基于自适应时延神经网络的空间红外点目标识别

神经网络方法是当前解决空间点目标识别问题的一类主要方法。为提高目标的正确识别率,提出一种基于空间点目标红外辐射序列的自适应时延神经网络(ATNN)识别方法。ATNN采用可调整的时延结构,在网络训练时可以针对输入自适应调整延迟步长,更加适用于变化剧烈的红外时序信号识别。该方法以目标的双波段红外辐射强度序列作为网络特征输入,对ATNN进行训练,然后用训练好的ATNN对目标进行分类识别。实验表明,该方法在不同信噪比的条件下,均能有效提高目标的正确识别率,并且具有一定的抗噪性,应用前景良好。

基于多源信息的大气环境光学特性研究方法

综合利用地面气象观测、卫星遥感、再分析资料等多渠道气象信息,获取较高时间分辨率、空间分辨率、和更大地区范围的大气参数。结果应用于光学探测工作地点和时机选择,大气红外传输特性区域分布特性研究,云的光学参数提取和云背景亮度仿真,有助于全方位研究大气环境光学特征。