高雪
- 作品数：3 被引量：7H指数：1
- 供职机构：长春理工大学理学院更多>>
- 发文基金：长春市科技计划项目更多>>
- 相关领域：理学机械工程自动化与计算机技术更多>>
- 基于卷积神经网络的材质分类识别研究被引量：7
- 2017年
- 目前,空间目标中约6%为正在工作的航天器,而约94%的空间目标为太空垃圾,严重干扰和限制了航天器发射、运行等正常的太空活动轨道,在有效清除空间碎片之前,必须对其进行有效识别。本文基于散射光谱,使用卷积神经网络对空间碎片四种材质进行分类识别,并与BP神经网络的识别结果分析比较。鉴于试验所得的材质的原始光谱信噪比低、特征信息弱等特点,需要对光谱信号进行预处理包括去噪、BRDF计算和归一化处理。然后各取四种材质的200帧样本数据进行训练,另各取50帧数据预测,结果表明:卷积神经网络的总体精度比BP神经网络低2%,耗时少101 s;而增加训练样本数据量达到每个材质各500帧时,卷积神经网络的总体精度仅比BP神经网络低0.05%,耗时则少了891 s,卷积神经网络极大的体现了其时间的优越性。该方法对大数据量的空间碎片材质的分类,具有较大的实用性和借鉴意义。
- 刘昊李喆石晶辛敏思蔡红星高雪谭勇
- 关键词：散射光谱卷积神经网络BP神经网络
- 基于散射光谱的材质分类识别研究
- 2017年
- 有效的甄别、掌握空间碎片的状态,是合理利用太空资源和在轨航天器规避风险的前提,为了安全、持续地开发和利用空间资源,基于散射光谱,使用夹角余弦和欧式距离嵌入K临近法(KNN-AC-ED),并与经典的朴素贝叶斯分类器作为对比,对实验室测得的空间碎片中常用的四种材质进行分类识别。分类识别的结果显示,KNN-AC-ED法比经典的朴素贝叶斯分类器总体分类精度高4%。研究表明:朴素贝叶斯分类器需要提取每个光谱曲线的三个特征,而特征提取费时费力;KNN-AC-ED法利用光谱线型和强度两种信息,不仅全面的反应了光谱的信息,且计算相对更快捷。通过对空间碎片常用材质的分类,为进一步研究空间碎片的尺寸、材质等信息提供一定的借鉴意义。
- 刘昊谭勇刘春宇石晶苗馨卉蔡红星辛敏思高雪杨艺帆
- 关键词：散射光谱欧氏距离
- 基于锁相放大算法的微弱光谱分析
- 2017年
- 由于强噪声背景的影响,在进行光谱探测的过程中收集到的信号很微弱。为了能有效的去除噪声,提出了采用锁相放大算法去除噪声提取光谱特征信号的方法。研制编写锁相放大算法,对收集的光谱数据进行处理,分析处理后的结果,光谱特征获得了放大,进一步进行两种结果的中值归一化对比,该光谱曲线与原始光谱曲线线型基本一致,且具有平滑去噪效果。该成果对微弱光谱信号去除噪声的研究具有实际意义。
- 高雪谭勇张雷刘昊
- 关键词：去噪
