学科分类
/ 1
12 个结果
  • 简介:随着光通讯技术的发展,使用光缆传输电视信号越来越普遍.广西电视台独创性地设置了一个光纤配线中心机房.该机房在光缆的铺设与熔接,光传输信号的分配与调度,以及新旧光缆传输系统的割接等方面的工作中发挥出了独特的作用.

  • 标签: ODF 光纤 电视传输 中心机房 光纤配线 光缆传输系统
  • 简介:提出了一种对固定参考距离的dechirp回波进行降频和相位补偿处理,使之等效于变参考距离的dechirp回波数据,从而将ISAR中的dechirp回波相干化的方法.用此方法可以大大加快成像速度,并且对低信噪比条件下的ISAR成像非常有益.

  • 标签: ISAR 参考距离 解线性频率调制 相干化 降频
  • 简介:笔者近日收到烧友的一台出问题的D500-HD(DBOX),烧友在留言中描述是这样说的:"疑是雷击,打雷时未使用,但雷后发现无线路由器出现故障,本机开机后通电电源灯能亮但电视机经常无反应,

  • 标签: 故障 无信号 修复 飞线 无线路由器 电视机
  • 简介:汽车雷达传感器即使在多目标情况下也被用于同时测量目标的距离、方位角和径向速度。对先进驾驶辅助系统(ADAS)如公路场景的目标跟踪而言,单一目标测量数据是必需的。在典型的城市交通情况下,对雷达测量值添加上每个受检目标(如车辆)的横向速度分量是很有意义的。本文表明,即便在单项观测状态下也能量测出扩展目标的横向速度。在目标上的驻留时间应当足够大的情况下要求汽车雷达传感器有高的谱分辨率。

  • 标签: 汽车雷达 径向速度 横向速度 多普勒频率估计
  • 简介:为更好地推动上海交通广播电视事业发展,SMG旗下文广移动、上海交通台融合各自交通信息服务优质资源,联手建设以上海交通出行者为服务对象的互联网交通信息服务平台——”点点通交通直播网“。该网站建设将联动交通台和数字广播已有信息资源逐步丰富完善,以实现以下贴近用户需求的目标:实现交通台与听众、数字广播与用户较好的互动,全天不间断的实时路况地图更新、路况播报等全方位实时交通信息服务;

  • 标签: 实时交通 三屏融合 网站
  • 简介:理想条件下,均匀线阵的互耦矩阵可用一带状、对称Toeplitz矩阵进行建模。然而实测数据表明,均匀线阵的互耦矩阵具有对称性,但不具有Toeplitz性,此时仍按理想情况建模,会导致DOA估计不准甚至完全失效。基于RBF神经网络,提出了互耦矩阵非Toeplitz条件下的DOA估计方法。算法利用了信号协方差矩阵的对称性和对角线元素不含信号DOA信息的特点,取协方差矩阵的上三角的元素作为网络输入,不仅减少了网络的输入数,同时还提高了与阵列法线夹角60°外的DOA估计精度。实验仿真结果验证了算法的有效性。

  • 标签: 非Toeplitz校正 RBF网 DOA估计 阵列信号处理
  • 简介:比较了若干用于从高斯干扰中提取相干信号自适应处理算法的收敛速度。主要关注增加这些算法收敛的技术,即干扰协方差矩阵(CM)估算的正则化,考虑了有关CM结构特征的可能先验信息。文章验证了CM估算结合各方优点的混合带状对角正则化的优势。将有关托普利兹CM的可能先验信息考虑在内的各种算法进行了比较。在此基础上,验证了在规则空时自适应信号处理系统(STAP)中使用PAR-COR系数BURG估算以及CM估算带状对角线正则化的适合性。验证了这项技术基于自适应格型过滤器的有效实现方法。

  • 标签: 空时自适应信号处理 收敛速度 带状对角线正则化 自适应格型过滤器 托普利兹协方差矩阵
  • 简介:道路特征提取的角度,对四种经典道路特征提取方法进行了分析和对比,探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上,结合在道路的灰度特征或其在自然界中特有的几何特征,形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上,研究了四种道路提取方法在超宽带SAR图像中的适应性,开展了超宽带SAR图像的道路提取实验,系统总结了各方法针对超宽带SAR图像的优点和不足,形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程,相比经典方法性能得到提高。

  • 标签: 道路提取 边缘提取 道路特征 超宽带合成孔径雷达
  • 简介:提出了一种新的星载合成孔径雷达(SAR)图像中道路网的三步提取算法,即道路中心线检测、道路片段提取和道路片段连接.首先对含有斑点噪声的SAR图像进行两次滤波获得较细的道路中心线,然后对该二值图像进行Hough变换以获得道路片段,道路片段经过简单的初步连接后,再次运用遗传算法得到进一步连接.实践证明了这种方法的有效性.

  • 标签: 合成孔径雷达 道路检测 HOUGH变换 遗传算法
  • 简介:针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明:本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。

  • 标签: 障碍物 感兴趣区域 阈值分割 候选区域 卷积神经网络