高噪声环境下微动多目标分辨

目标的微动特性是目标的固有属性,其产生的微多普勒现象提供了多目标分辨与识别的新途径。该文针对高噪声背景下的微动多目标分辨问题,提出了一种新的基于B分布和Viterbi算法的多目标多普勒特征提取方法。该方法在高噪声环境下,将B分布和Viterbi算法进行有机结合,提取多目标微多普勒特征,进而对多目标进行分辨。基于仿真数据的试验结果表明:在高噪声背景下,该方法可以有效地提取多目标微动参数特征,实现多目标分辨。

电阻抗成像的稀疏重建算法

针对电阻抗成像空间分辨率低和对测量噪声敏感的问题,将传统Tikhonov正则化问题中目标函数的L2范数正则项修正为L1范数,将动态电阻抗图像中非均匀的电导率具有稀疏性作为先验信息添加到L1范数正则项中,由此提出一种电阻抗成像的稀疏重建算法。建立基于总变差法、正交匹配追踪法以及L1范数最小二乘法的电阻抗成像模型,并借助实验可知,新算法成像质量好,对测量噪声不敏感,且成像速度较快。

基于改进YOLOv4的车辆检测算法研究

车辆目标检测是智能交通系统中的重要应用领域和技术支撑。文章针对传统YOLOv4算法在远距离场景中目标检测精度较低的问题,使用通道注意力机制和高分辨率网络对传统的YOLOv4目标检测网络结构进行改进,提高车辆目标检测精度。分别在开源Cityscapes数据集上对原模型和改进后的模型分别进行训练并在自制交通场景数据集上进行不同注意力机制模块的YOLOv4目标检测网络性能分析。训练结果显示,改进模型在准确率、召回率、平均精度等方面分别提升约5.1%、4.29%与4.3%,有效提升了算法的车辆检测精度。

无线局域网技术:建设中小学校园网的可行选择

校园网建设的一条可行技术途径是利用无线局域网络技术,利用无线网络可以为校园提供价格合理的宽带互联网络接入,创造远程学习的机会。本文提出了自组无线校园网、多组无线校园网和与有线相结合的无线校园网三种应用模式,并用实例说明了无线校园网的应用状况。