基于DBSCAN-3σ的雷达去噪算法研究

为了解决雷达探测数据中噪点过多的问题,提出了结合基于密度的噪声聚类算法(DBSCAN)和拉依达准则(3σ)的去噪方法。以雷达实际测量的目标运动信息为实验数据,运用DBSCAN算法进行聚类,剔除数据中的离群噪点,再通过拉依达准则去除影响较大的奇异值。实验结果表明,去噪之后雷达测距的线性误差由12 mm减少到0.36 mm,性能优于经典的半径滤波算法,可为实际雷达测量提供参考。

基于BP神经网络的汽油精制过程中的辛烷值损失模型

随着科技飞速的发展,小汽车已经成为家家户户必不可少的交通工具,小汽车带来便利的同时,也带来了一系列严重的环境问题。因此汽油质量的高低才是导致大气污染的问题所在,辛烷值(RON)是反映汽油燃烧性能的最重要指标,本文通过 BP 神经网络建立了一个降低汽油精制过程中的辛烷值损失模型。