搜索结果: 1-15 共查到“兵器科学与技术 识别”相关记录93条 . 查询时间(0.434 秒)
在干扰环境下无线传感器枝干网络数据易出现错误，导致丢包率上升，网络通信质量下降，因此提出无线传感器枝干识别网络错误数据检测算法。构建信息流量模型，获取无线传感器枝干识别网络数据，并对采集到的数据进行预处理。设计基于自适应前向纠错的错误数据检测方法，计算错误数据传输丢包率，根据丢包率获取错误数据最优分组长度值，在最优分组长度下实现无线传感器枝干识别网络错误数据检测算法的设计。研究结果表明：当数据分组...
运用ABAQUS仿真平台建立导弹撞击不同硬度目标模型以及MEMS惯性开关模型，分析了导弹撞击目标过程中的惯性过载情况、惯性开关在撞击惯性力情况下的闭合情况，结合导弹弹道过载特性及目标识别解算准则，设计了MEMS惯性触发电路和惯性开关；结果表明：MEMS惯性触发电路可以对防空导弹弹道过载进行准确的测量，当冲击过载超过300g时，MEMS惯性触发电路可以有效起爆传爆序列，当冲击过载小于300g...
联合ACF与YOLOv3的目标识别方法研究
目标检测 聚合信道特征 非极大值抑制 弹库
2020/4/6
为提升YOLOv3算法对小目标的检测性能，引入基于聚合信道特征的区域提案方法，提取潜在区域送至YOLOv3网络进行检测；以softNMS算法改进NMS算法，减少检测框误删以及目标漏检的几率，提升了模型的检测精确率。实验结果表明，相比于传统YOLOv3算法，研究改进的YOLOv3算法在弹库人员检测方面的性能更优。
基于机器学习的雷达辐射源识别方法具有智能化程度高、鲁棒性好等优点，是雷达辐射源识别领域的研究热点。阐述了基于机器学习的雷达辐射源识别方法的基本原理和研究现状，总结归纳了基于神经网络、统计学习、集成学习、深度学习等4类主流雷达辐射源识别方法的优点与不足。最后阐述了基于深度学习的雷达辐射源识别方法将成为发展趋势，指出该方法面临的挑战，对未来的研究方向进行了展望。
为有效保障空中交通安全，提高机场跑道利用率，设计一种基于人工智能的算法用于识别近地阶段的飞机尾涡，将识别结果可视化后提供给空中交通管制员，辅助管制员作出指令决策，为缩减现行雷达管制间隔标准提供依据。该方法采用单步目标检测，直接通过网络产生目标位置和类别信息，将机场区域采集到的尾涡数据输入模型进行识别。结果表明：提出的人工智能算法能够有效识别飞机进近着陆阶段的飞机尾涡，并且结合特征金字塔的网络结构实...
舰载飞行器打击水面舰艇编队队形识别和目标选择方法
舰艇编队 Hough变换法 K-均值聚类算法 价值工程法
2019/11/2
为利用舰载飞行器打击水面舰艇编队时如何准确识别编队队形，合理选择攻击目标，采用Hough变换法，将图像空间目标转换为参数空间目标，通过获取正弦曲线两两之间的交点进行交点聚类提取峰值；再用K-均值聚类算法聚类上一步中得到的所有交点，提取积累矩阵中的峰值；最后通过队形特征点与特征模板匹配，确定队形的类型；通过价值工程法对目标进行排序，为指挥员选择打击目标提供依据和参考。算例分析表明，该队形识别目标...
针对涡轴发动机实际使用载荷与设计状态存在差别的问题，对实际使用载荷状态下涡轴发动机的复杂载荷谱进行了研究。基于某型直升机实际飞行数据，使用雨流计数提取了转速参数的循环幅值、均值、时间等信息，并依据小幅值转速循环峰谷值的分布规律，利用kmeans聚类方法获得了涡轴发动机的5个主要工作状态，进而提出将发动机的载荷状态分类为包含主、次循环的11个典型循环类型。依据疲劳理论推导出等寿命线的转速表达形...
针对工程中3发及以上弹丸同时过幕为极低概率事件，提出一种基于三角阵列探测的双弹丸识别方法。采用光电探测器件搭建三角形测量阵列，配合3个一字线激光器构成双弹丸同时着靶识别系统。建立其测量模型，分析了x、y方向上的理论误差变化规律。静态模拟试验表明：有效探测区域为1 m×1 m，弹丸口径为5.8 mm的条件下，x、y方向上的实际测量误差分别为±3.5 mm与±3.2 mm，可有效地识别间距不小...
为了兼顾识别准确度和运行速度，改进了2D卷积神经网络提取多帧特征并使用长短期记忆网络进行处理特征序列，使用Softmax分类器输出分类结果；实验结果表明：基于序列特征的2D CNN网络在CHGDs数据集上的识别准确率达86.97%，比CNN卷积神经网络提高了11.99%，与3D CNN性能基本相当的同时，速度是3D CNN的6.98倍。
基于遗传优化GRNN神经网络的人脸识别算法
人脸识别 遗传算法 GRNN 优化
2017/10/22
提出了基于遗传优化GRNN神经网络的人脸识别算法；该算法通过优化遗传算子选取光滑因子的最优值，并将光滑因子作为最优参数优化神经网络的识别误差，从而提高人脸识别算法效率和识别率；经仿真验证：在标准人脸图像库下，提出的人脸识别算法性能优于BP、PNN、GNN和DPNN神经网络识别算法。
基于MapReduce的并行CCBF大流识别算法
MapReduce 大流识别 CCBF算法
2017/9/25
针对高速网络环境下，集中式的处理方式难以满足大规模网络流量数据（大流）的处理需求，在CCBF算法的基础上利用了Hadoop集群强大的分布式并行计算能力，具有分布式并行运算的能力，提高了大流识别的效率；算法完成了3组使用真实的网络流量数据的实验；基于MapReduce的并行CCBF大流识别算法具有较高的加速比和可扩展性。
基于人工神经网络的侵彻毁伤模式识别
人工神经网络 侵彻模式 有限元仿真 模式识别
2017/6/15
为了研究多因素作用下破片侵彻靶板的具体模式，利用人工神经网络方法，对输入参数进行识别，得到了相应的靶板毁伤模式。基于正交试验设计原则，利用ANSYS/LSDYNA仿真出60组破片侵彻靶板的模式数据，作为神经网络训练的输入数据，对神经网络进行训练，另外选取3组数据作为验证数据对神经网络的训练效果进行验证。结果表明：该训练模式下，人工神经网络能够有效地识别多因素作用下破片对靶板的具体毁伤模式。
基于噪声信号EMD的装甲车辆识别研究
装甲车辆 目标识别 经验模态分解 BP神经网络
2017/4/15
针对地面战场装甲车辆目标的被动声识别问题，选取具有代表性的两类坦克和两类履带式装甲车为对象，采集多种工况下的噪声信号，通过EMD自适应分解得到其IMF分量，利用前8个IMF分量与原信号的能量比值构建特征向量，以BP神经网络作为分类器，建立了一种装甲车辆识别方法。该方法对目标工况适应性强，识别率可达90%以上。
复杂环境背景下车辆目标识别研究综述
复杂环境背景 车辆 目标识别
2017/3/19
在军事领域和民用领域，利用图像对车辆目标识别都有着广阔的应用前景。针对实际应用中，室外的环境背景复杂多变，给车辆目标识别带来了很大挑战，分析了复杂环境背景下车辆识别的意义和面临的困难，对现有的图像预处理、特征提取、分类器设计的研究现状进行梳理，对复杂环境背景下车辆目标识别研究的发展方向进行分析。