典型文献
基于改进GoogLeNet的飞机尾流快速识别
文献摘要：
为了识别繁忙近地空域中的飞机尾流,提高空中交通管制的智能化水平,结合激光雷达特性和尾流演化特点,通过改进GoogLeNet网络和组合残差结构,提出了一种针对尾流快速识别的卷积神经网络模型.在双流的进离场区域使用多普勒激光雷达对风场进行采样,得到目标区域的径向速度场;所采集的数据预处理后输入到模型分别进行训练、验证、测试.结果表明,相比于AlexNet、GoogLeNet模型,所提出卷积神经网络模型以0.45 M的低参数量在飞机尾流的识别准确度达到98.44％,在实验平台上的检测速度达到160 Fps/s.该模型可在复杂的环境下,快速准确地识别飞机尾涡.
文献关键词：
尾流识别;GoogLeNet卷积神经网络;目标识别;多普勒激光雷达;可视化
中图分类号：
作者姓名：
潘卫军;冷元飞;吴天祎;王玄
作者机构：
中国民用航空飞行学院 空中交通管理学院,四川 广汉 618307
文献出处：
引用格式：
[1]潘卫军;冷元飞;吴天祎;王玄-.基于改进GoogLeNet的飞机尾流快速识别)[J].兵器装备工程学报,2022(07):38-44
A类：
尾流识别
B类：
GoogLeNet,快速识别,繁忙,近地,空域,空中交通管制,智能化水平,达特,演化特点,残差结构,卷积神经网络模型,双流,离场,场区,区域使用,多普勒激光雷达,风场,目标区域,径向速度,速度场,数据预处理,AlexNet,参数量,实验平台,检测速度,Fps,快速准确,飞机尾涡,目标识别
AB值：
0.358444
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
