一种针对海面SAR图像的视觉注意模型设计

在研究了经典ITTI等视觉注意模型的理论基础上,结合海面SAR图像背景及目标特点,对传统视觉模型应用于海面SAR图像的缺陷进行分析总结,提出一种适用于海面SAR图像视觉注意模型设计算法。首先,模型借鉴经典ITTI模型的基本框架,选择并提取了能够较好描述SAR图像的纹理和形状特征,求取相应的特征显著图;其次,采用新的特征显著图整合机制替代经典模型的线性相加机制进行显著图融合得到总显著图;最后,综合各特征显著图下注意焦点的灰度特征,选择最佳的显著性表征,完成通过多尺度竞争策略对显著图的滤波及阈值分割实现显著区域的精确筛选,从而完成SAR图像的显著区域检测。实验采用Terra SAR-X等多幅卫星数据进行仿真实验,结果验证了模型良好的显著性检测效果,更符合实际高分辨率图像目标检测的应用需求。通过进一步与经典视觉模型对比分析,模型在改善了由斑点噪声和不均匀的海杂波背景对检测结果产生的虚警影响的同时,检测速度也较之提高了25%~45%。     

基于频谱残差视觉显著计算的高分辨SAR图像舰船检测算法

分析了高分辨率SAR图像中海洋背景和舰船目标的特点,针对高分辨率SAR图像提出了一种两阶段舰船目标快速检测算法:第一阶段采用改进的频谱残差视觉显著计算模型快速获取视觉的感兴趣区域;第二阶段检测阶段,结合贝叶斯理论二元假设检验的思想,设计了一个局部最大后验概率分类器进行像素分类,经参数估计、判决准则完成显著区域内像素二分类以实现目标检测。实验采用典型的高分辨率SAR卫星Terra-SAR-X卫星数据进行仿真实验,结果表明所提算法具有良好的检测性能,也更加符合实际高分辨率图像舰船目标检测的应用需求。通过进一步实验与以往检测算法的对比得出结论,高分辨率SAR图像舰船目标检测方法在能够改善由斑点噪声和不均匀的海杂波背景对检测结果带来虚警的同时,检测速度也提高了25%~50%。     

基于SVM的高分辨率SAR图像舰船目标检测算法

针对高分辨率合成孔径雷达(SAR)图像舰船检测对检测精度、智能化水平、实时性和处理效率的要求,在研究了高分辨率SAR图像海洋背景和目标特点的基础上,提出了一种基于支持向量机的高分辨率SAR图像舰船目标检测算法。算法首先设计了一个对分块区域进行线下训练的支持向量机(SVM)分类器对SAR图像分块进行舰船目标区域筛选,进而实现对包含不同观测部分的舰船目标分块的筛选,之后对筛选出的舰船目标区域进行最大熵阈值(KSW)算法进行舰船目标精细检测。采用TerraSAR-X等多幅商业卫星数据进行了实验验证,通过与经典CFAR检测算法的对比得出结论,算法在改善了由斑点噪声和海洋杂波背景不均匀导致检测结果产生大量虚警的同时,检测速度也较之提高了20%~35%。     

基于分段匹配的脉冲压缩检测算法设计与实现

在雷达信号检测环节,针对长周期信号进行整段脉压检测会出现耗时较长和占用资源较多的问题,采用一种通过分段匹配实现局部脉压检测的算法。首先将接收到的回波信号按一定规则分段,逐段匹配滤波并在各自段内进行滑窗检测,筛选数据后将初次判决后的结果保存。经过多个脉冲周期以后,将保存的数据进行对齐排列,精细化处理后实现二次判决,最终确定目标结果。仿真及测试结果表明,与传统的先压缩再积累检测的方法相比,该方式可以有效滤除处理环节中出现的大量无用信息,节省资源,易于实现。     

反潜巡逻机应召布放多基地声纳阵搜潜效能研究

为提高反潜巡逻机传统应召搜潜效能,提出采用反潜巡逻机应召布放多基地声纳阵的方法.在传统方法的基础上,根据已知的潜艇信息,利用多基地声纳的优势建立反潜巡逻机应召布放圆形、方形、三角形多基地声纳浮标阵搜潜模型,依据声波衰减原理,通过Matlab仿真初始距离,潜艇初始概略分布、潜艇经济航速、布放半径和被动浮标布放个数对各方案搜潜效能的影响.仿真结果表明:3种多基地阵方案的搜潜效能随着初始距离、初始概略位置分布、潜艇经济航速的增大而减小.在相同条件下,圆形多基地阵的搜潜效能最佳,且相比同样基于传统方法的圆形被动浮标阵搜潜效能提高明显,并能根据实际情况选择合适的布放半径和被动浮标布放个数.该方法适用于反潜巡逻机应召搜潜,对反潜作战具有一定的军事意义.     

一种改进的支持向量机回归故障预测方法

为实现装备的故障预测,把支持向量机(SVM)作为基础学习算法,采用加权支持向量机回归方法,对突变点赋予较大的权值,增强对突变点的训练,提高故障预测精度。采用权重自适应裁剪方法,通过计算样本点的回归权重,剔除权重较小的样本点,减少每次参与训练的样本个数,提高预测速度。选定合适的核函数及相关参数,建立故障预测模型,研究以某通信电台为例,验证了算法的有效性和优越性。