基于B/S模式的电子对抗实验室综合管理系统设计

根据改善实验室管理方式和提升教学实践水平的需求,实现电子对抗实验室管理的网络化和信息化,方便教师通过该系统对实验教学进行安排、管理、考勤和成绩综合评定,设计了基于B/S模式结构的电子对抗实验室综合管理系统。上线运行,彻底改变了电子对抗实验室传统的人工管理模式,极大地提高了管理水平和工作效率。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于时分MIMO的地基雷达高分辨率成像研究

基于时分多输入多输出(MIMO)的地基雷达成像有许多很好的应用价值,比如替代合成孔径雷达成像在山体滑坡监测方面的应用。针对基于时分MIMO的地基雷达高效高分辨率成像,该文提出一种基于逆傅里叶变换脉冲压缩和波束形成的成像算法。雷达通过步进频连续波技术获得高距离向分辨率,利用MIMO技术获得高方位向分辨率。通过逆傅里叶变换法实现雷达数据距离向压缩,采用波束形成算法实现雷达数据方位向压缩。同时该算法还针对MIMO天线阵列所引起的回波信号相位不连续问题进行了适当的校正,在保持算法高效性的同时提高了成像质量。根据真实的山体滑坡监测成像场景参数,通过数值仿真验证了该成像算法的可行性,应用在山体滑坡监测上理论效果良好。     

基于UKF的毫米波雷达手势识别算法研究

本文提出了一种基于无迹卡尔曼滤波（UKF）的毫米波雷达干扰抑制的手势识别方法。首先根据原始雷达信号设置的采样点与线性调频信号数量，估计了目标的距离与多普勒参数。之后针对实际场景中类目标干扰较多的情况，设计了一套完整的基于UKF的场景类目标抑制方法，接着利用卷积神经网络（CNN）对不同手势距离?多普勒特征谱图进行提取和识别。实验结果表明，该抑制方法有效地解决了类目标干扰给手势识别带来的困扰，手势识别的平均准确率为98.74%，经过抑制干扰算法后准确率相较于干扰抑制之前提升了7.29%。     

融合自校准照明框架的水下图像增强网络

水下图像质量退化严重阻碍了海洋工程技术的发展，针对水下图像颜色失真、对比度偏低和亮度不均匀等问题，为了解决水下特殊成像环境导致的以上退化问题，同时以便于后续基于水下图像的研究工作，提出了融合自校准照明框架的水下图像增强网络模型，该网络模型在卷积神经网络的基础上融合了自校准照明模块，可以快速、灵活地亮化图像。自校准照明模块中建立了一个具有权重共享的级联照明学习过程来处理水下图像。考虑到级联模式的计算负担，又构建了自校准模块，实现了各阶段结果之间的收敛，大大降低了计算成本，实现了对水下图像亮度的自动调节。最后，分别对实验结果进行定性及定量分析，并且对比了八种先进的增强算法，结果表明提出的方法明显优于其他对比算法。该方法增强后的结果图提高了对比度，对颜色进行了校正，改善了亮度不均匀的问题，同时增强了视觉效果，定性及定量分析结果说明了该方法的有效性。