无区域识别的单台链双曲线定位GDOP计算

无线电双曲线定位精度由测距差误差与几何精度衰减因子（Geometrical Dilution of Precision,GDOP）共同决定。经典的单台链双曲线定位GDOP值计算需进行严格的区域识别,区域识别方法复杂且易误判。为此,从GDOP定义与球面三角定位方程出发,结合误差传播理论,提出无区域识别的单台链双曲线定位GDOP计算方法。以俄罗斯阿尔法无线电导航系统为例,计算两个不同矩形区域内的GDOP值,结果表明,所提方法与经典方法相比,在(20°N,40°E)、(70°N,140°E)所围跨越大区域内,两者计算GDOP值变化趋势吻合;在(29°N,103°E)、(38°N,113°E) 所围试验验证小区域内,两者计算GDOP值绝对偏差最大值为0.076,均值为0.048,证明所提方法的正确性和可用性。     

蜂窝移动定位系统定位精度提高算法的研究进展

提高蜂窝移动定位系统的定位精度是定位技术在CDMA系统中广泛应用的关键。针对提高移动定位精度算法的研究，分别从基本定位算法、非视距传播误差消除算法、抗多径干扰时延估计和抗多址干扰算法、数据融合定位方法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，提出了自己的观点。最后对移动定位精度提高算法研究的未来进行了展望。     

一种新型的帘子布疵点识别算法

基于织物纹理特征,提出了一种新型的织物疵点识别算法.该算法采用正交小波得到正常织物经向和纬向纹理相匹配的自适应小波,对待测织物进行小波分解提取特征值,根据波形特征参数对比能准确定位织物纹理结构的异常位置,正确识别织物疵点,并将其作为支撑失量机的输入参数,训练特征样本集,以获得支撑失量,对待识对象进行识别.实验结果表明,该算法用于帘子布疵鼠检测是可行、有效的,可得到满意的识别结果.     

一种污渍识别算法及实现

自动纸币清分机是提高银行效率的一种重要工具。开发的一种基于图像处理技术的纸币清分机采用污渍识别算法，即将整张纸币的图像数据分成固定大小的组，求出每组像素灰度的均值和方差，并与预先设定的门限值进行比较，完成污溃属性的识别。该算法采用FPGA硬件实现，占用很少的系统处理时间，达到90％的识别率。     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

一种新颖的基于偏度的非视距区分算法

在超宽带(UWB)定位系统中,非视距(NLOS)传播是降低通信与定位精度可靠性的主要原因。因此,区分NLOS环境对提高定位精度尤为重要。针对该问题,提出了一种新的基于信道统计特性——偏度(Skewness)的NLOS区分算法。该算法首先将偏度在IEEE 802.15.4a信道模型（特别是室内家居和办公环境）中建模为对数正态分布,然后对其概率密度函数(PDF)做似然比检验来区分视距(LOS)与NLOS环境。仿真结果表明：室内UWB定位系统中,偏度可以更好地区分信道状态,在室内办公环境中,正确区分NLOS环境的概率可达99.99%。在定位模块中融入所获得的区分NLOS的结果将有助于定位精度的进一步提升。     

一种基于3D-CNN的微表情识别算法

微表情是一种持续时间很短暂的面部表情。针对其识别率低的问题,提出了一种基于三维卷积神经网络（3D Convolutionnal Neural Network,3D-CNN）的微表情识别算法。使用Keras作为网络框架,在3D-VGG-Block(3Dimension Visual Geometry Group Block,3D-VGG-Block)的基础上加入批量归一化算法以及丢弃法,提升网络深度与训练速度的同时有效地防止过拟合;针对数据集稀少的问题,采取随机设置起始帧的位置,提前设定每次读取帧序列的长度,循环操作,在将所有数据均遍历的同时,达到数据增广的目的。该算法在CASME II数据集上的识别率最高达68.85%,在识别率上有一定优势。     

一种非组合的电磁目标快速识别算法

针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。     

一种基于星座图恢复的多进制相位调制信号识别算法

在实际调制过程中,无线电波传输多径及衰落引起的符号间干扰和信号接收端的载波频偏会造成星座图难以识别。针对这一问题,提出了一种基于星座图恢复和卷积神经网络的多进制相位调制信号识别算法。首先,设定相邻采样点距离和相位角的阈值以筛除发生符号间干扰时的采样点,保留剩余的有效采样点并形成聚类组;然后,通过旋转相邻聚类组抵消载波频偏带来的影响,实现星座图的恢复;最后,利用卷积神经网络对星座图进行特征自动提取和调制识别。实验结果表明,对于实测信号,所提算法能够较好地恢复星座图并实现BPSK、QPSK和8PSK的准确识别。最终的识别准确率达到了99.9%,较星座图恢复前提高了24.2%。     

一种基于Hough变换的虹膜定位算法

目前,虹膜识别因其具有高度稳定性、唯一性、非侵犯性等优点,成为生物特征识别技术中的一个研究热点。根据虹膜图像中的灰度分布特点,提出粗定位与精定位相结合的两步定位虹膜的内外边缘算法,基于Hough变换定位的新算法。与传统的虹膜定位方法相比,此算法能精确定出的位置,提高虹膜边缘定位的速度,避免搜索的盲目性,对提高匹配的精度起到了很大的作用。