模糊融合分类器在水雷识别中的应用

当目标的类别多时会使分类器的精度和稳健性大受影响,用神经网络分类器去完成复杂的目标分类任务是难以保证其可靠性的。引入信息融合条件下一种新型的分类器,即模糊融合分类器,该分类器可以自动“过滤”无效和冗余特征的负面影响,实现有效的特征层融合识别。采用4种特征提取方法,利用三个模糊融合神经网络作为分类器进行特征层的融合,再将分类器的输出作为决策层的融合,提高系统的分类性能。通过处理水雷实体回波数据得出的识别率表明,所选取的特征提取和分类器算法是有效的。     

基于多处理机平台—TM S320C80的并行算法实现方法的研究

本文结合 ＴＭＳ３２０Ｃ８０（简称 Ｃ８０）的编程结构,提出了基于该多处理机平台的并行算法的开发所面临的关键技术是：底层通信协议、细粒度并行、内存访问冲突、ＴＣ的多维数据传输和“双缓冲”数据传输方式．概括出基于此平台并行算法的开发层次     

水下目标特征提取方法研究

有效的特征提取技术是水雷目标识别的基础。文章采用了两种前期研究中较为有效的水雷目标特征提取方法(频域离散小波变换法和常数Q滤波子带能量法),并引入了一种应用在水下目标识别领域中的特征提取方法(波形结构法)。应用此三种特征提取方法提取的特征来识别实雷目标以及假目标,分类器采用三层BP算法的前向神经网络,给出了具体的识别率,说明该特征提取算法是有效的,用波形结构法进行水雷目标的特征提取是可行的。     

基于多处理机平台—TMS320C80实现方法的研究

本文结合ＴＭＳ３２０Ｃ８０（简称Ｃ８０）的编辑结构,提出了基于该多自理机平台的并行算法的开发所面临的关键技术是：底层通信协议、细粒度并行、内存访问冲突、ＴＣ的多维数据传输和“双缓冲”数据传输方式,概括出基于此平台并行算法的开发层次。     

混响背景下的CW信号检测

CW信号即单频矩形脉冲信号,是雷达及声纳中常用的信号形式.混响是主动声纳检测中主要的背景干扰,它是一种有色干扰噪声,并常被看作是一个非平稳的随机过程,这使得工作在白噪声条件下检测器的性能在一定程度上受到限制.关于混响背景下的CW信号的检测问题是人们一直关注的问题,通常人们将混响视为随机信号进行建模,而忽视它的混沌特性.将混响视为混沌噪声,利用混沌噪声背景下的信号检测方法来检测混响背景噪声下的CW信号,并通过仿真得到预期结果.     

一种联合的人眼精确定位算法

眼睛定位在人脸识别中占有重要地位.为达到高效精确的人眼定位,提出一种联合的眼睛定位方法,该方法先用基于AdaBoost算法的分类器对眼睛对区域进行粗定位,同时使用灰度极小值区域(MER)快速地检测出图像中的单眼候选.通过联合眼睛对位置与单眼候选进行处理,判决并给出最终人眼精确位置.为提高算法的性能文中引入了边缘方向直方图(EOH)特征作为AdaBoost分类器特征,并采用了单眼及眼睛对定位校验模式.该算法能有效地压缩训练样本集规模,并能快速精确地对人眼进进行定位.本算法在CAS-PEAL 人脸数据库、JAFFE 数据库等数据集上均有良好表现.     

基于TMS320C80的FFT算法的并行实现

实时信号处理对ＦＦＴ算法提出了很高的要求,随着行处理技术和新一代数字信号处理芯片的发展,这种需求可以得到满足。本文研究了ＦＦＴ算法的并行性并且基于ＴＭＳ３２０Ｃ８０芯片开发了两种并行ＦＦＴ算法,结果证明其速度和精度都得到了保证。     

基于矢量水听器阵的恒定束宽波束形成器的原理与设计

摘要：在对水下目标进行探测识别的应用中，一般要求声纳系统具备在较宽频带内形成恒定束宽波束的能力：过去对声纳恒定束宽波束形成器的研究一直针对声压水听器阵，近来随着对矢量水听器认识的深入，开展基于矢量水听器阵的恒定束宽波束形成器研究越发变得必要。本文正是体现了作者在这一方面的阶段性研究成果。文中首先介绍了单个矢量水听器的指向特性，接着提出了矢量水听器阵宽带恒定束宽波束形成器的实现原理和设汁方法，并以均匀等间距线阵为例，给出了获得实现恒定束宽算法所需频域加权矩阵的步骤，之后又进一步给出了恒定束宽算法的频域实现流程，并通过计算机仿真验证了其有效性：     

基于相空间重构理论的水中混响特性提取

相空间重构理论是混沌和分形研究中常用的分析方法.由于水中混响具有一定的混沌特性,因此将相空间重构理论应用于水中混响的分析中,通过计算得到对水中混响数据重构所需的2个重要的参数时延和嵌入维.水中混响数据的重构参数进一步表明其混沌特性,可以用重构参数来表征水中混响的特性.由此证明了相空间重构理论应用于水中混响的可行性.     

最大Lyapunov特性指数在微弱信号检测中的应用

利用Duffing振子的运动状态来判断微弱信号的存在是一种常用的方法,通常此方法没有明确的门限。由于最大Lyapunov特性指数是指示动力学系统是否处于混沌状态的重要参数,所以将最大Lyapunov特性指数作为混沌判据引入基于Duffing振子的微弱信号检测中。利用最大Lyapunov特性指数指示Duffing振子所处的状态,如果最大Lyapunov特性指数大于1,测说明系统处于混沌状态,反之则处于周期状态,从而为此方法提供了更为直观的判断依据。仿真结果表明,采用最大Lyapunov指数作为判断依据可以更准确的判断微弱信号的存在,进而说明此方法的可行性。