干扰条件下的雷达组网包络三维融合方法

为了解决在干扰条件下雷达网探测范围的信息冗余问题,提出了一种干扰条件下雷达组网包络三维融合方法。为降低时间复杂度,该算法首先对采样后的雷达包络数据点集合进行融合区域判定,然后再对融合区域内的采样数据点进行包络内外判断,并将位于包络内部的点以消隐的方式进行处理,最后对融合后的雷达网包络进行绘制。经过实验验证,该算法能够实时有效地对雷达组网包络进行融合处理。     

一种通用高效的重叠网格"挖洞"算法

研究了建立重叠包络面和中空(非计算区域)包络面的鲁棒性方法,并提出了迷路算法应用于确定重叠包络面内外点,为重叠网格提供了高效、可靠、通用的"挖洞"算法,该算法复杂度低、实现简单、健壮性较好.实验结果表明,对于大网格量的复杂计算区域问题,该算法仍能得到较理想的效率.     

地形遮蔽下雷达网的融合探测包络计算

为了计算在地形遮蔽条件下的雷达网融合探测包络,提出了一种基于分弧段连接矩阵方法,确定雷达网整体探测威力边界.首先对单雷达地形遮蔽下的探测能力进行分析,接着通过判断雷达网中各雷达之间的关系,计算相交雷达的边界交点信息.在各雷达边界交点的基础上,将雷达边界分成若干分弧段,筛选出组成雷达网探测区域边界的分弧段,建立分弧段连接矩阵,基于该矩阵计算雷达网探测边界,分析雷达网探测能力.实验结果表明,依据提出的算法快速有效地计算出雷达网的探测威力范围,可为雷达网布站提供有效地理论依据.     

天气雷达网资料拼图方法研究

天气雷达组网拼图,是克服单部雷达探测范围有限,发挥多部雷达相互辅助大范围监测灾害性天气的有效手段。本文在分析现有天气雷达组网拼图方法和存在问题的基础上,对天气雷达组网拼图的资料网格化、重叠区域处理、资料投影等方面作了进一步研究。对雷达反射率因子网格化问题,对比分析了Barnes和双线性插值算法的特性,说明Barnes插值算法网格化资料平滑且能较好地保存雷达资料特征;在重叠区域的资料订正方面,采用概率分布方法,实现了对雷达资料作用距离和天线指北等系统误差的订正,结果表明订正后的资料在重叠区域中各雷达资料的吻合度得到了加强;最后采用兰勃特投影法将天气雷达组网拼图投影到统一底图中。     

基于OSG的三维雷达探测范围构建与优化实现

为了帮助指挥员在电子对抗中准确判断态势,研究三维雷达探测范围构建与优化实现技术。基于OpenSceneGraph（OSG）三维图形引擎,结合雷达探测范围二维包络线和雷达天线垂直方向图函数,实现了三维雷达探测范围的通用计算方法。针对雷达数据量大、数据实时更新的特点,分2个阶段进行优化：降低算法复杂度,优化计算方法;使用OSG的多线程技术,对计算绘制过程进行并行处理。通过试验与分析,验证了本文方法的高效性。     

二维雷达包络数据可视化及再提取技术

雷达信息可视化是现代战场可视化中最重要的环节之一,它对于整个战场的综合态势的把控有着至关重要的作用。针对二维多雷达包络数据可视化后数据丢失的问题,本文提出雷达包络检测算法对多雷达包络线进行提取,该算法可以准确地找回每段边界线对应的原始数据。另外,针对多雷达包络线显示慢的问题,本文采用位图技术进行包络线快速绘制。实验结果表明该方法可以快速更新多雷达包络线。     

网格关联的四叉树索引点云排序方法

研究了一种对几何无序点云数据基于四叉树索引的检索方法。使用最小二乘法拟合点云投影平面,经投影将三维点云数据二维化,利用点云凸包求出二维点云包络边,并对包络区域网格划分,采用网格关联方法完成索引排序。并使用MATLAB工具通过测量实例验证了该方法的可行性。     

人体重心动摇轨迹包络面积的快速算法

传统的人体重心动摇轨迹包络面积计算方法是先确定包络所有点的凸包形状,再计算凸包的面积,其最优时间复杂度接近O(nlbn)。针对上述问题给出一种近似凸包计算方法,通过计算点集在不同旋转角度下的坐标,查找X轴和Y轴的最大最小极值点,快速标定构成凸包点,确定凸包形状。算法的时间复杂度接近于O(n)。实际应用证明,该算法能满足精度要求,提高人体重心动摇轨迹包络面积计算速度。     

双基地雷达探测范围的三维可视化研究

利用插值方法计算双基地雷达散射截面积,由此建立压制干扰条件下的双基地雷达探测范围方程。将导数取零作为曲线取极值的必要条件,推导出双基地雷达警戒区域边界解析表达式。在估算警戒区域面积的基础上,提出双基地雷达盲区的构造算法,并给出网格点上双基地雷达探测高度最大值与最小值的计算方法。利用OpenGL绘制双基地雷达三维探测范围。实验结果表明,该方法能在微机上实时地显示压制干扰条件下双基地雷达三维探测范围的动态变化。     

结构光视觉三维点云逐层三角网格化算法

针对结构光视觉恢复的大规模三维点云的可投影特点,提出一种基于投影网格的底边驱动逐层网格化曲面重建算法。该算法首先将点云投影到一个二维平面上;然后基于点云投影区域建立规则投影网格,并将投影点映射到规则二维投影网格上,建立二维网格点与三维点云间的映射关系;接着对投影网格进行底边驱动的逐层网格化,建立二维三角网格;最后根据二维投影点与三维点的对应关系及二维三角网格拓扑关系获得最终的三维网格曲面。实验结果表明,算法曲面重建速度快,可较好地保持曲面细节特征。     

基于分布式压缩感知的联合检测与跟踪算法

多基雷达系统对隐身目标的检测与跟踪具有良好的效果,但是在集中式融合框架下应用于 多基雷达的检测与跟踪算法具有计算复杂、计算量大的缺点.对此,提出一种应用于 多基雷达系统的基于分布式压缩感知的联合检测与跟踪算法.首先,应用分布式紧凑感知 矩阵追踪算法直接重构出表征目标状态空间信息的稀疏网格反射向量;然后,应用检测 前跟踪算法得到精确的目标运动状态和轨迹.仿真实验表明了所提出算法的有效性.     

基于改进的ISODATA的超球覆盖仿生模式分类算法

现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此,引入特征分类贡献度,提出了基于改进的迭代自组织数据分析(M-ISODATA)的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法(ISODATA)的欧氏距离替换,并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度;同时为了去除干扰样本点,引入改进的局部离群因子检测方法(M-LOF)对样本进行训练,减少了不同类别流形之间的重叠区域。再利用改进的自组织数据分析方法(M-ISODATA)对每类训练样本点动态聚类,寻找到同一类的多个小类覆盖区中心后,用超球进行该类的有效覆盖,并对落入重叠区域的测试样本点进行二次划分,实现测试样本的正确分类。最后在iris数据集上验证该算法的有效性,并将该算法应用于雷达辐射源信号的分类识别。实验结果表明,该算法具有很好的拒识、免重训能力,对于雷达信号的识别率能达到97.29%,相比于传统典型模式识别算法具有更好的识别能力。     

NLOF：基于网格过滤的两阶段离群点检测算法

现有的离群度检测算法因没有对原数据进行处理导致计算时间复杂度过高,检测效果不理想。提出一种基于网格过滤的两阶段离群点检测算法NLOF。首先使用网格过滤对原数据进行初步筛选,将密度小于特定阈值的数据放入候选异常子集中;然后为了进一步优化基于密度的算法,基于k邻域,根据邻域中数据点的个数与邻域所组成圆的面积之比,作为数据点密度计算的依据,进行离群点检测以获得更准确的离群点集。在多种公开数据集上进行实验,实验表明,该方法可以在异常检测中取得良好的性能,同时降低了算法的时间复杂度。     

基于改进SIFT的时间序列图像拼接方法研究

针对SIFT（Scale Invariant Feature Transform）算法计算复杂度高,运行时间长的问题,提出了一种改进的SIFT算法。通过扩大极值点取值范围,减少极值点数量,提高运算速度;采用12环的圆形窗口代替传统的方形窗口,简化了特征描述符的构造方法,生成78维SIFT特征描述符,进一步提高了算法的运算速度;将BBF（Best Bin First）运用到特征点对之间初次配准的搜索中,并用RANSAC（Random Sample Consensus）算法对特征点配准对进行二次处理,以消除错误配准。将改进的SIFT算法与渐入渐出融合算法相结合,实现对时间序列图像的拼接融合处理。针对拼接融合后的图像,采用局部分块检测的方法评价其效果。实验结果表明,该算法运算速度快,具有较高的鲁棒性,且拼接融合效果好。     

基于视觉显著性的移动机器人动态环境建模

本文采用视觉显著性提出了一种移动机器人动态环境建模方法.该方法利用提出的视觉显著性模型,对连续的2帧图像中匹配的加速稳健特征点(SURF)利用其位置关系并采用多重随机抽样一致(multi-RANSAC)算法实现了环境中动态物体显著性检测.采用投影方法和快速均值漂移算法构建了动态环境的栅格模型,利用得到的动态显著性物体的位置更新环境地图中的栅格占据值以及动态物体的影响区域.动态环境显著图构建实验和动态环境的栅格模型构建实验的结果证明了上述方法是可行的.     

基于网格查询的局部离群点检测算法

针对基于密度的局部离群因子算法（LOF），需要计算距离矩阵来进行[k]近邻查寻，算法时间复杂度高，不适合大规模数据集检测的问题，提出基于网格查询的局部离群点检测算法。算法利用距离目标网格中的数据点最近的[k]个其他数据点，一定在该目标网格或在该目标网格的最近邻接网格中这一特性，来改进LOF算法的邻域查询操作，以此减少LOF算法在邻域查询时的计算量。实验结果证明，提出的LOGD算法在与原LOF算法具有基本相同的检测准确率的情况下，能够有效地降低离群点检测的时间。     

一种基于网格延展法的等值线生成算法

已有等值线生成算法研究存在算法复杂、不健壮,实现难度大,或与应用系统集成难度大,应用不灵活等问题,以雨量等值线生成算法为例,介绍一种基于网格延展法的等值线生成算法。基于网格延展法的等值线生成算法,通过网格延展法实现等值面的提取,并使用一种简单的方法实现等值线平滑计算,整体等值线生成算法简单、易于实现;基于规则网格进行空间插值计算,对研究区域数据点分布具有很强的适应性,算法表现出较好的健壮性;无须进行等值线边界裁剪计算,也无须考虑等值线追踪时出现的分叉、连通域等问题,可大大减少等值线生成的计算量,降低等值线算法的实现难度;同时计算过程多数是对二维数组的操作,可以使用多种计算机语言实现,具有较好的生产应用价值。     

一种深度学习的非机动车辆目标检测算法

针对道路交通场景目标检测问题,提出采用EdgeBoxes算法和深度学习融合的非机动车辆目标检测方法,利用深度学习目标分类算法Fast R-CNN,结合VOC格式的非机动车辆数据样本,把道路交通场景中的目标检测问题实化为自行车（bicycle）和电动车（evbike）的分类问题。利用EdgeBoxes算法提取样本的目标建议构建适量的感兴趣区域,和样本一起输入网络进行迭代训练,同时引入正则化思想和微调策略进行网络优化,降低网络复杂度并避免过拟合现象;网络训练后得到非机动车辆目标检测模型,对模型进行新样本测试并分析测试效果。在道路交通场景目标检测中,基于EdgeBoxes算法和优化Fast R-CNN融合的方法与传统方法相比,检测准确度稍有提高,运算量明显降低,检测速度加快近一倍。     

基于特征点集GABC算法的WSN覆盖优化

针对人工蜂群算法利用网格点计算网络覆盖率会导致计算量大且容易陷入局部最优解的问题,提出一种基于特征点集的全局最优解人工蜂群算法优化无线传感器网络。首先将目标区域划分成有限个特征点,用传感器对特征点的覆盖来转化为对若干特征点的覆盖计算,减少求解覆盖率的计算量,进而描述整个网络的覆盖情况。然后在特征点集的基础上,将全局最优解人工蜂群算法成功应用在网络覆盖领域,并且重点对比标准人工蜂群算法和基于全局最优解人工蜂群算法在网络覆盖上的性能。仿真实验结果表明基于全局最优解人工蜂群算法优化节点覆盖后,覆盖率得到有效的提升且不易陷入局部最优解。     

基于深度学习的图片敏感文字检测

为快速检测图片文字中的敏感词汇,引入深度学习的方法进行文字检测和识别。对图片预处理,对连通区域进行标记;利用两层限制玻尔兹曼机（RBM）对连通区域进行文字区域的判别和选取;利用水平投影和区域生长的方法对得到的文字区域进行字符的分割;用BP神经网络算法和深信度网络（DBN）算法结合对敏感信息进行检测。敏感文字检测理论分析和实验数据表明该方法的算法复杂度低,检测速度快。