排序方式: 共有11条查询结果,搜索用时 296 毫秒
1.
为提高海事监测中高频地波雷达(High Frequency Surface Wave Radar,HFS-WR)对运动目标的检测准确率,提出了一种基于频谱细化和小波尺度谱重排时频分析的运动目标检测算法.对HFSWR的接收信号进行频率细化处理以提高后续时频分析的频率分辨率;然后,进行基于Morlet小波的时频分析以提取目标的时频分布特征,为提高时频分布的集中性和抑制交叉项干扰,对小波尺度谱进行重排;根据得到的时频分布特征实现可疑目标区的精确检测.实验结果表明:该算法能有效检测多普勒频率相差很小的运动目标以及海杂波附近的运动目标,可用于对常规目标检测算法无法判定的可疑目标区域进行精细、准确的目标检测与分析. 相似文献
2.
本文简要介绍中国海洋大学工程学院自动化及测控系在机器人教学和竞赛组织方面的基本情况,针对性地提出将DELTA并联机器人应用于实践教学,并详细介绍实验系统的软硬件结构、实验项目和内容,设计实验的运行机制。 相似文献
3.
该文介绍了一种全新的车载电子设备浪涌冲击试验装置。该装置是在传统的RC充放电脉冲生成电路原理的基础上以FPGA为控制核心,用大容量接触器进行脉冲种类的切换选择,并通过高速大功率IGBT管控制电容的充放电,实现浪涌脉冲的模拟冲击输出,达到浪涌冲击试验的目的。 相似文献
4.
5.
为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题,本文提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法首先利用Shannon小波熵作为目标函数,根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数,使得后续重排尺度谱的时、频分辨率同时达到最佳。然后再对重排小波尺度谱进行基于奇异值分解的降噪处理,以抑制环境噪声的影响,进一步提高时频分布的可读性。实验结果表明:与传统的时频分析算法相比,本文提出的算法具有更好的时频聚集性和较强的噪声抑制能力,能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。 相似文献
6.
为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法. 相似文献
7.
高频地波雷达(high frequency surface wave radar,HFSWR)对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海事检测的关键和难点.该文提出了一种结合误差自校正极限学习机(error self-adjustment extreme learning machine,ES-ELM)和分数阶傅里叶变换(fractional Fourier transform,FRFT)的多目标自适应检测算法.算法根据相空间重构理论获得ELM的最佳状态空间,利用ES-ELM建立海杂波预测模型并对海杂波进行有效抑制;再在分数域根据目标信号的峰值集聚特征,利用Haar-like算子提取目标点的形态特征,并通过ES-ELM神经网络对目标进行自动辨识.实验结果表明,该文提出的算法具有良好的海杂波抑制能力,并可以实现海杂波背景下多运动目标的自适应高精度检测. 相似文献
8.
为了实现非限制环境中水下机器人基于视频图像的水下鱼类目标快速检测,提出基于改进YOLO和迁移学习的水下鱼类目标实时检测算法.针对YOLO网络的不足,设计适合水下机器人嵌入式系统计算能力的精简YOLO网络(Underwater-YOLO).利用迁移学习方法训练Underwater-YOLO网络,克服海底鱼类已知样本集有限的限制.利用基于限制对比度自适应直方图均衡化的水下图像增强预处理算法,克服水下图像的降质问题.利用基于帧间图像结构相似度的选择性网络前向计算策略,提高视频帧检测速率.实验表明,文中算法能实现在非限制环境下海底鱼类目标的实时检测.相比YOLO,文中算法对海底鱼类小目标和重叠目标具有更好的检测性能. 相似文献
9.
针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性. 相似文献
10.