排序方式: 共有45条查询结果,搜索用时 109 毫秒
31.
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。 相似文献
32.
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。 相似文献
33.
精密跟踪雷达中全软件实现测距和测速 总被引:1,自引:0,他引:1
测距和测速是精密跟踪雷达的重要组成部分,采用基于DSP和标准总线硬件平台全软件实现测距和测速功能后,其硬件量缩减为3个模块板,精度和性能稳定性得到较大提升,更易于系统调试和验证。文中对全软件实现测距和测速的硬件组成和软件模块进行了介绍,并对调试方法作了介绍。 相似文献
34.
35.
36.
37.
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。 相似文献
38.
针对传统汽车防撞雷达系统中存在的多目标配对问题,基于单发双收射频前端研究了一种线性调频连续波(LFMCW)多目标探测系统。首先理论推导了系统测距测速原理,并在测距测速的基础上增加测角功能;然后根据LFMCW上下扫频中同一目标的角度一致性和峰值能量相近原则对目标进行容差配对,从而实现单周期目标距离速度和角度的准确测量;最后给出多目标雷达探测系统的硬件框图和FPGA信号处理流程,并对该系统进行实测验证。实测结果表明,该系统能够准确地实现目标方位角的测量并有效解决了LFMCW多目标配对问题。 相似文献
39.
针对利用拓展的虚拟阵列的最大连续均匀阵列进行波达方向估计未完全利用虚拟阵列全部信息的问题,提出了一种基于虚拟阵列插值的矩阵重构DOA估计算法。该算法首先通过互质阵列导出的非均匀虚拟阵列,引入虚拟阵列插值的思想来构造一个均匀的线性虚拟阵列;然后提出一个凸优化问题,重构等效接收信号的协方差矩阵;最后优化协方差矩阵的相应矢量的首个元素,利用重构的协方差矩阵进行DOA估计。该算法充分利用虚拟阵列中包含的信息,与利用拓展的虚拟阵列的最大连续均匀阵列进行DOA估计相比,提高了估计自由度和分辨率。 相似文献
40.
汽车雷达主要使用时分复用多输入多输出技术(TDM-MIMO)增加其虚拟天线数量来提高角度分辨率。当目标与雷达之间存在相对运动时,由运动目标多普勒频率在不同发射天线切换时间内带来的相位变化量会耦合到各接收天线上,导致频谱出现散焦效应。这种相位变化会对目标的角度估计产生影响。针对这种问题,推导了TDM-MIMO信号模型,通过分析运动目标相位误差产生的原因,提出了一种相位补偿方法,该方法无需对目标速度进行预估,并且无需额外的硬件开销。通过仿真实验和实测数据证明了该方法可以使运动目标正常测角并且具有较低的时间复杂度。 相似文献