雷达目标识别数据库设计方法研究

雷达目标识别技术在现代战场中具有重要的应用价值。SQLite数据库具有体积小、实用性强的特点,可有效的实现识别数据的积累。本文以SQLite数据库为基础,对雷达目标识别中数据库的设计和搭建进行了研究。工程应用实践证明了本文所提方法的有效性。     

自组织映射神经网络在生物信息学中的应用

自组织映射神经((Self-organizing maps,SOM)网络是一种无监督学习方法,具有良好的自组织、可视化等特性,现已广泛应用于各个领域.本文介绍了SOM网络在基因组序列分析、单核苷酸多态性检测、基因表达数据分析以及蛋白质结构预测和分类中的应用,同时展望了SOM网络在生物信息学中的应用前景.     

极化SAR发展需求及其目标识别关键技术

SAR是常用的对地观测手段之一,愈来愈多的现代SAR系统也都具备观测不同极化雷达信号下目标后向散射的能力,丰富的极化信息常被用来改善目标检测和识别等效果,极化SAR技术已成为近年SAR领域的研究热点。本文首先介绍了世界各国从机载极化SAR系统到星载极化SAR系统的发展现状,然后从日益迫切的目标识别需求出发,阐述了实现和改进极化SAR目标识别能力的关键技术,即极化定标、极化目标分解以及极化干涉,并概括了各自的重要作用及应用特点,最后分析和总结了极化SAR技术的应用前景。     

基于快速SSD的猪群舒适度监测

在自由栏猪舍养殖下,生猪聚散程度可以反映猪群在当前环境下是否处于舒适的生活状态。然而猪舍环境光线变化范围大、生猪为非刚体以及多只生猪之间相互粘连、遮挡等因素会造成多只生猪目标实时识别较为困难。本文以现场生猪监测视频为数据源,提出了一种基于困难样本的快速单网络目标检测器(single shot multibox detector SSD)猪群目标识别算法,并通过分析猪群聚散度,监测当前猪群在猪舍内的生活舒适度。实验结果表明,本文提出的方法简化了SSD网络结构,可以准确识别猪舍中多只生猪目标,识别速度快,满足生猪监测实时识别要求,监测猪群的生活舒适度,有助于提升生猪自动化养殖预警能力。     

基于EWNI与Hough变换的弱小目标检测

雷达弱小目标的目标截面积(RCS)小,容易被地物杂波和噪声所淹没,使得雷达回波信噪比极低,从而导致雷达弱小目标检测变得异常困难,直接影响到目标的动态检测。本文研究了一种基于熵加权(EWNI)和Hough变换的海面弱小目标检测算法。将熵加权算法与Hough变换检测算法结合,旨在突破现有海面雷达检测弱小目标性能的不足,改善雷达探测系统的性能,对提高防御系统的性能也具有重要意义。     

目标特性测量雷达平台建设构想

随着对目标精细认识的需求和技术发展,对作为其参数测量的雷达平台提出了更高要求。当前目标各种特征信息分析已经取得了很大的成绩,同时如何获取更为全面、精细的目标多维特征愈显重要,需要一种综合平台,实时完成目标特性信息的采集及处理。本文将雷达技术与目标特性分析需求结合,从目标特性多维特征信息采集、综合数据分析及共享数据库的角度阐述一种集约型多功能雷达目标特性分析系统平台建设构想。     

论二次雷达空域监视能力的预估方法

随着我国民用航空业的快速发展,作为雷达管制"千里眼"的民用二次雷达正处于密集建设的周期中。在各种复杂地理环境中,如何准确预估雷达对目标空域的监视能力成为雷达选址既困难又重要的课题。本文结合计算机化的时代背景,提出一种基于高程数字地图的预估雷达对目标空域监视能力的方法,并使用深圳民用雷达的实际运行数据做验证,从而有效解决了雷达选址中预估监视空域的难题。     

雷达模拟器软件的研究与设计

本文设计并实现了一款可在多个不同平台下设置多部雷达的雷达模拟器。文中介绍了如何模拟雷达的实际跟踪过程,解决了多雷达的资源使用问题,并针对岸基雷达工作的海面环境和目标特点,在雷达模拟器中设置了检测概率计算及海杂波模型。该雷达模拟器能够更加真实准确地模拟实际战场环境,为雷达系统的研究、生产和使用提供必要的学习、调试手段。     

全景制作流程及地图雷达的应用研究

本文使用PTGui Pro软件进行全景拼接,再应用pano2vr软件实现场景的漫游、导航以及场景转换,并完成了全景的网络发布。主要研究了地图雷达的制作,实现了雷达与导航地图间的对应关系,完成地图雷达的方位跟踪功能。     

基于改进YOLOv4的地面鸡蛋识别算法研究

为实现散养模式下智能收集地面鸡蛋的需求,研究提出一种基于改进YOLOv4的地面鸡蛋识别算法,基于原YOLOv4目标识别算法,通过添加SENet模块增强识别算法获取目标特征的能力,裁剪路径聚合网络分支加快特征提取速度,使用soft-NMS算法降低漏检率,提高模型的准确率。结果显示,改进后的YOLOv4算法相比于Faster-RCNN和YOLOv3算法,mAP分别提高了12.2%、5.68%,识别速度分别提高了29.45FPS、1.23FPS;与YOLOv4算法相比,改进后的YOLOv4算法提高了识别效率,mAP提升了2.08%,识别速度为41.49FPS。结果表明,改进后的YOLOv4目标识别算法能够快速准确地识别出弱光条件下以及复杂环境中的地面鸡蛋,改善了地面鸡蛋因被遮挡而产生的漏检问题,为地面鸡蛋采集等装置提供了视觉技术支持。     

计算机网络故障的处理及网络维护方法探讨

随着计算机网络技术的迅速发展,人们都开始大量的使用计算机网络,但是在实践的过程中,却发生了各种各样的计算机网络故障。如何解决这些计算机网络故障和提出一些网络维护的方法是本文的研究目标。本文针对计算机网络故障展开研究,对计算机网络进行分类、对常见的网络故障提出处理办法、提出计算机网络维护的方法。     

基于Keystone变换的天基雷达距离单元走动补偿

天基雷达平台具有高速运动的特点,在脉冲间存在距离单元走动,且存在多普勒混叠,脉间相参积累困难。本文提出了一种基于Keystone变换的运动补偿方案,在没有目标运动速度信息条件下补偿距离走动,从而使相参积累时间不再受平台高速运动的限制,为天基雷达微弱目标检测奠定基础。     

一种基于Kohonen神经网络的雷达回波特征识别和分类方法研究

本文针对雷达三维目标回波特征抽取和分类问题,提出了一种基于均值滤波器和Kohonen自组织映射神经网络相结合的方法。仿真实验表明该方法抽取的特征具有良好的稳定性,且精度高,比单一的自组织分类器有更强的优势,最后通过采用实地录取的两组雷达目标回波数据进行检验,实验数据表明该方法可以使准确率达到90%以上,具有良好的提取效果和实用性。     

一种空管二次雷达数据质量分析系统的设计

提出一种基于C#的空管雷达数据质量分析系统,该系统通过下位机对雷达接口同步串口数据处理进行协议处理,形成统一网络TCP/IP协议接入,在上位机终端上通过软件设计实现了对雷达数据接收的解析和误码统计,实现了单机版可移动的雷达数据质量分析系统。     

双偏振天气雷达探测原理分析

双偏振天气雷达是进行天气预报的重要设备保障,它根据不同的降水粒子对不同极化电磁波的散射特性的差异来区分不同的降水,从而达到对降水类型的识别和分类。本文对双偏振天气雷达的探测原理进行了分析。     

坐标投影转换在自动化系统中的应用

雷达目标的位置是基于雷达站本地的,必须对坐标进行转换,并投影到显示平面上,才能在显示器上观察。本文通过研究广州欧洲猫自动化系统雷达目标坐标投影转换为例,介绍坐标投影转换在自动化系统显示中的应用。     

藏北高寒草地土壤有机质化学组成对土壤CO2排放的影响

土壤有机质(Soil organic matter, SOM)是草地生态系统的重要碳库,但由于SOM形成的复杂性,长期以来对SOM化学组成特征的研究存在一定挑战性。本研究基于热裂解气相色谱–质谱联用(Pyrolysis-gas chromatography/mass spectrometry, Py-GC/MS)的方法,从SOM化学组成的角度分析了其对藏北高寒草甸和高寒草原两种高寒草地土壤CO_2排放的影响。研究结果显示:1)含氮化合物是两种高寒草地SOM化学组成中重要成分,分别占总SOM的38.0%和52.5%;2)多糖类和萜烯类在两种高寒草地SOM中差异性达到显著水平(P 0.05);3)通过分析两种草地SOM化学组成与土壤CO_2排放量之间的相关关系,发现多糖直接影响着土壤CO_2累积排放量,拟合方程为Y=86.76X+344.87(R~2=0.63, P0.05),式中Y为CO_2累积排放量,X为多糖类的相对含量;4)SOM化学组成中多糖类、含氮化合物和芳香烃物质与土壤中细菌、真菌、放线菌、革兰氏阴性细菌和革兰氏阳性细菌之间显著相关(P 0.05)。综上可知,高寒草地SOM化学组成直接关系着土壤微生物的数量和CO_2的排放过程,SOM的化学成分和化学组成可以在一定程度上直接用于预测土壤CO_2的排放特征。     

基于多普勒频谱结构的雷达气动目标分类方法

雷达气动目标分类技术在现代战场中具有重要的应用价值。本文提出了一种基于多普勒频谱结构的方法 ,通过对频谱峰值的检测实现气动目标直升机、螺旋桨、喷气式的区分。采用实测数据对提出的方法进行了验证。结果表明,该方法可有效的实现气动目标的分类,具有较好的应用价值。     

无源雷达信号处理及定位系统研究

无源雷达作为一种新体制现代雷达,可实现对隐身目标的探测与定位,在复杂的电磁信号环境中具有超强生存能力,本文介绍了无源雷达信息处理流程,分析了无源雷达的多站、单站定位原理进行,并对无源雷达定位系统未来发展趋势做了论述。     

一种基于极大团扩展的蛋白质复合物识别算法

后基因组时代如何识别蛋白质复合物并预测其功能是蛋白组学的一项基本任务,然而传统实验方法获取的蛋白质复合物不仅数量有限而且成本代价高昂,采用新技术和方法提高蛋白质复合物的识别效率是现阶段与蛋白质相关的药物设计唯一现实可行的手段。本文基于蛋白质相互作用网络的小世界原理和蛋白质复合物内蛋白质之间的最短距离一般不超过2的事实提出了一种新的基于极大团扩展的蛋白质复合物识别算法NCIA。该算法针对蛋白质网络中的极大团利用聚类系数进行扩展以提高蛋白质复合物识别的准确率。将该方法应用于酵母蛋白质相互作用网络,相关数据表明与其他典型的蛋白质复合物识别算法相比较,该方法具有很好的识别能力。