Linux下某型制导弹目标跟踪并行算法

针对某型电视制导弹的图像特点,在Linux平台上设计了一种并行算法用于完成目标跟踪。算法思想:将制导弹的目标跟踪任务划分为图像采集、纠旋、显示和目标跟踪,程序中创建两个线程用于完成该任务;其中线程1完成图像采集、纠旋和显示;线程2完成目标跟踪。实验表明该算法实现了Linux环境下图像的实时采集、纠旋、显示和目标跟踪,与Windows下的目标跟踪算法相比,该算法有效的节省了资源。

Linux平台下目标跟踪算法研究与实现

论文在Linux平台下设计了一种目标跟踪算法。算法中使用图像的三个不变矩代替图像像素的灰度值作为特征量,利用改进后的平均绝对差算法作为相似性测度计算公式进行模板匹配;同时,为了提高目标跟踪的速度,采用遗传算法对图像的匹配策略进行优化,提高了匹配速度。与Windows平台下的目标跟踪算法相比,该算法的实时性高。

Morse电码自动译码系统

Morse码自动译码方法,使用锁相环锁定Morse码频率,然后通过译码处理器捕捉Morse码并计算点码、划码及码间隔的时长,从而根据点码与划码的组合自动译出字符并显示到终端。该译码算法步骤包括定义译码窗口与字符析出、编制Morse码字符表。软件编制分为高低电平时长的计算程序和字符析出程序两个主要部分。

基于模板匹配的目标识别算法的设计与实现

在VC6.0环境中,基于模板匹配原理设计编写了一个256色BMP图像的目标识别算法。程序使用纯C语言实现,目标识别速度明显优于传统的目标识别算法。

基于Linux的图像制导弹药视频采集处理系统

叙述的基于Linux的图像制导炮弹视频采集处理系统是《某型电视末制导炮弹》课题的一部分。针对该项目面临的视频采集处理实时性和安全性的两大问题,提出了Linux平台下的解决方案。Linux作为一个开源的操作系统,为研发人员了解系统的整个运行机制和原理提供了方便。使得整个系统运行更高效、更安全成为了可能。整个系统包括了硬件和软件两大部分。完成了视频的采集、处理、显示等功能。

基于模糊方向滤波的SAR图像增强与去噪

针对SAR固有的乘性噪声使其图像可解释性变差的问题,基于方向滤波器和模糊逻辑探讨模糊方向滤波法。首先根据对比度来选取特征平面,将图像进行特征平面增强并模糊化,并获得模糊参数,然后根据模糊规则计算隶属度,以具有相应最大隶属度的像素构成最后滤波结果。SAR实验由半点指数和正则均方差来检验不同方法的性能,数据和图像均表明此方法优于Lee滤波法、E safa法和加权形态滤波法,既滤除噪声又保留图像细节;为SAR图像处理提供了有效的思路和工具。

基于卷积神经网络辐射源信号识别算法

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于卷积神经网络的智能识别算法。将雷达辐射源信号进行时频变换,获取二维时频图像,对时频图像进行一系列预处理,将处理后的图像输入到神经网络模型中,通过预训练调节深度学习模型,最后将提取的特征输入到Softmax分类器中完成识别任务。通过仿真结果验证了算法的可行性,在低信噪比的情况下,识别效果明显优于传统辐射源信号识别算法。

基于DBN的辐射源信号识别算法

为了解决传统辐射源信号识别方法在低信噪比条件下识别率低的问题,文中提出了一种基于DBN(深度信念网络)的智能识别算法。将雷达辐射源信号进行时频变换,将处理后的时频图像输入到神经网络模型中,通过预训练调节DBN模型,并采用常用的softmax分类器对预训练完的模型进行分类识别,最后完成识别任务。仿真结果表明,通过该算法能够具有较好的识别效果和较强的鲁棒性,在SNR=-10 dB的情况下,也能够达到很高的识别率。

栈式降噪自编码器在辐射源信号识别中的应用

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10 dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。

针馈圆极化微带贴片天线设计

圆极化微带贴片天线具有很强的抗干扰能力,被广泛运用于军事及卫星通信领域,是一类很重要的天线。利用FEKO仿真软件设计了一个单馈点圆极化贴片天线,并对各参数做优化。仿真结果表明其方向性,轴比,增益,带宽等特性良好。

美军下两代无线网络(WNaN)分析及启示

战场无线网络能够实现战场环境下作战实体之间的无缝衔接和信息融合,是实现作战过程中信息优势的基础。本文对美军正在研发的下两代无线网络(WNaN)进行分析。