分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-03 合作期刊: 《计算机应用研究》
摘要： 为提高雷达目标识别准确率，提出了一种基于深度置信网络(DBN)的高分辨率雷达距离像(HRRP)识别方法。首先利用受限玻尔兹曼机(RBM)对HRRP数据进行逐层无监督训练，根据对比散度(CD)算法更新网络参数，通过误差重构设计DBN深度，而后利用反向传播(BP)机制对DBN模型参数进行有监督的微调，最后基于该模型实现了HRRP的分类与识别。实验结果表明，与传统神经网络相比，基于本文设计的深度置信网络的识别准确率及噪声鲁棒性显著提高，识别准确率可提高8.5%。
分类： 力学 >> 振动与波 提交时间： 2022-11-01 合作期刊: 《应用力学学报》
摘要： 基于雷诺平均N-S方程对脉冲射流作用下的翼型非定常流场进行数值模拟,采用本征正交分解(POD)方法对低频率、中等频率、高频率脉冲射流尾迹中涡结构的变化进行分析。结果表明:借助POD方法能够有效提取尾迹中小尺度涡结构的运动状态。POD方法提取的低阶模态主要反映了尾迹中强度最大的尾涡静态分离结构,对应脉冲射流的主频成分,高阶模态则主要反映了尾涡内部或尾涡之间的流动状态,对应脉冲射流的高阶倍频成分,尾涡内部的相互拉伸包含频率范围较广,尾涡之间的牵引分解包含频率较为单一; 低频率下尾迹中仅能提取到一对主要尾涡,高频率下尾迹中能提取到多对强度相当的尾涡; 低频率下尾涡单一且相互作用简单,用前六阶模态即可表征流场结构,高频率下尾涡数量多且相互作用复杂,需要更高阶模态才能表征其流场结构。
点击量
通过
点击量
下载量
评论
