地面车辆目标识别研究综述

地面车辆目标是重要的民用和军事目标,车辆目标的识别研究对于智能交通管制和国防安全具有重要应用价值.本文对地面车辆目标识别的国内外研究现状和应用背景进行综述,对现有的地面车辆目标探测手段、特征提取及分类方法进行梳理总结,最后对地面车辆目标识别技术的发展趋势进行展望,预期为地面车辆目标的分类和识别研究提供参考和借鉴.     

基于PXA255的手持示波器械的设计与实现

介绍一个手持式示波器的设计与实现.信号采集卡为独立硬件.负责采集数据.通过网络接口传给开发板.开发板负责数据处理以及用户交互.本项目采用了基于Intel PXA255的开发板,软件平台采用Linux操作系统.由于轻便小巧,其功能可以替代普通示波器,具有手持设备和虚拟仪器的优点.结合实例介绍了使用Qt/Embedded图形库进行软件开发.对基于Linux的嵌入式系统应用开发有很好的借鉴意义.     

挖掘机回转平台及三角架典型工况的有限元分析

采用有限元分析方法,建立了挖掘机平台结构的三种最危险工况下的有限元模型,分析了平台及三角架的强度和刚度,找出结构的薄弱环节是三角架的刚度偏弱,以及平台与三角架连接的部分出现应力集中的现象。这为进一步优化结构、改进设计提供了依据。     

基于压缩感知的多目标认知成像方法

为利用有限雷达资源实现对多ISAR目标的实时高分辨成像,提出了一种基于压缩感知的相控阵雷达多目标稀疏孔径认知高分辨成像方法．在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和成像积累时间的雷达资源动态分配函数,并给出了成像质量评估标准,最终实现了有限雷达资源条件下不同ISAR目标的高分辨认知成像．仿真结果表明,利用该方法成像不仅可以减少雷达成像发射脉冲数,而且可以有效减少雷达观测时间,同时还能获得高质量的目标ISAR像．     

不同工况参数对酚醛树脂基无石棉闸瓦材料摩擦性能影响

针对WSM–3型酚醛树脂基无石棉摩阻材料,搭建实验装置研究WSM–3型闸瓦材料与16Mn钢摩擦副摩擦性能。根据实验数据,研究了瞬态/平均摩擦系数随不同接触压力、不同滑动速度及不同接触表面温度的变化规律,在考察多种曲线的基础上,分析瞬态/平均摩擦系数在不同工况参数下的变化特性,并探讨了闸瓦材料摩擦性能的变化机制。实验证实,闸瓦材料的摩擦性能不仅具有强烈的系统依赖性,而且与系统的工况因素具有强耦合性,在闸瓦材料摩擦学设计中将瞬态/平均摩擦系数视作变量是必要的。     

天线孔径动态分割下的雷达一体化系统资源调度

传统的单一孔径天线只能在时间上进行任务调度,任务较多时易出现较大丢失率。孔径动态分割条件下,天线的任务管理和执行可以在时间、孔径二个维度进行,任务完成度更高。首先分析了孔径动态分割下的任务特点,引入机械设计中的矩形件排样思想,提出了时间、孔径二维条件下的资源管理问题;其次设计了数据结构,依据先入先出的更新规则,提出了天线孔径动态分割的雷达-通信一体化系统资源调度方法,并进行性能分析。仿真实验证明,该算法具有更低的任务丢失率和更高的资源利用率。     

低信噪比条件下雷达目标微多普勒信息提取

为了实现目标的分类、识别与成像,须研究其微多普勒效应.微多普勒信号通常被目标主体信号淹没,给微动特征的准确提取带来了困难.研究了低信噪比条件下由目标部件旋转引起的微多普勒信息的提取问题,提出了基于谱图域的目标主体信号剔除和微多普勒特征参数提取方法.仿真实验表明:在信噪比为-50dB条件下,该方法仍能取得较好的效果.     

稀疏线性调频步进信号ISAR成像观测矩阵自适应优化方法

基于压缩感知(CS)理论的稀疏线性调频步进信号(SFCS)逆合成孔径雷达(ISAR)成像技术能够从少量观测数据中高概率重构出目标像,其中,观测矩阵的优化设计是提高成像质量和减少观测数据量的有效途径。然而,现有的观测矩阵优化设计研究通常没有考虑目标特征信息的有效利用,对目标的自适应能力不足。因此,该文在充分利用目标特征信息的基础上,结合稀疏SFCS信号的实际物理观测过程,提出一种ISAR成像观测矩阵自适应优化方法。该方法首先建立参数化稀疏表征成像模型以解决稀疏SFCS信号多普勒敏感问题,在此基础上,以在达到成像质量要求条件下使用最少观测数据量获得最优成像结果为目标对观测矩阵进行自适应优化设计,最终能够利用最少的数据量获得满意的目标成像结果。仿真实验验证了该算法的有效性。     

基于跟踪脉冲的MIMO雷达多目标微动特征提取

微动特征是空间目标识别的重要特征信息之一。然而,现有的多功能多输入多输出(Multi-Input Multi-Output, MIMO)雷达通常需要在完成目标搜索和跟踪任务之后为目标微动特征提取分配大量连续的时间资源,导致目标识别实时性能和雷达系统整体工作性能均不高。针对该问题,该文提出了一种基于跟踪脉冲的MIMO雷达多目标微动特征提取方法。首先依据各目标的方位信息对MIMO雷达发射波形进行设计,为不同方向目标同时发射跟踪脉冲;在此基础上,综合考虑目标微动特征提取性能以及目标跟踪性能的需求,对跟踪脉冲的发射时间序列进行优化设计;最后,直接利用窄带跟踪脉冲实现对不同方向目标微动特征的同时提取,无需再为目标微动特征提取分配额外的时间资源,有效提升目标识别实时性和雷达工作效率。仿真实验表明,在信噪比大于–10 dB时,所提方法能够实现多目标微动特征的准确提取,具有良好的有效性和鲁棒性。      

基于贝塞尔函数基信号分解的微动群目标特征提取方法

微动特征提取是群目标分辨的有效手段,以往针对孤立目标的特征提取技术不再适用。针对此该文提出了一种基于信号分解的微动群目标特征提取方法。首先通过分析微动信号的正弦调频(SFM)形式,推导了SFM信号相位项在k-分辨率贝塞尔函数基上的分解结果;然后根据回波分解结果中微动频率与函数基的一一对应关系进行频率粗略估计,并针对误差产生原因给出了精确的微动频率估计方法;最后在离散信号相位解模糊的基础上,完成各子目标的微动频率提取。仿真实验验证了算法的有效性,且与正弦调频傅里叶变换(SFMFT)算法和平均幅度差函数(AMDF)算法相比具有更高精度。