基于粒子群和模拟退火算法的混合算法研究

在标准粒子群优化算法的基础上给出了一种改进策略,利用混沌变量的随机性、遍历性、规律性对粒子群进行初始化选择。同时为了增加粒子多样性又不流失适值较好的粒子,在一定的周期内对所有粒子重新进行有选择的初始化,并对除了种群最优之外对应的所有个体最优变异。计算结果表明,改进的粒子群算法提高了收敛精度和速度,但是个别函数寻优失败。将改进的粒子群算法结合模拟退火算法再次计算了测试函数,结果表明,改进的混合算法可以达到目标函数的全局最优点。     

基于改进的SSD模型手机违规使用目标检测*

针对某些对手机使用有特殊规定的场所时常面临难以准确、高效地识别手机违规使用的问题,提出了一种基于改进的SSD模型来检测手机的违规使用.利用SSD模型获取初次目标位置及区域分类,并利用改进的DenseNet模型对初次目标框进行判定,从而获得精确的手机检测边界框.为改进数据预处理流程,采用了数据扩增与图像质量改善相结合的策...     

基于混合粒子群算法的二维导体柱目标识别

从电磁场的积分方程出发,采用矩量法（ＭＯＭ）计算导体柱电磁散射的过程;以实际测量的散射场与计算散射场的偏差程度作为目标函数;将带优化变量设置为描述导体柱轮廓的形状函数的傅里叶展开式系数,通过混合粒子群算法（HPSO）对带优化变量进行优化,使目标函数的最小值用来进行电磁成像。仿真结果表明：HPSO简单、通用,具有较强的抗随机噪声干扰的能力。     

空间目标在轨状态雷达成像估计技术综述

空间目标状态估计旨在获取目标在轨姿态运动和几何结构等状态参数,是完成目标动作意图分析、排查潜在故障威胁和预判在轨态势等任务的关键技术。通过雷达光电成像信息处理实现在轨姿态估计是空间目标状态分析的重要途径,当前已经形成了一系列代表性实用方法。该文首先简要介绍了国内外用于空间目标监测的地基逆合成孔径雷达发展现状;重点针对空间目标时序特征匹配、三维成像重建和多视融合姿态估计多类代表性方法进行原理介绍与技术总结:数据特征匹配的状态估计性能可靠但依赖目标模型先验;三维几何重建的状态估计具备目标精细刻画潜力但观测几何要求高。同时,该文也对空间目标在轨状态估计方向未来发展趋势进行了展望。      

离散小波变换加速导体目标散射计算的分析

如今矩量法被广泛地应用于解决电磁场问题中,但是应用矩量法所得到的矩阵是稠密阵,如果直接求解无疑耗费大量的时间,若能将矩阵稀疏化,那么求解起来就会省时得多.针对这个问题,本文将给出离散小波变换方法稀疏化矩量矩阵,并以Daubechies三阶尺度函数为例,阐述小波的一些基本性质以及滤波系数的构造,论述小波变换原理和详细推导了变换矩阵的构造.并给出一个全新的算例--二维导电平面上的平行双槽线上的散射问题.     

基于快速非均匀平面波算法和混合粒子群算法的目标外形反演

提出了一种能同时重构多个导体目标外形的新方法一混合粒子群算法,利用快速非均匀平面波算法加速求解电磁散射问题,以测量的散射场和计算散射场偏差作为目标函数,将待优化变量设置为目标的截面轮廓近似多边形的矢径参数,通过混合粒子群算法对待优化变量进行优化,使目标函数达到最小值来对自由空间中的散射体进行电磁成像.仿真结果表明:混合粒子群算法简单、通用,比多向粒子群算法具有更好的收敛性能和成像精度,具有较强的抗随机噪声干扰能力.     

一种超宽带穿墙雷达的三维成像算法研究

提出了一种应用于超宽带穿墙雷达的三维成像算法。在研究后向投影算法原理的基础上,构建了电磁波穿透介质墙的数学模型,补偿了电磁波在墙体中传播的时间延迟,推导了基于偶极子近场辐射模型的穿墙改进后向投影算法,给出了算法的实现流程。利用FDTD得到采样数据,运用算法的具体流程实现对介质墙存在下的目标进行三维成像。验证了算法的有效性,分析了墙体和目标间耦合作用对成像效果的影响。     

低信噪比下离散频率编码波形脉冲信号联合积累检测算法

雷达电子侦察环境下,非合作目标发射的离散频率编码(DFC)波形信号具有低截获、抗干扰的特性,在低信噪比(SNR)条件下传统方法难以实现波形的稳健积累及准确的脉冲检测,容易造成数据漏检与情报缺失。针对以上问题,该文提出一种联合的积累检测算法,该算法通过相关积累和非相干积累的联合处理实现了低信噪比下稳健脉冲信号包络的获取,并利用双向恒虚警(CFAR)检测和脉冲沿判决准则抑制了突跳噪声对脉冲检测的影响,实现了准确而稳健的脉冲到达时间和脉冲宽度的估计。相比于常规算法,该文在不需要任何先验信息的条件下能够实现离散频率编码波形信号的准确检测,检测虚警率低且具有良好的稳健性。仿真实验验证了所提算法的有效性和稳健性。     

应用RCS序列估计卫星自旋周期

针对空间探测任务中采用雷达散射截面积(RCS)序列估计卫星旋转周期存在的问题,建立了基于多频段RCS的卫星自旋周期估计分析模型.根据卫星的外推弹道,计算了卫星的可跟踪弧段,推导了自旋模式下卫星本体坐标系下电磁波入射角的计算公式.采用电磁场数值算法快速计算卫星的RCS,通过RCS匹配获得卫星可跟踪弧段的理论RCS序列,研究了自旋周期在RCS序列中的表现形式.仿真分析了雷达频段、采样率及弧段选择对周期估计的影响,结果表明入射角序列相对于垂直于卫星自旋轴方向变化平稳的弧段,RCS序列呈现的周期性特征显著,利用该类弧段进行卫星自旋周期估计可以得到准确的结果,证明该方法可以应用于卫星自旋周期估计.     

基于视觉的非合作空间目标三维姿态估计方法

基于视觉的非合作空间目标3维姿态估计,关键在于建立观测图像与目标模型的特征关联。当前方法往往通过采用复杂的多维特征、产生候选关联结果的方式确保特征关联的准确性,难以兼顾算法效率。为解决以上问题,该文提出一种结合深度学习技术的姿态估计方法,首先通过深度神经网络得到姿态初值,然后基于姿态初值建立图像和目标模型之间的特征关联,进而求解目标姿态。所提方法中,深度神经网络提供了稳定的姿态初值,缩小了特征关联的候选空间;在姿态初值的支撑下采取了更为高效的特征提取与匹配方法。仿真实验表明,该文方法相比于现有方法更好地兼顾了算法准确率和效率。