超宽带雷达人体动作识别

超宽带雷达由于其极高的距离分辨力等优势,因此具有良好的目标识别能力,在安全监控、医疗健康等应用领域具有重大意义。但现有利用超宽带雷达进行人体动作识别的方法,仅利用了雷达回波的距离维信息,并没有考虑一个动作的时间相关性,在处理更多相似人体动作类型时,其识别性能会下降。针对这一问题,充分利用超宽带雷达回波的时间-距离二维信息,提出了基于二维离散小波变换的特征提取方法,显著增强了不同动作的可分性,同时降低了分类处理的数据维数,提高了算法效率。最后,基于实测数据的分类实验结果显示,对9种不同的人体动作进行分类,该方法取得了很好的识别效果,识别率超过90%,验证了方法的可行性和有效性。     

基于CVD和Radon变换的旋翼无人机识别

在无人机的检测与识别过程中特征提取尤为重要。针对在低信噪比下由于提取特征困难且鲁棒性较差导致的识别效果不理想的问题,提出了一种基于改进的CVD（Cadence-Velocity Diagram）和Radon变换的特征提取方法应用于识别旋翼无人机。该方法通过提取目标的频率信息、峰值信息和边缘信息作为特征,运用K近邻分类器进行分类识别。仿真结果显示,在信噪比为-15 dB的条件下能够达到96.67%的识别精度。所提方法在低信噪比下识别效果明显优于SVM和朴素贝叶斯等算法。     

基于质量引导的InSAR快速相位解缠方法

针对处理大型InSAR相位数据,由于传统质量引导的相位解缠方法在解缠过程中要进行大量的排序操作,其解缠效率非常低,提出一种索引分段堆排序相位解缠方法。通过结合传统质量图的优点,将QPDVC作为质量图,并利用索引分段堆排序法将大型相位数据分成多个小堆,从而节省了堆排序过程中调整为最小堆的时间。与传统方法相比,提高了解缠精度和效率。最后,通过相关实验数据仿真证明了该方法的高效性和可行性。     

基于互交替投影的块稀疏正交匹配追踪算法

针对块稀疏信号,理论分析和实验验证均表明算法精确重构的充分条件与矩阵块相关性和子相关性有关。在此基础上,提出了一种基于互交替投影的块稀疏正交匹配追踪算法(mutual alternating projection-block or-thogonal matching pursuit,MAP-BOMP)。该算法利用互交替投影方法不断构造新的测量矩阵和感知矩阵,使得矩阵块相关性和子相关性都很小,从而提高重构概率,并给出明确的算法收敛条件,降低了计算复杂度。通过与大多数已有块稀疏信号重构算法进行实验仿真对比,该算法在重构效果和重构速度上均优于其他算法。     

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。     

一种动中通地面跟踪系统的FPGA实现

针对动中通系统在跟踪状态下可能失去空中目标、纯机械扫描系统搜索速度慢等问题,设计了一种基于现场可编程门阵列(FPGA)的新型动中通地面系统.系统天线接收的信号经射频处理输入数字信号处理器,运算得到相关信息,以判断目标方位.上位机控制整个系统的工作状态,有良好的人机交互,系统可在失去空中目标后快速搜索或跟踪.水平方向上由直流电机驱动天线阵对360°方位扫描覆盖,俯仰方向上采用不同角度的波束切换,在短时间内依据能量准则定位空中目标方位,提高了动中通系统的运行效率.     

基于DSP和FPGA的射频雷达信号模拟器

为满足现代雷达技术的快速发展及跟进电子对抗设备,设计了一种基于DSP和FPGA的射频雷达信号模拟器。基于软件无线电的设计思路,采用硬件实物和软件仿真相结合的方式,提出一种改进型DDS精度,以提高关键频点。该模拟器具有较好的稳定性、可编程性和可扩展性,适用于当前电子对抗环境的信号模拟。     

EEMD生命探测雷达人体数量识别技术

针对生命探测雷达回波信号的非线性、非平稳性和难以获得大量实验样本的实际问题,提出了一种基于EEMD奇异值和支持向量机的多人识别方法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后对特征向量矩阵进行奇异值分解求出特征向量,最后将特征向量输入支持向量机的分类器进行模式识别,判断墙体后面的人体数量。实验结果表明,所提出的方法识别速度快,识别率高,可有效应用于生命探测雷达的人体数量识别,具有广阔的应用前景。     

基于TMS320VC5509的核磁共振噪声自适应对消系统的实现

核磁共振成像系统强噪声的环境,使得语音通信系统无法正常工作,患者只有在系统停机的前提下才能与医生交流。针对强噪声环境,为了解决医生与患者交流的技术问题,采用最小均方误差自适应对消算法,设计基于TMS320VC5509的DSP语音信号处理硬件系统,针对实际环境和硬件进行编程,同时,分析了核磁共振噪声特性,对系统实时性进行优化,在保证系统信号流畅的前提下尽力提高消噪效果。实验环境信噪比接近0dB,通过实际场景测试,采集原始噪声与消噪后对比、分析,此设计能将信噪比提高到30dB以上。     

FMCW雷达基于光学字符识别的连续动作识别研究

传统的基于雷达的人体动作识别主要采用微多普勒原理,对原始数据进行处理,生成微多普勒时频图,然后输入到基于分类的深度学习网络中进行识别,只能对单个动作进行识别。本文提出一种FMCW雷达光学字符识别技术的连续动作识别方法,首先对采集的雷达数据采用RDM（Range?Doppler Map）向速度维投影的方法逐帧获取微多普勒时频图,然后将处理得到的时频图输入一个特别定制的,由卷积神经网络、inception_resnet、最大池化层和Bi?LSTM的网络组成,使用联结主义时间分类（CTC）作为损失函数进行训练的网络。实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这5种动作的识别准确率分别高达96.16%,95.34%,88.49%,89.37%,96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果,时间上的识别准确率整体令人满意。