基于支持向量机的激光成像雷达地形重采样

针对机载三维激光成像雷达测量地形高程的特点,提出了一种基于最小平方支持向量机和Shepard的激光成像雷达扫描的地形重采样方法.该方法利用支持向量机是基于结构风险最小化准则,对带有噪声的数据拟合方面具有较好的泛化能力的优点,结合Shepard的局部插值能力,使重建的地形具有局部失真小、总体保持最优的特点.仿真实验结果达到了较高的地形测量精度.     

基于YOLOv5架构的大幅面SAR图像车辆目标识别方法

SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练样本数量同时提高了模型收敛速度。为了测试算法性能,构建了一个含车辆目标的大幅面SAR图像数据集。在该数据集上进行了仿真实验,并与一些经典的深度学习网络进行了对比,实验结果表明所提大幅面SAR图像车辆目标识别算法识别精度更高、速度更快。     

m相依样本均值函数的Bootstrap估计

在ｍ相依样本均值的Ｂｏｏｔｓｔｒａｐ估计的相合性的基础上，证明了ｍ相依样本均值函数的Ｂｏｏｔｓｔｒａｐ估计的相合性。     

气动光学图像仿真与处理关键技术研究

气动光学效应发生于导弹在大气层中高超声速飞行的过程中,导弹头部的光学头罩与大气发生剧烈的摩擦,对目标图像产生图像传输干扰和热辐射干扰,产生图像模糊、抖动和偏移,对比度降低等气动光学退化效应.对高速导弹退化图像的仿真分为两部分:第一部分是对由高速气流引起的图像的模糊和抖动的仿真.第二部分是对由高速热流产生的图像对比度降低的气动热辐射退化的仿真.对第一部分气动退化图像的仿真,采用根据实际弹道参数(飞行高度,飞行速度,头罩半锥角,攻角)和几种不同流场条件下气动光传输模型模型相结合的方法.根据流场的速度,状态,将高速流场分为湍流场和层流场.根据气动参数和湍流流场光传输模型确定点扩展函数的大小,方差等参数.根据气动参数和层流流场光传输模型确定点扩展函数中心位置的抖动和偏移.实验表明,根据这种方法仿真的气动光学退化图像符合实际情况下不同飞行弹道参数图像的气动退化变化规律和退化程度,与直接数值模拟方法(Direct Numerical Simulations),大涡模拟方法(LarRe Eddy Simulation)等方法相比,适用范围更广,计算量大大降低,并且可以实现实时仿真序列气动退化图像.对第二部分气动热辐射退化图像的仿真,采用对热效应产生的各个过程进行分别仿真建模的方法.首先,对由于高速飞行,头罩与空气摩擦产生的温度场进行建模.利用飞行参数,如飞行高度,飞行马赫数,攻角和高速可压流体模型,计算出头罩表面温度场变化.再根据头罩的材质,厚度和热传导模型计算出头罩平均温度场.根据头罩平均温度场分布,发射率,探测器系统距离,通过普朗克公式得到温度场的辐射功率.最后,根据探测器的物理参数,可以将辐射功率转化为等效信号电压值,得到数字图像的气动热辐射退化灰度值和退化图像.对气动退化图像的处理,采用退化复原算法与实际弹道参数(飞行高度,飞行速度)相结合的方法.与以往的图像复原算法不同,采用的气动退化图像的复原算法利用了先验条件参数,如导弹的飞行高度,飞行马赫数.实验表明,利用这些条件参数,可以更有效、更准确地复原退化图像.结合实际气动弹道参数,实现了最大后验概率算法(MAP算法),总变分算法(TV算法),最大似然算法(ML算法)和相邻帧算法等算法,对气动退化图像进行复原,得到了较为准确和稳定的处理结果.与传统的复原算法相比,程序运行步骤数目减少,算法的处理速度大大提高,复原的准确性也得到了增强,并且可实现序列退化图像实时复原处理.     

地形导航中的3D地形跟踪方法

地形跟踪技术是飞行器自动导航的基础，激光成像雷达可以高精度实时获取前视距离像和3D地形图，从激光成像雷达所成前视距离像中可以识别飞行器前下方的地形（包括障碍物），人而为飞行器毛皮地形跟踪提供基础，在飞行器惯性作用下，研究了飞行器自动障碍物回避方法，推导了飞行器与规划航迹之间的3D空间关系，以飞行器自动障碍物回避为基础，建立了飞行器沿规划航迹飞行的地形跟踪方程。在参考地形图上进行了仿真实验。结果表明，3D地形跟踪方法，能够很好的满足飞行器自动导航的要求。     

改进的基于小波双变量模型的图像去噪算法

研究图像小波系数间的统计相关性并建立适当的模型,可以显著提高图像处理的质量。在贝叶斯最大后验估计理论框架下,讨论了Sendur提出的双变量模型,用MAP估计方法推导了对应的萎缩函数,分析了基于双变量模型去噪算法的不足,在此基础上进行了改进,利用MAP软阈值对第L级三个高频子带进行局部自适应处理。实验结果表明了改进后算法的有效性。     

基于支持向量机的散乱数据拟合

文章提出了一种有效的大规模散乱点拟合方法,它是采用最小均方支持向量机局部拟合对Shepard插值方法进行改进。支持向量机基于结构风险最小化准则,在数据拟合方面具有较好的泛化能力,而改进的Shepard法能有效拟合大规模样本点。实验结果表明该算法对大规模散乱数据点具有较好的拟合性能。     

实时流化协议RTSP的分析研究

首先对实时流化协议RTSP与HTTP进行了比较,然后概述了RTSP协议的工作原理、性质和扩展性,并对RTSP协议的主要参数进行了分析。在分析研究的基础上,给出了RTSP协议的应用实例,并总结出RTSP协议具有的优势。