雷达航迹融合算法验证系统设计

在雷达多站点航迹融合算法设计中,算法验证是设计的关键一环。所设计航迹融合算法验证系统是基于网络的分布式计算机系统,结合自构建模式,可模拟多雷达站点、多目标、异步数据传输、分布式航迹关联与融合等功能。验证实验表明,该系统能够实现多站点、多目标的航迹关联与融合等功能与性能的验证。     

USB2．0技术在雷达目标识别系统中的应用

在雷达目标识别系统算法测试过程中,需要对大量的原始数据进行分析从而得出识别结果然后进行算法优化。由于雷达回波数据量大,因此需要采用高速的传输方式将试验数据传送给目标识别单元,这样才能最大限度地模拟真实环境,达到系统需求的数据率24Mb/s,满足目标识别的实时性要求。利用CY7C68013A和TMS320VC5402实现USB2.0技术,将先期试验数据送到目标识别单元,数据传输速度可以达到40Mb/s,满足了目标识别的实时性要求,并且可以将识别结果传回PC以便进一步分析。     

航迹预测技术在制导雷达数据处理中的应用

针对常规警戒雷达数据处理实时性低,无法作为制导雷达接入武器系统问题,提出了一种实时计算的数据处理方法。新方法使用交互多模型方法进行航迹滤波,再结合二阶多项式预测技术获得目标的实时位置。实验证明新方法解决了警戒雷达数据处理实时性低的问题,提高了输出航迹的数据更新率,可以很好的跟踪目标的实时位置。     

基于极化相似度的全极化SAR自动目标识别算法

提出了一种基于极化相似度的全极化SAR自动目标识别算法,并利用仿真得到的全极化SAR数据进行了识别实验。该方法将极化相似度量引入到局部极大值匹配算法中,有机地结合了散射中心特征点的空间域和极化域的信息。针对目标绕雷达视线的旋转,以及系统极化测量误差引起的极化倾角变化,给出了极化倾角估计和补偿算法,并实验研究了极化倾角对识别结果的影响。仿真识别结果表明,全极化数据的平均识别率明显优于单极化,证明了该算法的有效性。     

基于双特征融合与自适应提升机制的图像动作识别算法

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。     

视觉与二维激光雷达的目标检测方法

为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷达的目标检测方法。在视觉检测方面提出一种改进的GoogLeNet算法实现视觉对目标物体的识别,该方法相比GoogLeNet算法在对6种目标物体的识别准确率上提高了0.7%。在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚类,接着使用RANSAC算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激光雷达在特定平面上360°对目标物体进行跟踪检测和定位。实验结果表明,该方法使得移动机器人扩大了检测范围、增加了检测特征并提高了识别准确率。     

基于最小二乘支持向量机的输液异物检测系统设计

设计了一种从大输液复杂视觉图像中识别微小异物的图像处理算法和硬件系统,以实现大输液的在线自动检测。首先对采集到的序列图像通过形态学滤波、帧差等预处理滤除大部分背景噪声。然后提取图像中目标和残留噪声的具有良好不变性的特征,通过LS—SVM多类分类器实现帧间点迹的匹配关联。对关联成功的点迹,再选用能够表征运动轨迹平滑性和连续性的特征,利用LS—SVM两类分类器来区分真实异物和残留噪声。利用研制的灯检样机在某药厂的大输液生产线上对提出的识别算法进行了验证。试验表明,该系统的识别准确率和速度均高于熟练的灯检工。     

基于呼吸样本空间的超宽带雷达身份识别

为了解决传统雷达呼吸身份识别依赖人工预定义特征的问题,提出了一种基于呼吸样本空间(BSS)的超宽带(UWB)雷达身份识别算法。算法首先通过奇异值分解(SVD)对UWB雷达人体呼吸回波中杂波进行滤除,然后根据回波将目标跨距离单元的呼吸信号构建为包含时距信息的BSS序列,最后利用卷积神经网络(CNN)对BSS进行建模以获取目标分类结果。在室内场景实验中,对4人的身份识别准确率为84.64%。对比结果表明,所提出的算法对不同个体所具有的独特呼吸特征具有不错的区分能力。     

改进的ReliefF算法用于雷达距离像目标识别

提出了一种改进的ReliefF算法,并将其用于雷达高分辨距离像(high resolution range profile,HRRP)目标识别。与传统ReliefF算法相比,新算法通过在每类目标中等距离间隔抽取相同数量样本的方式进行权值累积,降低了样本数量及分布差异等因素对特征权值的影响,得到了更稳定有效的特征权值。利用此权值不但可降低特征向量维数,并可对最小距离分类器加权,提高目标识别率。最后,对5种不同飞机实测数据的识别结果表明本算法可达到83%的平均识别率。     

对空警戒雷达在线测试仪设计

针对对空警戒雷达整机测试中,动态目标模拟难的问题,本文设计开发了一个高性能信号源——雷达在线测试仪。文中采用可编程逻辑器件,用拨码开关调节产生复杂的组合逻辑时序,控制雷达波形产生器和频率合成器,模拟空中真实目标,产生多种高频目标回波信号。在雷达不开发射机的情况下,实现对雷达视频模式、点迹模式、录取方式、波形选择、量程控制、视频挖除、警戒设置等整机功能的检查及雷达录取精度参数的测试。对工程应用具有很大的实用价值和指导意义。     

基于分布式MIMO雷达的检测前跟踪算法研究

近些年来MIMO雷达技术正在逐步兴起并得到了快速发展.因其能够充分利用空间分集和波形分集,所以对弱小目标和雷达截面积闪烁目标都有很好的检测性能.为达到提升对弱小目标的检测概率,运用动态规划将检测前跟踪思想引入MIMO雷达系统,提出了基于MIMO雷达的检测前跟踪方法.MIMO雷达的空间分集特性能够降低检测前跟踪回波积累的时间,从而提高雷达系统对机动目标的检测概率.仿真实验结果表明,基于MIMO雷达的检测前跟踪方法检测性能良好,有效提升了检测概率,是一种有效检测机动弱目标的方法.     

一种改进的复合运动空间目标微动周期估计方法

提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法。雷达目标的微动状态与目标动力、结构高度相关,不同目标具有显著的差异性,反映了目标的重要信息,可用于辅助目标探测及识别,具有重要作用。在雷达目标微动特性的研究中,诸如导弹等空间目标是研究的热点,目前已发表了大量关于空间目标的微动特征提取方法。对空间目标,其通常是平动与微动相耦合的复合运动目标,在进行微动特征提取时需考虑平动的影响。针对复合运动空间目标进行研究,提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法,其中Viterbi算法可在低信噪比情况下目标瞬时多普勒的鲁棒估计,时频差值平方和序列则能够有效去除目标平动的影响,所提方法具有良好的估计性能。仿真结果验证了估计方法的有效性。     

基于IR方位信息的多普勒盲区跟踪方法研究

机载脉冲多普勒雷达存在多普勒盲区,对处在多普勒盲区内的目标跟踪容易出现跟踪中断或重新起批的问题.针对这一问题,提出了一种基于雷达与红外传感器的数据融合方法.目标未进入多普勒盲区前,通过雷达与红外融合跟踪获取目标运动的先验信息;目标进入多普勒盲区内,利用红外传感器获取的方位信息,结合盲区前融合跟踪获取的先验信息实现目标的连续跟踪.仿真结果表明本文提出的方法能够对处于多普勒盲区内作机动转弯的目标进行连续跟踪,弥补了雷达在盲区内对目标跟踪过程中出现的跟踪中断与重新起批问题.     

基于安卓平台的小型化混凝土探测雷达系统

面向钢筋混凝土内部结构的探测需求研制出一款小型化探地雷达,并利用 Java语言研发了一款基于Android手机平台的实时信号处理系统,旨在为工程人员提供更加高效、便捷的探测方式和现场处理方法。该系统能够实时接收雷达探测数据,将数据绘制成单道波形图、灰度图,并且可以将数据保存在SD卡指定文件夹中。同时,提出了一种实时的钢筋识别算法,应用于信号处理客户端,实现了对混凝土结构中的钢筋目标的自动识别。实验证明,该算法具备较高的准确性与良好的实时性。     

基于雷达的铁路直轨环境检测方法研究

针对机器视觉检测实时性不足、视距较短、环境适应性差,无法满足铁路全天候多环境运行的需求等问题,提出基于微波 雷达的铁路直轨环境物体检测方法。 通过离线实验对雷达的测量特性进行标定,经数据处理得到雷达的误差校正函数。 综合铁 路安全限界标准、雷达测量参数、雷达横向测量误差,实时构建雷达坐标系下的限界区域,对误差校正后的物体进行限界内方侵限 判断,并对雷达检测范围内的动目标进行滤波跟踪。 实景测试结果表明,雷达检测性能好,实时性高,具有很好的环境适用性。     

融合隐马尔科夫模型的雷达工作状态跟踪

针对电子侦察系统对雷达工作状态的跟踪问题,提出了一种基于融合隐马尔科夫模型的雷达工作状态跟踪方法。该算法首先将雷达工作过程建模成隐马尔科夫模型,其次通过对侦察的雷达短语序列识别,完成单个平台下雷达工作状态的跟踪;最后再运用DS证据理论将多平台的识别结果进行融合,实现多平台融合跟踪。对算法的识别率进行仿真,仿真结果表明,提出的算法提高了错误观测下对雷达工作状态跟踪的准确率,当观测值错误率为20%时跟踪正确率高达93%。     

采用局部线性嵌入的稀疏目标跟踪方法

目标跟踪是从复杂的背景中辨认出运动目标,并且对目标进行准确且连续的追踪。如何在遮挡、形变、背景复杂的条件下鲁棒性跟踪目标仍是亟待解决的问题。针对遮挡和形变问题,提出一种局部线性嵌入(LLE)和稀疏表示的算法来有效的学习外观模板。其中LLE是流形学习的一种典型算法。在该算法中每个点的近邻权值在平移、旋转、伸缩变化下是保持不变的,因此可以用来提取目标的本质特征,发现数据的内在规律。算法首先采用局部线性嵌入提取低维特征,提取后的特征作为基向量与琐碎模板组成稀疏原型,稀疏原型用于模板的更新。算法保持了原有稀疏跟踪方法对遮挡处理的优势,同时对目标形变有较好的稳健性。实验结果表明,跟踪算法比其他7个常用的算法在9个视频序列中有较好的鲁棒性能。     

Fast Image Segmentation Algorithm Based on Salient Features Model and Spatial-frequency Domain Adaptive Kernel

A fast image segmentation algorithm based on salient features model and spatial-frequency domain adaptive kernel is proposed to solve the accurate discriminate objects problem of online visual detection in such scenes of variable sample morphological characteristics, low contrast and complex background texture. Firstly, by analyzing the spectral com-ponent distribution and spatial contour feature of the image, a salient feature model is established in spatial-frequency domain. Then, the salient object detection method based on Gaussian band-pass filter and the design criterion of adaptive convolution kernel are proposed to extract the salient contour feature of the target in spatial and frequency domain. Finally, the selection and growth rules of seed points are improved by integrating the gray level and contour features of the target, and the target is segmented by seeded region growing. Experiments have been performed on Berkeley Segmentation Data Set, as well as sample images of online detection, to verify the effectiveness of the algorithm. The experimental results show that the Jaccard Similarity Coefficient of the segmentation is more than 90%, which indicates that the proposed algorithm can availably extract the target feature information, suppress the background texture and resist noise interference. Besides, the Hausdorff Distance of the segmentation is less than 10, which infers that the proposed algorithm obtains a high evaluation on the target contour preservation. The experimental results also show that the proposed algorithm significantly improves the operation efficiency while obtaining comparable segmentation performance over other algorithms.     

基于时空域增强微多普勒谱图的行为识别方法

为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种 新的基于时空域增强微多普勒谱图的行为识别方法。 首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一 种新的直方图均衡化和同态滤波相结合的时空域增强算法用于谱图信息的增强;最后采用一种改进的卷积长短时记忆网络 (ConvLSTM)提取谱图的时空域特征,并有效辨识喝水、跌倒等 7 种住院患者常见行为。 实验结果表明,基于本文方法对 7 种动 作的识别准确率能达到 94%,可以有效的监护患者的行为。