【摘 要】
：
目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joi
【机 构】
：
钱学森空间技术实验室,北京100094;钱学森空间技术实验室,北京100094;河南大学河南省大数据分析与处理重点实验室,河南开封475004;航天东方红卫星有限公司,北京100094;中国空间技术研
论文部分内容阅读
目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域.
其他文献
针对应用于新能源系统的变换器电压增益不高及电压应力过大等问题,提出了一种基于SEPIC结构的非耦合电感高增益变换器.该变换器不采用变压器或耦合电感来提高电压增益,避免了变换器过大的体积和过大电压应力的出现.分析了变换器的两种工作模式,并与结构相似的变换器在电压增益和电压应力方面进行了对比.在理论分析的基础上,试制了一台200 W样机.由实验结果可知,变换器的工作状态与理论分析一致,变换器具有连续的输入电流,在具有较高电压增益的同时又具有较小的电压应力,适用于光伏发电等新能源系统.
在分析质子交换膜燃料电池(PEMFC)运行机制的基础上,对PEMFC的建模研究进行综述.主要介绍了PEMFC的系统模型,并总结电压、阴极流量、阳极流量、膜水合、压缩机、供应管腔、回流管腔、散热器和增湿器九个子系统的国内外建模方法、研究成果及研究进展,并对各模型的适用条件及优势进行阐述,同时也对PEMFC建模的发展方向进行展望.所进行的研究综述对PEMFC系统模型的模型建立、开发研究及后续仿真分析有一定的理论价值与指导意义.
锂硫电池具有较高的理论比能量(2600 Wh/kg)和理论比容量(1675 mAh/g),因此被认为是下一代最具潜力的储能设备之一.以锂硫电池正极存在的主要问题,重点讨论了不同宿主材料[包括碳基材料、聚合物、无机金属化合物等与硫化锂(Li2S)形成的复合正极材料]的研究进展和优缺点,分析了各代表性材料的结构特性及其提升Li2S正极性能的基本方法,并对Li2S正极材料未来的研究趋势作了展望.
日志结构合并(Log-Structured-Merge,LSM)树中常使用布隆过滤器减少无效磁盘I/O.但是用户无法无限制地细化布隆过滤器的粒度,原因是在一些数据量庞大而数据项较小的工作流中,这些元数据需要占用大量存储空间.其次在一些内存受限的环境下,内存缓冲区无法容纳更多的过滤器数据,造成缓冲区与磁盘的频繁数据交换.针对上述问题本文提出LSM树中的异构布隆过滤器方案,在LSM树的每一层维护热度预测模型,新生成的SSTable通过预测的热度来分配不同粒度的布隆过滤器,然后使用特定缓存管理方案来维护缓存中的
固体电解质界面(SEI)膜是影响锂离子在电极表面电化学行为的主要因素.阐述了SEI膜的形成机制,分析了SEI的微观结构和组成模型,讨论了锂离子在SEI膜中的迁移机制.在此基础上,进一步介绍了对SEI膜进行改性调控锂离子的电化学行为的研究进展,以期为SEI膜的改性提供参考.
社区搜索旨在寻找与给定查询节点高度相关的个性化社区.现有社区搜索方法多面向简单网络且处理单个查询节点或假定多个查询节点来自同一社区,这种严格的假设使得算法灵活性受限.据此,提出一种在属性网络中利用查询节点随机游走路径的相似性增强的多社区搜索方法,可以有效地定位查询节点所属的多个局部目标社区.具体地,有效融合网络中高阶结构与属性信息,利用重启随机游走计算各查询节点的重要性分数向量;计算查询节点随机游走路径的相似性并设计一种相似性增强策略,使得在无监督学习中相似路径游走者彼此增强关联从而定位不同查询节点所属的
针对频域压缩感知目标方位估计方法的性能退化问题,本文通过对线列阵接收信号进行复解析变换,按预估方位在复域对各阵元信号进行时延补偿、相关和累积处理,构建复域感知矩阵和测量值,采用复域压缩感知方法实现空间谱合成和目标方位估计.数值仿真和实测数据处理结果表明,在同一检测概率下,相比频域压缩感知方法,该方法对输入信噪比的最低要求得到近10lgMdB(M为通道数)的降低,提升了对弱目标的检测能力.
近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了
近些年来,锂离子动力电池的商业化应用愈加广泛,人们对其期望也越来越高.温度是影响锂离子电池性能的重要因素,在低温下运行时,动力电池常因容量急剧下降,难以充电等问题被限制使用.讨论了低温下电解液中各组成部分对动力电池性能的影响,综述了低温电解液的改性方法,并对动力电池低温性能的研究前景进行了展望.
含有星间链路的低轨巨星座网络在全球多种业务回传至有限地理区域场景下会产生严重的网络拥塞问题,集中式的流量规划可以在一定程度上实现负载均衡.然而大规模网络规划的计算时间开销无法满足低轨星座的动态性要求.为此,本文提出了低复杂度的多品类流分段路由(MCFSR)算法,将星座-地面网络依据负载情况划分为两个分区,并在分区内对规划算法的精度与复杂度之间进行权衡,以达到降低算法整体复杂度的目的.同时,对于规划算法,本文提出了复杂度可调的改进的完全多项式时间近似(IFPTA)算法,用于分区内的路由规划,在计算复杂度不变