中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
復雜動態環境下非合作目標探測與識別 版權信息
- ISBN：9787030749222
- 條形碼：9787030749222 ; 978-7-03-074922-2
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
復雜動態環境下非合作目標探測與識別 內容簡介
本書以非合作目標探測與識別為主線，深入挖掘了復雜動態環境對目標探測與識別的影響因素，圍繞復雜動態環境強干擾導致的目標特征畸變與缺失、特征模糊不清等問題，提出了特征畸變與缺失下的非合作目標探測與識別方法、特征模糊下的非合作目標探測與識別方法，構建了小樣本強干擾下的非合作目標探測與識別方法。更進一步，把多智能體協同協作機制引入到非合作目標識別與探測領域，分別構建了面向多自主水下航行器圍捕的非合作目標探測與識別方法、基于多視角光場重構的非合作目標探測與識別方法。
復雜動態環境下非合作目標探測與識別 目錄
目錄 前言 第1章 特征畸變與缺失下的非合作目標探測與識別方法 1 1.1 緒論 1 1.1.1 引言 1 1.1.2 國內外研究現狀 1 1.1.3 主要研究內容 4 1.2 特征畸變下的非合作目標識別方法 4 1.2.1 改進的深度殘差網絡模型 5 1.2.2 水下畸變圖像修正檢測 6 1.2.3 模型訓練 9 1.3 特征缺失下的非合作目標識別方法 10 1.3.1 視覺特征提取模型 10 1.3.2 缺失特征提取 13 1.3.3 可增強圖像特征的非合作目標識別方法 14 1.4 多尺度顯著特征畸變校正的非合作目標識別方法 15 1.4.1 顯著特征金字塔網絡 15 1.4.2 畸變圖像對比矯正 17 1.4.3 水下微小畸變目標識別網絡 18 1.5 實驗驗證與結果分析 19 1.5.1 特征畸變下的非合作目標識別方法 19 1.5.2 特征缺失下的非合作目標識別方法 22 1.5.3 多尺度顯著特征畸變校正的非合作目標識別方法 24 1.6 本章小結 28 參考文獻 28 第2章 特征模糊下的非合作目標探測與識別方法 34 2.1 緒論 34 2.1.1 引言 34 2.1.2 國內外研究現狀 34 2.1.3 主要研究內容 36 2.2 多尺度特征融合的模糊目標探測與識別方法 37 2.2.1 動態空間語義特征提取模型 37 2.2.2 多尺度顯著特征提取模型 38 2.2.3 動態多尺度特征融合機制 39 2.3 增強混合擴張卷積的水下模糊小目標識別方法 40 2.3.1 網絡模型 40 2.3.2 模糊特征信息提取 41 2.3.3 增強混合擴張卷積的水下模糊小目標識別方法 42 2.4 實驗驗證與結果分析 43 2.4.1 多尺度特征融合的模糊目標探測與識別方法仿真 43 2.4.2 增強混合擴張卷積的水下模糊小目標識別方法仿真 45 2.5 本章小結 49 參考文獻 49 第3章 小樣本強干擾下的非合作目標探測與識別方法 54 3.1 緒論 54 3.1.1 引言 54 3.1.2 國內外研究現狀 54 3.1.3 主要研究內容 57 3.2 非合作目標多階段主動探測與識別方法 57 3.2.1 多波束相干測深方法 57 3.2.2 噪聲環境下的相位差估計 59 3.2.3 多波束相干測深方法的誤差估計 60 3.2.4 多階段目標自主探測方法 61 3.3 基于強化遷移學習的水下目標回波信號特征提取方法 64 3.3.1 基于樣本數據集的目標特征提取 64 3.3.2 超分辨率重建 65 3.3.3 目標特征相似度量 66 3.3.4 基于遷移強化學習的目標特征優化 67 3.4 基于光場重構與對抗神經網絡的水下目標識別方法 68 3.4.1 光場重構模型的建立 69 3.4.2 對抗神經網絡模型 70 3.4.3 基于光場重構與對抗神經網絡的水下目標識別方法 71 3.4.4 水下目標狀態估計 73 3.5 仿真實驗驗證與結果分析 74 3.5.1 目標探測系統模型 74 3.5.2 聲吶發射信號數字仿真 75 3.5.3 聲吶雷達回波信號處理 79 3.5.4 聲吶圖像超分辨率重建 81 3.5.5 目標特征提取 83 3.5.6 水下目標檢測距離數字仿真 86 3.6 本章小結 90 參考文獻 90 第4章 面向多AUV圍捕的非合作目標探測與識別方法 93 4.1 緒論 93 4.1.1 引言 93 4.1.2 國內外研究現狀 93 4.1.3 主要研究內容 95 4.2 基于遷移強化學習的多 AUV 目標探測方法 96 4.2.1 多AUV協同感知模型 97 4.2.2 基于遷移強化學習的水下目標探測 99 4.3 基于GAN-元學習的圍捕目標識別方法 100 4.3.1 GAN網絡與元學習方法 100 4.3.2 建立GAN-元學習模型 102 4.3.3 基于GAN-元學習的圍捕目標識別 103 4.4 基于GAN的多AUV一致性協同控制方法 104 4.4.1 三維空間AUV運動學模型 105 4.4.2 多AUV協同拓撲結構 105 4.4.3 基于GAN的多AUV一致性協同控制 107 4.5 協同圍捕仿真與結果分析111 4.5.1 湖試實驗 111 4.5.2 基于遷移強化學習的多AUV目標探測方法113 4.5.3 基于GAN-元學習的危險目標識別方法118 4.5.4 基于GAN的多AUV一致性協同控制方法 121 4.6 本章小結 126 參考文獻 126 第5章 基于多視角光場重構的非合作目標探測與識別方法 131 5.1 緒論 131 5.1.1 引言 131 5.1.2 國內外研究現狀 132 5.1.3 主要研究內容 134 5.2 基于多視角的光場重構方法 136 5.2.1 多視角光場的協作機制 136 5.2.2 多視角光場信息融合的機動目標識別方法 138 5.2.3 實驗結果與分析 139 5.3 基于GAN的多視角光場重構方法 140 5.3.1 基于GAN的多智能體光場重構方法 140 5.3.2 實驗結果與分析 142 5.4 基于遷移強化學習的多視角光場重構方法 144 5.4.1 源域的建立 144 5.4.2 遷移強化學習方法 145 5.4.3 基于遷移強化學習的多視角光場重構方法 149 5.4.4 實驗結果與分析 150 5.5 非合作目標識別實驗結果與分析 152 5.5.1 基于多視角光場重構的非合作目標識別結果與分析 152 5.5.2 基于GAN的多視角光場重構的目標識別結果與分析 154 5.5.3 基于遷移強化的多視角光場重構的目標識別結果與分析 156 5.6 本章小結 162 參考文獻 163 彩圖
展開全部
復雜動態環境下非合作目標探測與識別 作者簡介
蔡磊，男，博士（后），教授，博士生導師。河南省政府特殊津貼專家，河南省機器人行業協會副會長，河南省新鄉市科協副主席，中國自動化學會機器人專委會委員。現任河南科技學院人工智能學院院長。 主持國家重點研發計劃智能機器人重點專項、軍委科技委H863計劃、中央支持地方高校專項等省部級以上重點項目6項，其他省部級項目10余項；研發具有自主知識產權的智能機器人產品30余臺（套），授權發明專利20余項；發表SCI/EI檢索論文50余篇，出版學術專著2部；獲得河南省科技進步獎1項，軍隊科技進步獎2項，空軍技術革新獎2項。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書
- >
【精裝繪本】畫給孩子的中國神話
- >
巴金－再思錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
小考拉的故事-套裝共3冊
本類暢銷
