区域提取网络结合自适应池化网络的机场检测

针对传统机场检测方法准确率低、虚警率高、耗时长等问题,借鉴深度卷积神经网络的架构,提出一种改进的区域提取网络和自适应池化网络结合的机场快速检测方法．将二分类网络引入区域提取网络以筛除一些定位较差的候选区域和背景区域,结合自适应池化的检测网络对机场候选区域进行识别,通过复用网络结构和学习的特征参数来达到快速检测的目的．仿真结果表明,与两种典型的机场检测方法相比,所提方法在测试集上取得更高准确率和更低虚警率的同时,极大地提高了检测速度,达到了精准、快速检测机场的目的．     

仿视皮层机制的随机点视频序列运动特征提取

为了探索视皮层对多方向刺激的运动信息处理机制,依据生物实验中部分中颞叶区（MT）细胞对随机点视频刺激运动感知的侧偏特性,提出了一种仿视皮层机制的随机点视频序列运动特征提取模型。首先,采用Von Mises函数拟合初级视皮层（V1）简单细胞的感受野,再结合非线性的能量模型、调谐和非调谐正则化方法等模拟实现V1复杂细胞对运动信息的方向感知;其次,提出了级联前馈方法对V1复杂细胞响应进行线性加权求和,得到MT细胞的响应输出;最后,利用生物实测MT细胞响应数据对新模型的有效性进行了实验验证。仿真结果表明模型的输出结果与恒河猴的运动感知实验数据基本吻合,能够较好地模拟视皮层对不同夹角的多方向随机点视频序列的运动感知机制,为提取复杂运动序列的特征提供新的方法,进而为视觉类脑计算奠定基础。     

采用SRM准则的盲均衡器

提出了一种新的采用结构风险最小化（SRM）准则的盲均衡器（SRM-BE）。该方法根据信号的特征恢复思想,以SRM为准则构造具有时间去相关特性的代价函数,采用静态迭代学习算法在线跟踪信道。通过仿真实验,并与采用最小均方误差准则的盲均衡器（LMS-BE）和采用神经网络的盲均衡器（NN-BE）进行比较,结果表明该方法的非线性均衡性能最佳。