基于卷积神经网络的MIMO空分复用发射天线数目识别

针对传统多输入多输出(Multiple-Input Multiple-Output,MIMO)空分复用发射天线数目识别方法要求对于非合作方接收天线数目大于发射天线数目,以及特征寻找困难的问题,提出了一种基于卷积神经网络的MIMO空分复用发射天线数目识别方法。通过单天线接收目标信号,采集数据,再由卷积神经网络(Convolutional Neural Network,CNN)训练和测试。网络用发射端信号经过空时编码后表现出的不同特征识别发射天线数目。仿真和实测数据验证了CNN对于发射天线数目识别的效果,在信噪比大于15 dB时识别率可以达到85%。

基于随机Hough变换的复杂条件下圆检测与数目辨识

在复杂背景和光照条件中检测不规则分布的圆,并且准确辨识其数目,可为一些专用的智能仪器提供理论依据,有着广泛的工业应用价值。针对需要检测的圆数量大、光照不均匀、光照强度变化、分布不规则、相互间有遮挡及边界模糊和灰度接近等复杂条件,在随机Hough变换的基础上进行改进,利用圆的特性和梯度算法对圆进行判定,可以在复杂条件下对圆进行准确的检测判定和数目辨识。通过对钢管储存现场图像检测的计算与分析,证明此算法在较高的干扰下可以准确地对钢管进行定位和数目辨识,对于相互遮挡的钢管也可以准确识别。相对于目前通用的圆检测算法,本算法可以达到更好的识别效果,完全满足工业实际应用的要求。