-
题名基于自适应目标函数的协同干扰策略分配
被引量：1
- 1
-
-
作者
汲清波
杨帅
-
机构
哈尔滨工程大学信息与通信工程学院
-
出处
《应用科技》
CAS
2019年第4期70-76,81,共8页
-
基金
总装预研重点基金项目(61404150101)
上海航天科技创新基金项目(SAST2017-068)
-
文摘
在多机伴随突防组网雷达过程中,会受到不同体制雷达的威胁。多机伴随协同干扰在保证目标成功突防中起重要作用,而如何提高己方干扰资源的利用效率是协同干扰的核心。文中提出协同干扰效果是关于距离的函数,如果单纯以某一单一目标函数作为干扰效果评估指标,会大大影响干扰机的利用效率,因此,在协同突防编队由远及近的突防过程中,将该过程划分为搜索与定位两个阶段,分别以检测概率和几何精度因子(GDOP)建立各阶段的干扰评估指标,随着距离的变化,干扰效果评估指标也在逐渐变化,通过改进的粒子群算法对每个阶段的目标函数求解寻最优,既解决了传统的动态规划算法计算量过大的问题,又实现了算法的快速收敛和寻优。通过MATLAB仿真结果分析,该算法能够快速地收敛并且提高干扰机的利用效率。
-
关键词
组网雷达
协同干扰
检测概率
几何精度因子
自适应目标函数
干扰资源分配
-
Keywords
cooperative netted radar
cooperative interference
detection probability
GDOP
adaptive objective function
interference resources allocation
-
分类号
TN91.7
[电子电信—通信与信息系统]
-
-
题名优化PSO算法的时差频差联合定位技术
被引量：1
- 2
-
-
作者
蒋伊琳
屈天开
-
机构
哈尔滨工程大学信息与通信工程学院
-
出处
《应用科技》
CAS
2019年第4期82-86,共5页
-
基金
总装预研重点基金项目(61404150101)
上海航天科技创新基金项目(SAST2017-068)
-
文摘
为了实现对目标位置和速度的精确无源定位,提出了一种基于优化PSO的时差频差联合定位算法。针对传统的PSO算法收敛速度慢,容易出现局部最优,从而导致定位结果不够精确,定位速度慢的情况,引入对惯性权重系数的优化增加其算法的收敛速度,结合自然选择淘汰机理和遗传算法中杂交概念,加强粒子种群的多样性使其达到全局最优的目的。实验结果表明:相对于标准粒子群算法,本文算法在对目标求解时,能快速收敛,不容易陷入局部最优,并且具有很好的定位精度。
-
关键词
无源定位
时差频差联合定位
优化PSO算法
收敛速度
定位精度
-
Keywords
passive location
TDOA-FDOA joint location
optimize PSO algorithm
rate of convergence
positioning accuracy
-
分类号
TN91.7
[电子电信—通信与信息系统]
-
-
题名基于定点DSP芯片实现的极低码率实时语音编解码器
被引量：2
- 3
-
-
作者
吴芸
徐超
-
机构
芜湖市邮电局北京路程控机房
中国科学技术大学电子工程与信息科学系
-
出处
《电子技术应用》
北大核心
1997年第11期56-58,46,共4页
-
文摘
基于定点高速数字信号处理芯片ＡＤＳＰ—２１８１实现的高质量的实时语音编解码器，具有两种可选择码率（５．３ｋｂｐｓ／６．３ｋｂｐｓ），符合国际通信协议ＩＴＵ—ＴＧ．７２３．１，并且支持寂静段检测和解码端柔和噪声插入。着重介绍该语音解码器的硬、软件设计及算法实现的关键技术。
-
关键词
低码率
语音编解码
定点
数字信号处理
-
分类号
TN91.72
[电子电信—通信与信息系统]
TN912.3
[电子电信—信息与通信工程]
-
-
题名一种基于深度学习的无人机识别方法
被引量：3
- 4
-
-
作者
黄湘鹏
黄晓刚
-
机构
海军装备部驻南京地区第四军事代表室
-
出处
《雷达与对抗》
2020年第2期20-25,共6页
-
文摘
无人机检测和识别是无人机反制的前提。基于光学图像等手段的检测和识别方法有着不适合大区域搜索、环境条件限制等缺陷。聚焦于无人机和飞鸟的识别,提出一种基于深度学习的无人机识别方法。使用深度学习网络对雷达RCS序列进行特征学习。提出聚类SMOTE算法,有效缓解了数据不平衡问题。经过实测数据验证,本文方法在无人机识别正确率达到87%的同时过滤掉60%的飞鸟目标。
-
关键词
无人机识别
飞鸟
深度学习
聚类SMOTE
-
Keywords
UAV recognition
birds
deep learning
clustering SMOTE
-
分类号
TN91.7
[电子电信—通信与信息系统]
-
-
题名图像分解与色彩先验下的多曝光图像融合
被引量：3
- 5
-
-
作者
李嫄源
王琴
朱智勤
齐观秋
-
机构
重庆邮电大学计算机科学与技术学院
重庆邮电大学自动化学院
纽约州立大学布法罗分校计算机信息系统学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2021年第12期2800-2812,共13页
-
基金
国家自然科学基金项目(61906026,61803061,51705056)
重庆教委科技项目(KJQN201800603)。
-
文摘
目的多曝光图像融合(multi-exposure fusion,MEF)是利用一组不同曝光度的低动态范围(low dynamic range,LDR)图像进行合成,得到类似高动态范围(high dynamic range,HDR)图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息,提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法使用快速导向滤波进行图像分解,分离出细节层对其进行增强处理,保留更多的细节信息,同时减少融合图像的光晕伪影;根据色彩先验,利用亮度和饱和度之差判断图像曝光程度,并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重,同时保障融合图像的亮度和对比度;利用导向滤波对权重图进行优化,抑制噪声,增加像素之间的相关性,提升融合图像的视觉效果。结果在24组多曝光图像序列上进行实验,从主观评价角度来看,该融合方法能够提升图像整体对比度及色彩饱和度,并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析,采用两种不同的多曝光图像序列融合结果的质量评估算法,评价结果显示融合性能均有所提高,对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较,在两种不同的结构相似性指标上均有所提升,平均提升分别为1.2%和1.1%。结论通过主观和客观评价,证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著,具有良好的融合性能。
-
关键词
多曝光图像融合(MEF)
高动态范围成像
导向滤波
快速导向滤波
色彩先验
-
Keywords
multi-exposure fusion(MEF)
high dynamic range imaging
guided filtering
fast guided filtering
color prior
-
分类号
TN91.73
[电子电信—通信与信息系统]
-
