-
题名基于Euler变换的非圆信号稀疏重构阵列测向方法
被引量：1
- 1
-
-
作者
谭伟杰
冯西安
张肖璞
-
机构
西北工业大学航海学院
-
出处
《探测与控制学报》
CSCD
北大核心
2018年第6期63-67,共5页
-
基金
国家自然科学基金项目资助(61671378)
-
文摘
针对低信噪比、少快拍情况下的非圆信号目标方位估计精度不高的问题,提出基于Euler变换的非圆信号稀疏重构阵列测向方法。该方法利用非圆信号的特征,通过Euler变换将复数据转化为实数据,利用数据拼接来扩展阵列孔径,采用奇异值分解来降低数据维度。基于目标方位的空域稀疏性,通过离散化空间方位网格来构建实数域的空域字典集,将目标方位估计问题转换为一稀疏信号重构问题,最终通过实值稀疏信号重构方法来估计目标方位。数值仿真验证表明,在低信噪比以及少快拍情况下,无论是对于非相干信号或者相干信号,与传统方法相比,所提方法皆表现出良好的估计精度,且该方法可以应用于欠定情况下非圆信号的目标方位估计。
-
关键词
波达方向估计
非圆信号
稀疏重构
相干信号
欧拉变换
-
Keywords
direction-of-arrival(DOA)estimation
non-circular signals
sparse reconstruction
coherence signal
Euler transformation
-
分类号
TN917
[电子电信—通信与信息系统]
-
-
题名拉普拉斯变換的数值反演及微机程序设计
- 2
-
-
作者
郭爱莲
-
机构
北京轻工业学院机械工程系
-
出处
《食品科学技术学报》
CAS
1991年第1期34-45,共12页
-
文摘
本文提出一种进行拉普拉斯变换的数值反演的实用算法和一个BASIC程序.该算法用一交错级数的和近似拉氏变换的反演积分,并采用欧拉变换方法加快级数和的收敛.该程序可简便而有效地计算线性微分方程尤其是常系数线性微分方程的初值解,而且运算结果的误差可以控制.
-
关键词
拉普拉斯变换的数值反演
交错级数的和
欧拉变换
常系数线性微分方程
-
Keywords
numerical inversion of Laplace Transform
sum of alternating series
Euler Transform
linear differential equation with constant coefficients
-
分类号
TS
[轻工技术与工程]
-
-
题名面向驱动力前馈控制的重载并联机构运动学及力学分析
被引量：4
- 3
-
-
作者
郑轶雄
王宇晗
石璟
-
机构
上海交通大学机械系统与振动国家重点实验室
-
出处
《机械设计与制造》
北大核心
2012年第1期176-178,共3页
-
基金
国家"高档数控机床与基础制造装备"科技重大专项(2009ZX04007-011)
-
文摘
针对驱动力前馈的力位并行控制的需要,对3-PRS-XY混合并联机构建立Z-X-Z欧拉变换描述的反向运动学模型,并进行速度规划,得到力位控制系统运动插补方法。基于整体能量分析模型及拉格朗日法对3-PRS并联机构进行空载工况下反向动力学建模求解,并通过与重载工况不同位姿的静力反解进行线性叠加得到计算力矩控制所需的驱动力前馈,通过仿真分析了重载下3-PRS并联机构运动学及驱动力的变化情况。
-
关键词
并联机构
欧拉变换
拉格朗日法
运动学
动力学
-
Keywords
Parallel mechanism
Euler transformation
Lagrangian method
Kinematic
Dynamic
-
分类号
TH16
[机械工程—机械制造及自动化]
TG502
[金属学及工艺—金属切削加工及机床]
-
-
题名4UPS+UPU并联机构运动学分析
被引量：3
- 4
-
-
作者
赵尊忠
汤萍
程刚
山显雷
-
机构
中国矿业大学机电工程学院
-
出处
《科学技术与工程》
北大核心
2015年第12期197-200,共4页
-
基金
国家自然科学基金(51275512)资助
-
文摘
并联机构的运动学是研究其动力学特性和控制系统设计的基础,运动学的求解过程对并联机构后续的运动学和动力学特性分析影响很大。基于欧拉变换法,对4UPS+UPU并联机构进行了运动学分析,推导出位姿、速度和加速度的解析表达式及Jacobian矩阵和Hessian矩阵。通过数值仿真,得到了在给定动平台运动规律下的驱动支链长度、速度和加速度的变化规律。仿真结果表明驱动支链长度、速度和加速度的变化曲线均过渡平滑,有利于驱动杆的控制,有利于保证的机构动态特性。
-
关键词
4UPS+
UPU并联机构
运动学
欧拉变换法
Jacobian矩阵
-
Keywords
4UPS ＋ UPU parallel mechanism kinematics Euler transform met Jacobian matrixes
-
分类号
TH122.3
[机械工程—机械设计及理论]
-
-
题名基于改进卷积神经网络的遥感图像目标检测方法
被引量：7
- 5
-
-
作者
王艳辉
张福泉
邹静
侯小毛
-
机构
湖南信息学院计算机科学与工程学院
闽江学院计算机与控制工程学院
贵州大学计算机科学与技术学院
-
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第3期330-336,共7页
-
基金
国家自然科学基金(61871204)
福建省科技厅引导性项目(2018H0028)。
-
文摘
为了提高遥感目标检测的稳健性和准确性,基于低层特征检测器,增加了1个改进型卷积神经网络(CNN)框架。首先,利用支持向量回归(SVR)对遥感目标进行初步分类,将检测出的目标信息作为CNN框架的输入。然后,对CNN框架进行优化,通过模块扩展的方式纳入更深的模块。为了使得分类器对亮度变化具有更好的稳健性,在特征向量分类之前增加正则化层(RL)。同时,为了提升目标检测的准确性,增加1个欧拉变换层(ETL),作为类别间的分离度量。使用来自CIFAR-10和MNIST数据集中的图像,与定向梯度边缘直方图(E-HOG)方法、基于生成式对抗网络(GAN)的检测方法、基于二值与浮点数混用方法的语义分割网络(MBU-Net)相比较,仿真结果表明:该文方法的精度和F1得分更高,且标准偏差也更低;该文方法的运行时间接近于一般CNN方法;利用该文方法在测试集的卫星图像中进行目标建筑物检测,模块化CNN可以与基于特征的算法实现互补。
-
关键词
卷积神经网络
遥感图像
目标检测
支持向量回归
欧拉变换层
卫星图像
建筑物检测
-
Keywords
convolutional neural network
remote sensing images
target detection
support vector regression
Euler transform layer
satellite images
building detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
