入人类生活的各个领域。     

SAR图像海岸线分割的超像素合并方法

由于SAR图像固有的相干斑噪声和海陆交界处复杂的地形影响,利用区域合并方法在进行SAR图像的海岸线提取过程中很容易出现误合并。为解决SAR图像海岸线分割中单一分割尺度造成的误分割问题,提出基于SLIC超像素的SAR图像海岸线分割算法,超像素分割后再利用改进的融合光谱和纹理信息的合并代价(CT-Model)进行合并,最后将海陆交界处的海岸线显示用来进行分割效果对比。实验结果表明,改进后的合并准则在SAR图像的海岸线分割上具有更好的精确度。     

填充柱气相色谱法测定土壤中的六种有机磷农药

利用玻璃填充柱,选用DFTPP(十氟三苯基磷)作内标,用气相色谱-火焰光度检测法(GC-FPD),对土壤中的6种有机磷农药进行了检测.结果表明,该方法灵敏度高,定量准确,消除了外标法定量误差的影响.