面向航空搜救的无线电数据融合定位方法

随着我国海洋经济事业的蓬勃发展,以及现代化战争中航空救援保障体系的急切需求,航空搜救定位技术越来越受到关注。基于无线电的航空搜救定位技术主要包含了测距、测向以及相应的多源融合技术。然而,搜救飞机上的起落架、轮胎等机载设备会对接收天线造成严重的遮挡、多径,给无线电测向带来较大误差。对此,基于贝叶斯滤波和群体智能理论,提出了一种基于稳健人工鱼群粒子滤波的无线电航空搜救数据融合定位方法。将粒子滤波中的粒子看作鱼群个体,通过模仿鱼群算法的觅食、群聚、追尾、随机游走行为来实现重采样步骤的优化,并且对行为中的搜索范围、寻优速度等方面做了改进,形成测距-测向融合定位算法。实际数据建模和仿真结果表明,所提的融合定位方法能够在较短的时间内达到较为准确的位置精度和角度精度,收敛性较强,具有良好的实时性和鲁棒性。

图谱特征深度网络在苹果糖度检测中的探索研究

高光谱成像技术作为一项近年来比较流行的技术,在农作物检测方面展现出了巨大优势[1]。通过仪器和光源照射,高光谱技术能够获取被测物品的二维图像信息、一维光谱信息,从而无损地检测出苹果内外在的理化性质。文章通过高光谱技术获得苹果数据后,利用反向人工神经网络算法建模,实现对苹果糖度(苹果最重要的品质之一)的检测和预测。经过实际训练显示,该模型苹果糖度检测效果为R=0.9103,预测误差均方根为13.17,预测效果较为良好,是无损检测苹果糖度的一个行之可行的方法。文章利用高光谱成像系统采集苹果的二维图像信息和一维光谱信息;对采集的数据进行降噪和预处理,筛选出特征波长;利用人工神经网络BP算法建立苹果糖度预测模型;带入实验数据训练,进行模型的评估。