基于DPSO算法的半球共形阵方向图综合

针对共形阵列天线方向图综合所需迭代次数大,且算法的收敛对初始值敏感问题,本文采用DPSO算法对半球共形阵赋形方向图综合进行了研究,通过对半球共球阵模型的建立,推导了所建模型的方向图函数。仿真结果表明,DPSO算法能够较快地综合半球共形阵的赋形方向图,是一种高效且实用的综合算法。     

一种用于数字D类功放的伪自然采样算法

该文针对均匀采样脉冲宽度调制(UPWM)型数字D类功放,提出了一种新的伪自然采样算法以校正其在开关信号调制时产生的谐波失真。该算法融合了三阶和一阶拉格朗日插值法,并结合伪自然采样点位置判断法而形成,可在计算复杂度较低的同时,达到较好的谐波失真校正效果。该文使用FPGA搭建了一个基于该算法以及其它同类算法的开关信号调制器测试系统。测试结果表明,相比同类算法,该算法基本消除了谐波失真且硬件消耗适中,显示了更大的优越性。     

边缘特性筛选与多判定机制下的车牌定位方法

针对复杂背景下的车牌定位,利用目标区域的边缘梯度特性筛选出车牌边缘;选取合适的结构元素做数学形态学填充,得到车牌候选区域;融合车牌灰度纹理特征与颜色特征通过多判定机制剔除伪车牌区域,实现车牌的准确定位;通过实验对大量实拍的复杂背景下的车辆图像进行测试。结果表明,该方法准确率高、速度快,克服了传统算法对拍摄环境、光照条件、颜色、角度等较为敏感的问题,具有良好的定位效果。     

基于滤波合成的关键显著性目标检测方法

针对显著性目标检测过程中的背景干扰问题,提出了一种基于滤波合成的关键显著性目标检测算法。该算法将局部指导滤波与改进的差分高斯(DoG）滤波方法相结合,使显著性目标更加凸显;然后,利用得到的显著性图确定关键点集合,通过调整因子得到更符合视觉机制的显著性检测结果。实验表明,所提算法优于现有显著性检测方法。与局部对比度(LC)方法、谱残差(SR)方法、基于直方图对比度(HC)方法、区域对比度(RC)方法、基于调频(FT)的方法等相比,背景与干扰目标得到有效抑制,同时具有更高的精度和更好的召回率。     

改进BP神经网络的自适应预测算法

针对视频编码中的耗时和图像不精确问题,提出改进BP神经网络的自适应预测算法。以区域生长、边缘检测和BP神经网络相结合,首先对图像进行对象分割,采用优化的传输结构,自适应调整学习率;然后在分割的基础上,进行自适应预测搜索编码。判断所选择块内是否有边界,若没有,不做运动估计,直接将当前块运动矢量置为零;若有,则进行自适应预测估计。根据不同的宏块特点,自适应地采取相应的搜索模式,减少搜索时间。实验结果表明,该算法与经典搜索算法相比,可取得良好的编码效果。     

相干信源DOA估计修正ESPRIT算法研究

针对相干信源DOA估计提出了一种修正ESPRIT算法,利用时域白噪声信号在不同时刻是不相关的性质,通过对在虚拟平移天线阵列过程中所得阵列的输出数据协方差矩阵进行修正,可减小白噪声的影响.该算法对独立源和相干信源的DOA估计有较高的分辨率,计算量较小,即使在低信噪比、低快拍数和小阵元数的条件下,仍具有很小的估计误差.能较准确地进行相干源的DOA估计.仿真结果验证了修正ESPRIT算法的正确性和有效性.     

跟踪尾流目标的概率数据关联方法

提出了一种针对尾流目标的跟踪方法。传统的跟踪方法对具有尾流的目标通常会被尾流干扰,无法将源于尾流的量测值与真实的目标进行正确关联,容易产生目标丢失或者失跟的情况。该方法将目标尾流作为一种特殊杂波,推导出带有尾流目标的概率关联系数,对目标量测值进行数据关联。仿真结果表明,与标准概率数据关联跟踪方法相比,提出的新的数据关联方法可以有效地减少目标失跟的情况,逐渐增大量测噪声,该方法依然保持低失跟率。     

一种镜像抑制双输出的微波光子信道化接收机

微波光子信道化接收机可将待接收的射频信号转化到光域进行传输和处理,有效避免了电子瓶颈的限制,可实现超大带宽信号或多频点信号的瞬时接收,非常适用于雷达系统和电子战.该文提出一种镜像抑制双输出的微波光子信道化接收机,信号路和本振路都采用光分路器分为3路,光本振利用声光移频器实现左右移频后与信号路进入镜像抑制混频器,最终可将...     

一种用于人脸动画的拟合抽象肌肉模型

三维人脸动画是计算机图形学领域的热点课题。针对目前三维动画模型对人脸的模拟难度高且效果不够逼真地问题,为了简洁且逼真的模拟人脸表情动作,提出了一种拟合抽象肌肉模型。该模型基于人脸动画模型中常用的抽象肌肉模型,对其中宽线性肌的数学模型进行改进,利用形变参数控制宽线性肌的形态,对面部肌肉动作直接进行模拟。仿真实验表明,利用拟合抽象肌肉模型能够更为真实地模拟出复杂的嘴部动作。因此,拟合抽象肌肉模型与传统的抽象肌肉模型相比,实现的计算复杂度不高,并且模拟效果更加逼真,具有广阔的应用前景。     

基于场景的红外非均匀性校正算法对比研究

红外技术发展到今天,红外凝视焦平面探测器阵列性能高、使用简单,从而成为红外系统的主流。但是,红外探测器的工艺和技术生产不出像可见光CCD那样均匀的红外器件,红外探测器阵列的非均匀性一直是红外凝视探测器的主要缺陷。人们开发了多种非均匀性校正算法,尤其是基于场景的自适应算法,极大地弥补了探测器的非均匀性缺陷。但是到目前为止,各种算法都有一定的局限性,尚不能彻底解决非均匀性问题。针对目前常用的几种非均匀性校正算法,包括时域高通滤波算法、神经网络算法、恒定统计量算法等,在天空、地面等不同场景条件下进行了仿真测试,对算法的实施效果进行了对比分析。