张少迪
- 作品数：6 被引量：93H指数：5
- 供职机构：中国科学院长春光学精密机械与物理研究所更多>>
- 发文基金：国家高技术研究发展计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信电气工程更多>>
- 激光光斑位置精确测量系统被引量：48
- 2013年
- 设计了一种激光光斑位置测量系统,用于提高激光照射器监测系统测量激光光斑位置时的测量精度。分别介绍了测量系统的组成及它们的信号连接关系。针对激光光斑图像采集过程中的后向散射现象,提出基于异步距离选通的激光后向散射抑制技术。为了克服大气湍流扰动对激光光斑成像的影响,利用改进的盲解卷积算法对激光光斑图像进行事后图像处理。最后,对光斑图像进行畸变校正,并利用高斯曲面拟合算法提取光斑位置。设计了若干仿真实验,并应用该系统处理了实际外场实验。结果表明,所设计的激光光斑位置测量系统的测量精度不超过0.3pixel。
- 黄继鹏王延杰孙宏海张少迪
- 关键词：激光光斑大气湍流短波红外
- 远距离激光光斑位置高精度测量方法被引量：19
- 2012年
- 为了提高激光光斑位置测量精度,考虑影响光斑测量精度的因素,并对若干关键技术进行研究。为了抑制由于气溶胶散射导致的激光后向散射,研究距离选通技术,提出一种基于四象限探测器的异步距离选通技术;为了削弱大气湍流的随机扰动对激光光斑成像的影响,提出一种改进的盲解卷积事后复原方法,并从数学上证明了该方法的收敛性;为了消除多传感器采集图像之间的差异,提出一种基于目标区域的图像配准算法;还原光斑图像并利用高斯曲面拟合法提取激光光斑的位置信息。实验结果表明,提取到的激光光斑位置精度不大于0.3pixel。
- 张少迪孙宏海
- 关键词：大气湍流盲解卷积图像配准
- 基于PSO-BP神经网络的短期负荷预测算法被引量：11
- 2013年
- 提出一种短期负荷预测算法,用于解决对未来能耗周期能源使用的预测问题。首先介绍短期负荷特点,分析短期负荷运行规律,并采用零相滤波器对原始负荷曲线进行预处理,相除奇异点。其次,介绍BP神经网络基本结构,并针对BP神经网络容易陷入局部极小值的缺点,采用PSO算法确定网络训练初始权值。然后,设计一种基于PSO-BP神经网络的短期负荷预测算法,包括预滤波、训练样本集建立、神经网络输入/输出模式设计、神经网络结构确定等。最后,选择上海市武宁科技园区的电科商务大厦进行负荷预测,实验结果表明,与传统的BP神经网络相比,PSO-BP神经网络用于短期负荷预测算法的精度更高,预测负荷和实际负荷之间的平均绝对误差(MAE)小于1%。
- 张少迪
- 关键词：短期负荷预测BP神经网络粒子群算法
- 三角形剖分以及PSO-BP神经网络在星图识别中的应用被引量：8
- 2011年
- 为了实现星敏感器对航天器当前姿态的准确测量,如何提高星图识别算法的实时性和鲁棒性成为星敏感器的关键技术。对星图识别过程中应用的模式提取、训练样本集的建立以及神经网络训练方式的改进等算法进行研究。首先,设计一种基于星图特征的三角形剖分方法,将视场内的恒星以三角形的方式组合起来,提取星图模式,建立完备的训练样本集,使星图特征具有平移和旋转不变性。然后,采用BP神经网络识别星图特征,以权值矩阵代替导航星库,一旦网络训练完成,可以很快获得当前星图信息,实现星敏感器星图识别算法的实时性和鲁棒性;为了优化BP神经网络改进其自身缺点,采用PSO(粒子群算法)训练BP神经网络,获取使BP神经网络趋近全局最优的初始权值和阈值,使其加快收敛至全局最优。由实验结果表明,该星图识别算法识别率达100%。
- 张少迪王延杰孙宏海
- 关键词：星图识别BP神经网络PSO
- 傅里叶相位差谱在卫星目标图像检测中的应用
- 2011年
- 提出一种利用序列图像傅里叶相位差谱的特征检测卫星目标的算法.欲跟踪的卫星目标往往淹没在星海中,仅仅依据星体特征检测出目标很繁琐,也很困难.从傅里叶变换的相谱差异特性出发,将序列图像相邻2帧图像中的前一帧图像通过相谱补偿后与后一帧图像对比,检测出奇异的卫星目标,再利用帧差法剔除伪目标,给出跟踪目标的运动轨迹.同时,为了提高该算法的抗噪声能力,针对遇到的实际情况提出基于二维直方图改进的图像二值化算法.通过实验验证了该算法的可行性,结果表明,所提出算法的检测误差与人工捕获相比不超过1个像素.
- 张少迪王延杰孙宏海
- 关键词：二维直方图目标检测
- 三角剖分以及径向基函数神经网络在星图识别中的应用被引量：14
- 2012年
- 根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法。从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集。然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法。通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本。最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别。试验结果表明,测试网络能够正确识别这些星图。
- 张少迪王延杰孙宏海
- 关键词：星图识别三角剖分径向基函数(RBF)神经网络ROLS算法
