【摘 要】
：
针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法.主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱.然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回波信号中运动目标的检测.由于该方法通过学习杂波特性进而进行目标检测,因此适用于未知杂波模型的场景,避免了假设的模型与实际环境不符合的问题.实验验证:该方法相比于传统的杂波抑制目标检测方法,具
【机 构】
：
桂林电子科技大学广西无线宽带通信与信号处理重点实验室,广西桂林541004
论文部分内容阅读
针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法.主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱.然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回波信号中运动目标的检测.由于该方法通过学习杂波特性进而进行目标检测,因此适用于未知杂波模型的场景,避免了假设的模型与实际环境不符合的问题.实验验证:该方法相比于传统的杂波抑制目标检测方法,具有较好的性能表现.
其他文献
为了提高含有障碍物下的路径规划的质量和效率,保证遍历节点少且路径短,提出了一种混合定位算法.算法融合了粒子群算法选择最佳位置的优越性,以提高蚁群算法蚂蚁所在节点与盲节点间距离估计的精度和搜寻速度;根据蚁群算法通过信息素浓度选择遍历节点的特点,规划节点与盲节点之间的最短距离,以增强蚁群信息素的浓度值,提高收敛速度,规划最短路径.实验表明:在不同规模障碍物区域路径搜寻过程中,采用混合定位算法规划路径优于文中其他两种算法,规划路径最短,效率最高.
基于地磁传感器的物联网(IoT)感知技术被广泛应用于列车定位导航、速度监测和安全控制等场景中.然而,半导体材质温度敏感性影响到地磁传感器量测数据的精准性.在充分考虑铁路物联网感知设备能量和资源受限性的基础上,提出基于最小二乘法多项式曲线拟合构建轻量级温度补偿机制,以此提升地磁传感器铁路物联网感知设备在复杂环境下的稳定性.实验表明:所提温度补偿机制具有资源占用率低、微能耗和精准性高等特性.
基于癫痫患者脑电信号及其噪声的特征,提出了一种基于主从支持向量机(SVM)的低功耗癫痫检测电路.使用主SVM检测癫痫发作的开始,同时启动从SVM,利用相对复杂的从SVM校正癫痫发作的结束;通过引进连续序列检测,降低由离散噪声影响造成的误报率,最终实现低功耗、高性能的实时癫痫检测.利用MIT数据库评估检测性能,平均敏感性、特异性和误报率分别为93.3％,99.9％和0.27/h.在SMIC 65 nm工艺库下,仿真功耗为4.23μW,版图面积为185μm×222μm.与基于高斯SVM的检测电路相比,平均功耗
针对卷积神经网络(CNN)中卷积核的多样性导致加速器难以实现高效计算的问题,提出了一种可重构卷积神经网络加速器实现方法.加速器包括18个处理引擎(PE),每个PE包含9个乘累加单元,3个PE构建一个5×5卷积核实现卷积核重构,调度器通过控制每层所需的卷积核大小和通道数分配PE实现卷积处理.加速器支持常见的3×3,5×5卷积核的网络模型,加速器采用数据复用以及并行处理的设计方法,有效降低了存储访问次数,提高了加速器的计算高效性.通过对AlexNet进行验证,实验表明:使用XC7Z045平台在150 MHz的
针对排放控制区的船舶尾气难以监控的问题,设计了一种基于STM32的船舶尾气排放监测系统.系统硬件主要由STM32微控制器、气体传感器、温湿度传感器、GPS定位模块以及通信模块组成.系统以无人机搭载的方式,实时采集尾气中SO2和CO2气体体积分数数据,并将检测数据通过4 G网络实时发送到服务器.实验结果表明:该系统运行稳定可靠,能够有效协助海事监管人员监控港区船舶的尾气排放情况.
粒化是粗糙熵阈值化算法的重要步骤,针对图像预处理的粒化方式不同,采用一种基于简单线性迭代聚类(SLIC)超像素的粒化方式.利用SLIC超像素算法的亮度相似性和空间相邻性将像素分为信息粒,在该粒度下构造了图像目标和背景的上下近似集及其粗糙不确定度.在此研究基础上,设计了粗糙熵阈值化分割算法.实验定性和定量地比较了本文算法与现有算法的分割结果,验证了本文算法的有效性.
针对目前国内缺乏1600℃以上长时间超高温环境下有效的温度测试手段,基于超声导波谐振测温原理,采用钼铼合金丝制作了一种半波长导波谐振传感器.通过高温实验获得了传感器性能数据,实验结果表明:该传感器在1800℃高温环境下分辨率达到了0.32％,重复性为99.77％,符合设计需求.
为了建立保障智能配电网(SDN)通信服务质量(QoS)需求的路由机制,提出一种配电网中基于量子蚁群优化的无线传感器网络(WSNs)改进路由算法(SDN-QACO).首先建立优化SDN数据传输模型;然后分析配电网不同通信业务的QoS需求;在路由阶段引入QACO算法,在期望启发式中引入邻节点距离、剩余能量因素,在信息素启发式中综合考虑时延与丢包率来更新信息素浓度,利用其全局寻优和快速收敛的优点,搜寻到数据传输的最短路径,以优先保证算法的实用性.通过与传统ACO算法和一种保障QoS的面向配电通信网的WMSNs多
目前在方面级情感分析(ABSA)方法中,利用上下文或方面短语的平均值来计算方面短语或上下文之间注意力得分的方法往往会产生较大的信息损失,导致模型在长文本分类上的性能降低.为此,研究了一种建立在BERT表示上的记忆网络模型,BDMN.首先,把句子构造成多[CLS]的Token嵌入形式,然后,从BERT输出中获取到各短句的初始化向量,将其作为记忆体与方面短语的[CLS]向量进行充分注意力交互,最后,拼接输出注意力层所有短句的方面短语表示作为最终的情感分类特征向量.在AI Chal-lenger 2018细粒度
针对超高压(EHV)同塔双回交流(AC)输电线路下方工频电场,首先基于有限元法建立输电线路模型,通过架设屏蔽线研究屏蔽线数量、位置的变化与屏蔽效果之间关系,计算得到部分屏蔽线位置电场强度值作为训练值,对于未知位置对应的屏蔽效果,提出采用反向传播(BP)神经网络进行预测.结果表明:预测值与真实值之间最大误差仅为0.6％,具有良好的预测效果,可为交流超高压输电线路电场环境优化及建设提供参考依据.