船载无源无线散射通信信道噪声信号过滤方法

为提升船载无源无线散射通信系统的通信质量,设计一种船载无源无线散射通信信道噪声信号过滤方法。将无源无线散射通信信道噪声信号视为一个随机的平稳过程,利用AR模型即自回归模型描述船载无源无线散射通信信道的噪声信号模型。对尤勒沃克方程矩阵实施参数取值递推,获取参数求解的通用递推公式,完成参数的计算。根据参数计算结果对信道噪声信号实施编码处理,获取噪声信号单位幅度的对应解析信号,利用该解析信号实现噪声信号的过滤。测试设计方法的噪声信号过滤性能,测试结果表明该方法在过滤掉信道噪声信号后,也实现了信号的完美保留,具有良好的信道噪声信号过滤性能。     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

舰载云图像识别性能研究

深度学习的兴起促进了各个电子科技行业的迅速发展,军事科学的智能应用也得到了极大的推广。舰载云环境基于单只舰船,为舰载智能应用提供算力、网络资源和存储支持。深度学习任务依赖强大的计算资源,相同的智能模型在不同的计算平台中性能可能出现巨大差异。在自主可控的大背景下,本文基于深度学习中的典型图像识别任务,对比使用国产和商用计算平台中舰载云上不同配置的虚拟机的表现性能。一方面,分析不同的虚拟机配置与表现性能的关系;另一方面,对比商用及国产平台的性能差距,为舰载云智能化的大规模应用提供理论支撑。     

河谷地区滑坡识别与整治措施探讨

重点介绍了河谷地区滑坡识别的方法,讨论了几种滑坡治理措施的应用原则,对山区线路工程的工程地质勘察工作具有借鉴意义。     

基于主成份变换的多源遥感数据融合

通过利用主成份变换融合,对Landsat7的全色图像与多光谱图像进行融合处理,结果表明:主成份变换融合能够提高多光谱影像的信息量和空间分解力,较好的保留了原多光谱影像的光谱特征,减少图像理解的模糊性,便于目视解译,提高遥感数据的利用率.     

具有峰值识别的神经网络模型对水沙过程的预报

在经典BP神经网络模型的基础上,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值.同时提出了一种计算输入输出向量的归一化公式.在此基础上建立了具有洪峰识别的BP网络预报模型.该模型能根据实测资料模拟和预报不同特征年的流量或含沙量过程.采用建立的模型,对宜昌水文站典型年实测流量过程及含沙量过程进行了预测检验,其结果与实测值吻合较好,对峰值的预报较经典BP模型有所提高.     

船体小组立自适应路径规划系统

通过对船舶小组立产线中机器人焊接系统的技术水平分析,研究小组立产线的科学排产、节拍控制和工艺匹配等技术,论证机器人船体小组立自适应控制方法对比和结构件特征参数化定义技术,分析视觉识别和路径规划作业后处理技术方法,并进行实验论证,为船体小组立生产线智能化升级提供可以借鉴的方向与思路,为船舶建造智能化转型建设积累实践和技术经验。     

基于影响线桥梁荷载识别技术研究

文章基于影响线的荷载识别方法和北澄子河大桥健康监测系统的长标距FBG传感器实测数据,提出了3跨连续梁桥的荷载识别方法。试验数据分析表明,该方法能够较精确地识别单车移动荷载作用下的车辆速度和车重,车速识别误差可控制在10%以内,车重识别误差可控制在15%以内。     

基于自编码模型的沥青路面表面横缝识别研究

以上海某高速路段为研究依托,采集相关的沥青路面表面图像,利用卷积神经网络提取图像特征后再通过基于长、短期记忆神经网络的自编码模型对路面图像是否含有表面横缝进行识别,并对模型识别效果进行评价。结果表明,该方法可以快速有效地提取图像特征,在样本不均衡的条件下对表面横缝依然有较好的识别能力。     

基于车辆行驶数据的驾驶风格识别

车辆驾驶员驾驶风格对于汽车的燃油经济性和行驶安全性有重要的影响。文章就基于车辆行驶数据在驾驶风格识别方面的研究进行综述,首先介绍了驾驶员驾驶风格识别的基本流程,接着论述不同学者在驾驶风格识别方面使用的算法模型,包括支持向量机（SVM）算法、反向传播（BP）神经网络算法、随机森林模型算法,然后基于实际车辆行驶数据,利用不同驾驶风格识别模型对其进行实现分析,最后对驾驶员驾驶风格识别的研究工作进行了展望。