共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
将适用于求解组合优化问题和连续优化问题的人工蜂群算法运用于超声回波的非线性高斯模型,提出了一种基于人工蜂群算法的超声回波参数估计新方法,给出了算法的基本步骤,并在不同初始条件下对算法的性能进行了仿真。仿真结果表明,该算法的估计精度与初始值的选择无关,不仅能成功估计出超声回波模型的各个参数,而且可在全局范围内取得最优解,与超声回波参数估计的蚂蚁算法相比,该算法具有收敛速度快,运行时间短,鲁棒性好,可进行实时处理的优点。 相似文献
6.
7.
8.
9.
用于回波抵消的最大长度序列相关近端语音检测算法研究 总被引:1,自引:0,他引:1
回波抵消是语音通信系统中不可缺少的一个重要组成部分。大部分回波抵消技术都是基于自适应LMS算法的。在实际应用中,近端语音检测的准确性会在很大程度上影响自适应LMS算法在双向通信环境下回波抵消的效果。本文提出了一种基于最大长度序列相关算法的近端语音检测算法。这种近端语音检测算法和自适应LMS算法相结合,得到的回波抵消算法在模拟双向通信环境下的回波抵消效果比自适应LMS算法高约8db。 相似文献
10.
基于阵列信号处理的认知无线电频谱空洞检测方法 总被引:1,自引:0,他引:1
探讨了一种基于阵列信号处理技术的干扰温度估算方法,以提高认知无线电频谱空洞检测精度.在该方法中,定义了考察区域内任意一点的干扰温度,通过估计干扰源的参数来计算干扰温度值,形成了考察区域内的干扰温度分布,进行频谱空洞可用性判决.理论分析和仿真结果表明,与MTM-SVD方法相比,该方法对考察区域干扰温度的估算具有较高的精细度,从而提高了频谱检测的精度. 相似文献
11.
12.
13.
利用多目标交通测速雷达进行交通执法时,只有正确地判断出车辆所在的车道,抓拍照片才能作为交通执法的依据。传统的分车道方法主要通过人工测量的固定阈值以及坐标系旋转的方法来达到车道划分的目的,但这种方法误差较大并且不易于操作。基于统计和密度特征的核聚类算法(K-CSDF)分两步进行:首先对雷达获取的车辆数据进行特征提取,包括基于统计特征的阈值处理和基于密度特征的动态半径提取;然后引入基于核的相似性的动态聚类算法对筛选出的有效点进行聚类。通过和高斯混合模型(GMM)算法以及自组织映射神经网络(SOM)算法进行仿真对比表明:当只取100个有效点进行聚类时,K-CSDF和SOM算法能达到90%以上的分车道正确率,而GMM算法不能给出车道中心线;在算法用时上,当取1000个有效点时,K-CSDF和GMM算法用时均小于1s,可以保证实时性,而SOM算法则需要2.5s左右;在算法鲁棒性上,K-CSDF对不均匀样本的适应性优于这两种算法。当取不同数量的有效点进行聚类时,K-CSDF可以达到95%以上的平均分车道正确率。 相似文献
14.
15.
一种基于改进支持向量机的入侵检测方法研究 总被引:1,自引:0,他引:1
提出基于粒子群优化(Particle Swarm Optimization,PSO)算法和支持向量机(Support Vector Machines,SVM)的入侵检测方法,为优化SVM性能,使用PSO的全局搜索特性寻找SVM的最优参数[C]和[σ];为避免PSO算法陷入局部最优,引入变异操作,找到最优参数组合后进行基于PSO_SVM入侵检测算法的训练和检测,解决了入侵检测系统准确度难题。仿真实验表明该方法的检测率为92.8%,误报率为6.911 9%,漏报率为9.708 7%,对KDDCUP竞赛的最佳结果有一定程度的提高,实验结果验证了该算法的有效性和可行性。 相似文献
16.
针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能力,使用软化非极大值抑制的方法减少复杂环境中目标的漏检率。利用Udacity数据集进行训练和测试,实验结果表明,提出方法与R-FCN模型相比,检测的平均准确度提高了4.3%,对实际场景下的车辆有着良好的检测效果,网络具有一定的鲁棒性。 相似文献
17.
山坡地区是落石频发的区域,凭人力难以及时发现灾害的发生。为及时检测到落石的发生并做出应对措施,提出一种基于改进YOLOX的落石检测方法,自动检测并报告落石的发生情况;通过自制落石数据集训练YOLOX网络,优化空间金字塔池化结构,获取更多语义信息,并引入ECA-Net(Efficient Channel Attention Module,高效通道注意力模块),提高特征的提取能力和特征间的信息传播,同时改进损失函数并使用数据增强,提高网络训练效果;实验结果表明,改进YOLOX算法的mAP@0.5为92.50%,每秒检测帧数为62.6,相较于YOLOX算法,mAP@0.5提高3.45%,每秒检测帧数上涨0.3;与原算法相比,在不损失性能的情况下,精度有较大的提升,同时满足图片与视频数据的实时检测要求。 相似文献