小型高精度防撞雷达信号处理系统实现

针对国内汽车防撞雷达领域存在问题,研究小型化高精度防撞雷达信号处理系统实现方案,详细分析信号处理流程,确定合适的雷达信号处理方法。结合系统结构和处理方案计算出适合驾车环境的系统参数,通过系统仿真验证其有效性。并在小型化和低成本的条件下,提出基于Super SVA方法实现目标距离分辨率的提高。确保雷达系统不会因为成本问题限制其检测性能。最后,对实例化样机进行外场功能测试,测试数据分析结果验证了系统方案的可行性。     

基于ResNet车载雷达干扰分类研究

随着自动驾驶技术的发展,毫米波雷达成为自动驾驶的一个关键传感器,由于汽车雷达数目增加,雷达与雷达间相互干扰是不可避免的问题,为了减轻雷达间的相互干扰,识别车辆中雷达发射的信号类型是很有必要的。针对不同干扰信号类型,本文提出了一种基于残差神经网络的车载雷达干扰分类的方法,首先建立不同类型的干扰数据模型,生成大量的干扰数据,然后应用残差神经网络对不同类型的干扰进行分类。结果显示,该网络不仅收敛速度快,而且在干扰分类方面取得了很好的效果。     

基于图像分解和稀疏表示的多聚焦图像融合

针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法.首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像.实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较.实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点,同时有更好的视觉效果.     

基于无载波超宽带雷达的小样本人体动作识别

随着雷达硬件平台尺寸越来越小、成本越来越低,室内基于雷达的人体动作识别应用已经成为现实,能够在具有简单架构的低成本设备中实现.无载波超宽带雷达具有极高的分辨力,能够捕获人体细微动作变化并且对室内复杂环境具有很强的抗干扰能力.与基于视频人体动作识别研究相比,超宽带雷达还具有穿透家具、墙体以及保护个人隐私等优点.针对雷达回波信号利用传统时频分析方法实现人体动作识别比较耗时、实时性不好的缺陷,引入机器学习方法对不同类型人体动作进行分类识别.引入机器学习方法用于超宽带雷达人体动作识别最大难点是只有少量可用的超宽带雷达实测数据样本,针对该问题提出基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的人体动作特征提取方法,并利用改进网格搜索算法优化的支持向量机在小样本数据下对人体动作进行识别,最后根据实测数据采取三种不同方案进行仿真实验,结果表明即使在训练数据样本只有5组的条件下,基于PCA和DCT相结合特征提取方法在不同类型人体动作的平均识别率均能达到96%以上.     

基于FPGA的数据采集与回放系统设计

为满足汽车防撞雷达前期仿真、后期验证和算法改进的要求,设计了一种基于现场可编程门阵列(FPGA)的数据采集与回放系统。基于通用信号处理开发板,利用FPGA控制模数转换器(ADC)对目标模拟信号进行采样,通过通用串行总线(USB)接口芯片CY7C68013的先入先出队列(FIFO),将数据传输到PC机实现数据的储存和实时回放。实验结果表明,该系统具有良好的稳定性和可扩展性。     

混沌在超宽带雷达中的应用

随着混沌理论的发展,混沌技术越来越多地应用在雷达领域.混沌序列由确定性系统产生,却有着随机序列的特性,具有白噪声统计特性、较理想的自相关和互相关特性以及产生简单、抗干扰能力强等特性.针对混沌幅度调制的高斯脉冲序列信号和基于混沌的脉冲位置调制方式在超宽带雷达中的应用进行了阐述,并提出混沌超宽带雷达实现方案.     

混沌调幅的高斯脉冲序列信号在雷达中的应用

超宽带冲激无线电技术具有测距精度高、穿透能力强、功耗低等优点．已在军用雷达探测中得到广泛应用。依据混沌序列的白噪声统计特性、较理想的自相关和互相关特性以及产生简单、抗干扰能力强等特性,提出了基于Chebyshev混沌幅度调制的高斯脉冲序列超宽带雷达方案。并针对混沌超宽带雷达的特点、实现方法进行阐述。     

FPGA在雷达定时器中的应用

定时器是雷达系统的重要部分,它为雷达全机提供所需的各种主脉冲定时信号和波门定时信号.介绍了FPGA(现场可编程门阵列)在定时器中的应用,着重叙述了定时器原理.该定时器的特点是:采用大容量FPGA,尽可能在FPGA内部实现所有功能,减少外围器件,以达到统一板级设计、提高定时精度及可靠性、降低成本、实现硬件的灵活配置的目的.     

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。