論文元數(shù)據(jù)搜索，找到相關(guān)信息共 3 條：
2007, 29(11): 2734-2737.
doi: 10.3724/SP.J.1146.2006.00365
刊出日期：2007-11-19
論文探討了TMA(目標(biāo)運(yùn)動分析)中基本的非線性估計問題；介紹了粒子濾波(PF)的基本思想和輔助變量PF(AVPF)的基本算法，特別針對空對海單站只測方位TMA(BO-TMA)問題應(yīng)用AVPF和EKF(擴(kuò)展卡爾曼濾波)進(jìn)行了對照研究；建立了問題的離散非線性濾波估計模型；設(shè)計了典型的應(yīng)用場景；給出了Monte Carlo仿真運(yùn)行結(jié)果；表明AVPF具有更高的估計精度、更好的收斂特性和濾波一致性。
2005, 27(9): 1412-1415.
刊出日期：2005-09-19
該文指出Hong(2001)在多速率運(yùn)動模型中關(guān)于過程噪聲的一處錯誤,提高了多速率運(yùn)動模型狀態(tài)估計效果,并在此基礎(chǔ)上建立了多幀概率數(shù)據(jù)關(guān)聯(lián)算法.在確定多幀量測數(shù)據(jù)有效回波時,提出雙重門限方法,有效減少了多幀概率數(shù)據(jù)關(guān)聯(lián)算法的計算量.最后針對各種雜波密度情況對多幀量測數(shù)據(jù)概率數(shù)據(jù)關(guān)聯(lián)算法的性能進(jìn)行了分析.
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對目前圖像隱寫檢測模型中線性卷積層對高階特征表達(dá)能力有限，以及各通道特征圖沒有區(qū)分的問題，該文構(gòu)建了一個基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫檢測模型。該模型使用多層感知卷積(Mlpconv)代替?zhèn)鹘y(tǒng)的線性卷積，增強(qiáng)隱寫檢測模型對高階特征的表達(dá)能力；同時引入通道加權(quán)模塊，實現(xiàn)根據(jù)全局信息對每個卷積通道賦予不同的權(quán)重，增強(qiáng)有用特征并抑制無用特征，增強(qiáng)模型提取檢測特征的質(zhì)量。實驗結(jié)果表明，該檢測模型針對不同典型隱寫算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
