×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
复杂动态环境下非合作目标探测与识别

复杂动态环境下非合作目标探测与识别

1星价 ¥85.7 (7.2折)
2星价¥85.7 定价¥119.0
暂无评论
图文详情
  • ISBN:9787030749222
  • 装帧:平装
  • 册数:暂无
  • 重量:暂无
  • 开本:B5
  • 页数:180
  • 出版时间:2023-06-01
  • 条形码:9787030749222 ; 978-7-03-074922-2

内容简介

本书以非合作目标探测与识别为主线,深入挖掘了复杂动态环境对目标探测与识别的影响因素,围绕复杂动态环境强干扰导致的目标特征畸变与缺失、特征模糊不清等问题,提出了特征畸变与缺失下的非合作目标探测与识别方法、特征模糊下的非合作目标探测与识别方法,构建了小样本强干扰下的非合作目标探测与识别方法。更进一步,把多智能体协同协作机制引入到非合作目标识别与探测领域,分别构建了面向多自主水下航行器围捕的非合作目标探测与识别方法、基于多视角光场重构的非合作目标探测与识别方法。

目录

目录 前言 第1章 特征畸变与缺失下的非合作目标探测与识别方法 1 1.1 绪论 1 1.1.1 引言 1 1.1.2 国内外研究现状 1 1.1.3 主要研究内容 4 1.2 特征畸变下的非合作目标识别方法 4 1.2.1 改进的深度残差网络模型 5 1.2.2 水下畸变图像修正检测 6 1.2.3 模型训练 9 1.3 特征缺失下的非合作目标识别方法 10 1.3.1 视觉特征提取模型 10 1.3.2 缺失特征提取 13 1.3.3 可增强图像特征的非合作目标识别方法 14 1.4 多尺度显著特征畸变校正的非合作目标识别方法 15 1.4.1 显著特征金字塔网络 15 1.4.2 畸变图像对比矫正 17 1.4.3 水下微小畸变目标识别网络 18 1.5 实验验证与结果分析 19 1.5.1 特征畸变下的非合作目标识别方法 19 1.5.2 特征缺失下的非合作目标识别方法 22 1.5.3 多尺度显著特征畸变校正的非合作目标识别方法 24 1.6 本章小结 28 参考文献 28 第2章 特征模糊下的非合作目标探测与识别方法 34 2.1 绪论 34 2.1.1 引言 34 2.1.2 国内外研究现状 34 2.1.3 主要研究内容 36 2.2 多尺度特征融合的模糊目标探测与识别方法 37 2.2.1 动态空间语义特征提取模型 37 2.2.2 多尺度显著特征提取模型 38 2.2.3 动态多尺度特征融合机制 39 2.3 增强混合扩张卷积的水下模糊小目标识别方法 40 2.3.1 网络模型 40 2.3.2 模糊特征信息提取 41 2.3.3 增强混合扩张卷积的水下模糊小目标识别方法 42 2.4 实验验证与结果分析 43 2.4.1 多尺度特征融合的模糊目标探测与识别方法仿真 43 2.4.2 增强混合扩张卷积的水下模糊小目标识别方法仿真 45 2.5 本章小结 49 参考文献 49 第3章 小样本强干扰下的非合作目标探测与识别方法 54 3.1 绪论 54 3.1.1 引言 54 3.1.2 国内外研究现状 54 3.1.3 主要研究内容 57 3.2 非合作目标多阶段主动探测与识别方法 57 3.2.1 多波束相干测深方法 57 3.2.2 噪声环境下的相位差估计 59 3.2.3 多波束相干测深方法的误差估计 60 3.2.4 多阶段目标自主探测方法 61 3.3 基于强化迁移学习的水下目标回波信号特征提取方法 64 3.3.1 基于样本数据集的目标特征提取 64 3.3.2 超分辨率重建 65 3.3.3 目标特征相似度量 66 3.3.4 基于迁移强化学习的目标特征优化 67 3.4 基于光场重构与对抗神经网络的水下目标识别方法 68 3.4.1 光场重构模型的建立 69 3.4.2 对抗神经网络模型 70 3.4.3 基于光场重构与对抗神经网络的水下目标识别方法 71 3.4.4 水下目标状态估计 73 3.5 仿真实验验证与结果分析 74 3.5.1 目标探测系统模型 74 3.5.2 声呐发射信号数字仿真 75 3.5.3 声呐雷达回波信号处理 79 3.5.4 声呐图像超分辨率重建 81 3.5.5 目标特征提取 83 3.5.6 水下目标检测距离数字仿真 86 3.6 本章小结 90 参考文献 90 第4章 面向多AUV围捕的非合作目标探测与识别方法 93 4.1 绪论 93 4.1.1 引言 93 4.1.2 国内外研究现状 93 4.1.3 主要研究内容 95 4.2 基于迁移强化学习的多 AUV 目标探测方法 96 4.2.1 多AUV协同感知模型 97 4.2.2 基于迁移强化学习的水下目标探测 99 4.3 基于GAN-元学习的围捕目标识别方法 100 4.3.1 GAN网络与元学习方法 100 4.3.2 建立GAN-元学习模型 102 4.3.3 基于GAN-元学习的围捕目标识别 103 4.4 基于GAN的多AUV一致性协同控制方法 104 4.4.1 三维空间AUV运动学模型 105 4.4.2 多AUV协同拓扑结构 105 4.4.3 基于GAN的多AUV一致性协同控制 107 4.5 协同围捕仿真与结果分析111 4.5.1 湖试实验 111 4.5.2 基于迁移强化学习的多AUV目标探测方法113 4.5.3 基于GAN-元学习的危险目标识别方法118 4.5.4 基于GAN的多AUV一致性协同控制方法 121 4.6 本章小结 126 参考文献 126 第5章 基于多视角光场重构的非合作目标探测与识别方法 131 5.1 绪论 131 5.1.1 引言 131 5.1.2 国内外研究现状 132 5.1.3 主要研究内容 134 5.2 基于多视角的光场重构方法 136 5.2.1 多视角光场的协作机制 136 5.2.2 多视角光场信息融合的机动目标识别方法 138 5.2.3 实验结果与分析 139 5.3 基于GAN的多视角光场重构方法 140 5.3.1 基于GAN的多智能体光场重构方法 140 5.3.2 实验结果与分析 142 5.4 基于迁移强化学习的多视角光场重构方法 144 5.4.1 源域的建立 144 5.4.2 迁移强化学习方法 145 5.4.3 基于迁移强化学习的多视角光场重构方法 149 5.4.4 实验结果与分析 150 5.5 非合作目标识别实验结果与分析 152 5.5.1 基于多视角光场重构的非合作目标识别结果与分析 152 5.5.2 基于GAN的多视角光场重构的目标识别结果与分析 154 5.5.3 基于迁移强化的多视角光场重构的目标识别结果与分析 156 5.6 本章小结 162 参考文献 163 彩图
展开全部

作者简介

蔡磊,男,博士(后),教授,博士生导师。河南省政府特殊津贴专家,河南省机器人行业协会副会长,河南省新乡市科协副主席,中国自动化学会机器人专委会委员。现任河南科技学院人工智能学院院长。 主持国家重点研发计划智能机器人重点专项、军委科技委H863计划、中央支持地方高校专项等省部级以上重点项目6项,其他省部级项目10余项;研发具有自主知识产权的智能机器人产品30余台(套),授权发明专利20余项;发表SCI/EI检索论文50余篇,出版学术专著2部;获得河南省科技进步奖1项,军队科技进步奖2项,空军技术革新奖2项。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航