一种基于复合表达模型的方向相似性算法

复合表达模型结合了锥形模型与方向关系矩阵模型的优点,较好地顾及了目标的形状、大小和距离对方向关系的影响,但该模型仅能对两目标之间的方向关系进行定性描述,对于两目标间的方向关系相似性尚未进行研究。本文在对复合表达模型的方向关系矩阵进行优化的基础上,建立一种基于复合表达模型的面目标方向关系相似性计算模型,将该模型的相似值计算转化为交通运输最小代价问题求解。通过认知实验验证了算法的科学性,同时比较实验说明该算法精确度更高。     

基于特征的无人机载视频运动目标快速检测方法

针对无人机载视频序列影像动态背景以及常用检测方法处理效率不高等问题,提出了一种基于特征的无人机载视频运动目标快速检测方法.该方法主要包括预处理、ORB特征提取(oriented fast and rotated BRIEF,ORB)、渐进一致采样(progressive sample consensus,PROSAC)...     

一种基于锚系垂直阵列的水下移动目标警戒方法

提出了一种基于锚系垂直阵列的对水下移动目标警戒的方法,论述了基于锚系垂直阵列时频瞬态特性探测和空间相关性探测的原理。利用海洋环境与目标噪声在时-频域与空间上的差异,对水下移动目标探测警戒,探测概率高且计算相对简便。垂直阵列悬挂于锚系潜标的系留缆或直接作为潜标的系留缆,布放机动灵活、适应水深范围广,可用于对水下移动目标的长周期、定点、大范围实时监测。     

基于BDS的混合动力船舶节能研究

提出一种基于北斗卫星导航系统(BDS)的油电混合动力推进系统,柴油机和电动机采取PTH驱动方式,采用燃油和电能混合提供推进动力,可以依据BDS导航的航行区域以及航行速度选择不同动力源输出.经过燃油经济性和效益分析,与传统推进系统相比,应用基于BDS的混合动力推进系统,公务船运营成本降低26%,增加的初始建造投资成本3年内可以收回;金枪鱼延绳钓船综合节油15%~20%,通过节油方式可在4年内收回初始建造投资成本.基于BDS的混合动力系统可以增加推进冗余度,提高船舶安全性,具有良好的节能减排和节约运营成本的效果.     

GIS和多目标决策技术在海岸带管理中的整合应用模式

ＧＩＳ和多目标决策技术在海岸带管理中的整合应用模式刘欣宋波（中国上海华东师范大学河口海岸国家重点实验室）海岸带作为一个调整运行的、开放的生态系统，由于其所具有的突出的经济优势和区位优势，关于它的规划和管理，正成为近年来研究的热点。本文在讨论和分析了海...     

合成孔径声纳技术以及在海底探测中的应用研究

合成孔径声纳技术逐渐成为海底探测领域的热门研究方向,其在地貌成像、沉底和掩埋小目标成像、海底管道探测等方面的应用均取得重要进展。文中系统阐述了合成孔径声纳技术的工作原理和研究现状,重点介绍了双频双侧合成孔径声纳的技术优势。结合海底管线探查案例,详细分析了该设备的应用情况,并与浅地层剖面仪实际获取的图像进行了对比,验证了双频合成孔径声纳在海底探测中的适应性和探测能力,最后对该技术的研究与应用方向进行了展望。     

激光-声联合探测中水表面声波检测方法进展

激光-声联合探测技术在空基-水下通信、水下目标探测及海洋环境检测等领域具有巨大的应用潜力,对于国家安全、资源勘探和海洋监测等具有重大意义。其中,水表面波检测技术是激光-声探测的关键技术。系统研究了水表面波检测技术中常用的激光衍射法、光通量法、激光多普勒测振法和激光干涉法等方法,系统阐述和分析了其技术原理、发展现状及存在的问题,结合我国当前的现状和迫切需求,给出了水表面波检测技术的发展趋势,对该技术的研究和发展具有很好的参考价值。     

基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

深度学习在水声目标识别中的应用研究

水声目标识别技术是水声信号处理的重要组成部分,是水声信息获取与水声信息对抗的重要技术支撑。针对水声目标识别时探测数据量大、自动化程度不高、识别效率低下等问题,研究了深度学习在水声目标识别中的应用。首先,介绍了水声目标识别技术的研究现状及当前形势下面临的挑战。然后,对深度学习的网络结构原理及改进型进行了分析,并分别对深度学习在水声声信号识别领域和水声图像信号识别领域的应用现状做了阐述。最后,指出了由于受当前技术条件和水下复杂环境的制约,此方法尚且存在着不足之处。该方法为进一步优化深度学习算法、拓展深度学习技术应用范畴、提升水声目标识别效率提供了参考。