基于跨模块注意力的3D目标检测方法研究（英文）

针对三维目标检测任务中利用点云数据在提取和传输目标特征过程中发生的特征丢失问题，提出一种跨模块注意力目标检测方法。该方法结合通道注意力模块和空间注意力模块来增强关键特征信息。通过特征转换，将注意力模块不同阶段的特征连接起来，以减轻提取和传输过程中特征的损失。针对目标检测网络中不同尺度目标检测性能不足的问题，提出了一种跨尺度特征提取和融合方法。该方法通过采用多尺度特征提取和融合技术增强了网络获取多级特征的能力。实验结果表明：所提方法在保持33 Hz实时推理速度的同时获得了先进的性能。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。     

用子波变换提取目标回波波形特征

本文分析了子波变换及其在特征提取中的应用，具体讨论了在Ｈａｒｒ子波基底下，用Ｍａｌｌａｔ算法提取雷达目标回波波形特征的实例，从中可以看到子波变换用于特征提取的很有潜力的发展前景。     

基于门控多尺度匹配网络的小样本SAR目标识别

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。     

利用RCS幅度信息进行雷达目标识别

本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。     

复杂背景下毫米波雷达目标识别的一种方法

针对毫米波雷达工作背景复杂、回波信号信杂比较低的情况，本文在对杂波信号双谱特性进行分析的基础上，提出一种基于双谱理论与假设检验思想的适用于强杂波下的目标识别方法。首先，对回波信号作双谱估计，然后根据回波双谱估计出杂波的分布，自适应地设定门限，以对双谱作相应处理，用于特征提取、目标识别。实验结果表明，经过处理的双谱抑制了大部分的杂波，保留了丰富的目标信息；识别系统在强杂波下仍然具有良好的识别结果。     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真，结果表明该方法除对噪声具有很好的拟制效果外，还有效地保留了目标回波波形特征，从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

复杂背景下低信噪比点目标的实时检测算法及实现

为检测复杂背景中的低信噪比 (SNR)点目标 ,提出了一种局部自适应门限检测算法。该算法以低通滤波算法估计背景中的低频成分 ,及图像局部方差估计背景起伏 ,来计算出局部自适应的目标检测判决门限。该算法充分考虑了可实现性和实时性并采用现场可编程门阵列 (FPGA)设计实现该算法。理论分析和试验结果都表明 ,该算法可有效抑制云层、树木、地物等背景杂波、检测出复杂背景下的低信噪比点目标 ,具有恒虚警率和易于工程实现的优点。     

多特征实时电视跟踪器

本文描述一种多特征实时电视跟踪器,应用3×3中值滤波器对目标图像进行预处理,采用SOBEL算法提取目标的边缘信息,利用目标灰度和边缘联合特征的贝叶斯分类算法检测和分割目标,在低对比度小目标情况下可以稳定跟踪目标,经外场试验取得满意的结果,该电视跟踪器已用于地空武器系统中。     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

基于声学亮点特征的水下目标回波模型

水下目标回波亮点结构是重要的目标特征，目标回波亮点时空特征的提取，是水下主动目标识别的一种有效方法，本文基于数学仿真的方法，研究了水下高频（20－35kHz)主动声学目标模型及仿真性能，建立了水下目标声学亮点数学模型，并给出了仿真结果，仿真表明：该模型反映了目标尺度特征，可用此模型生成的目标回波校验目标尺度识别器的性能。     

基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

雷达目标识别系统的层式软件结构

从雷达目标识别系统的实际需求和研制特点出发,借鉴模块化系统设计思想的优点,提出了以层为基础的分析方法,设计了识别系统软件的层式结构。基于该软件结构成功研制了适应于不同雷达的目标识别系统,并投入使用。理论分析和实际应用表明,层式结构可以合理组织不同的数据处理方法,适合于目标识别系统的研制开发,为创建通用的识别系统开发、测试及应用平台提供了体系结构和实现途径。     

雷达目标散射中心模型反演及其在识别中的应用

提出了一种基于散射中心模型的距离像识别方法。首先采用稀疏空间网格上的宽带测量数据离线反演目标散射中心模型,再将从距离像中实时提取的一维散射中心特征与该散射中心模型的一维投影进行匹配完成在线识别。在散射中心模型反演中,提出了稳定散射中心的概念并基于此完成稀疏空间网格下的一维散射中心投影关联。在识别过程中,通过设计合适的匹配函数解决散射中心参数估计误差和模型误差造成的散射中心数目、幅度和位置不完全匹配问题。仿真实验表明,对于精度较高的模型,基于模型的识别方法与基于距离像模板的方法识别率相当,而在存储量和灵活性方面优势突出。     

基于混合型专家系统的目标综合识别模型

鉴于目标识别在防空信息处理中的重要性 ,在对目标信息进行综合利用的基础上 ,利用人工智能原理 ,研究把专家系统、神经网络和证据推理相结合用于目标识别 ,建立了目标综合识别的专家系统模型 ,模拟专家识别思维。给出了知识库的构造方法及推理机制。该模型通过人工神经网络 ,实现了知识的并行处理和自动获取 ,具有自学习功能 ;再学习机制可对系统进行及时调整 ,增加或修改知识库的知识 ,具有很好的人机界面和实用性 ,对目标的综合应用识别具有很好的借鉴作用。     

高分辨率雷达距离像用于目标识别的研究

针对飞机目标的分类问题,研究将雷达目标的高距离分辨率(high range resolution,HRR)像用于识别的方法。介绍两类基于目标HRR像的特征:差分功率谱和微分倒谱,并选择基于SARPROP(simulated anneal-ing resilient propagation)算法的多层前馈神经网络作为分类器。利用4种飞机缩比模型的重点散射源二维分布测试数据和频率步进法,得到目标的一维距离像。对上述两类距离像特征进行了分类,结果表明,差分功率谱特征对于一维距离像具有较高的识别率,并具有较好的抗噪性能。     

基于深度学习的HRRP识别姿态敏感性分析

特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边...     

Radar Target Recognition Algorithm Based on RCS Observation Sequence——Set-Valued Identification Method

This paper studies the problem of radar target recognition based on radar cross section (RCS) observation sequence. First, the authors compute the discrete wavelet transform of RCS observation sequence and extract a valid statistical feature vector containing five components. These five components represent five different features of the radar target. Second, the authors establish a set-valued model to represent the relation between the feature vector and the authenticity of the radar target. By set-valued identification method, the authors can estimate the system parameter, based on which the recognition criteria is given. In order to illustrate the efficiency of the proposed recognition method, extensive simulations are given finally assuming that the true target is a cone frustum and the RCS of the false target is normally distributed. The results show that the set-valued identification method has a higher recognition rate than the traditional fuzzy classification method and evidential reasoning method.     

电子电路图的自动输入、理解及与ORCAD的链接

本文介绍一个最近由我们研制成功的电子电路图自动输入系统的构成与特点。利用本文提出的内、外边缘快速判决法及在“非环形”符号各端点加“黑点”的辅助措施提高了模式分离的可靠性。为了最大限度地利用原始信息，我们采用直接从光栅图中抽取特征的办法去识别字符与符号。在手写符号的识别中，我们提出了四边带投影的特征抽取方法并把它了引入到“决策树”的判决过程中，使识别率与识别速度都得到提高。当系统对整图的拓扑关系进行理解之后，还实现了与当前国际流行的ＣＡＤ软件ＯＲＣＡＤ的链接、使系统能以自动输入的方式支持自动布线与电路模拟。