基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

一种基于谐波数估计的距离扩展目标检测算法

宽带雷达的目标回波信号分布在多个距离分辨单元内,被称为距离扩展目标。距离扩展目标信号傅里叶变换后在距离频率域可表示为由散射点强度和相对位置决定的不同幅度、频率和相位谐波叠加的谐波过程。将高斯白噪声中距离扩展目标检测问题转换为谐波过程的谐波数估计问题来进行目标检测。给出了高斯白噪声中使用总体最小二乘奇异值分解的谐波数估计的距离扩展目标检测器,对检测器的性能分析表明该检测器具有恒虚警性能。使用模拟数据和实测飞机数据的计算机仿真实验表明,本文提出的检测器比能量积累检测器有更好的检测能力。     

列车自动驾驶仿真系统算法及其实施研究

介绍了列车自动驾驶系统(ATO)的算法，该算法兼顾了列车运行的高效性、准时性、节能、停车精度、舒适性等功能。其中，节能算法采用按目标速度运行，最大限度利用惰行的控制方式，定时算法采用调整目标速度的启发式算法的方式。同时对列车正常及晚点运行的情况进行了计算机仿真实现，并与列车的实际运行情况进行了比较。该系统可以为进一步研究列车自动驾驶系统提供了有效的实验手段和方法。     

基于修正熵的距离扩展目标检测器

针对采用球不变随机向量(spherically invariant random vector, SIRV)建模的非高斯杂波背景下，目标散射点个数估计失配时，修正的依赖于散射点密度的检测器（modified scatter density dependent, MSDD)检测距离扩展目标存在一定的信噪比损失问题，提出了一种基于修正熵的MSDD检测器（modified entropy-MSDD, ME-MSDD）。ME-MSDD先采用修正熵对目标强散射点个数进行估计，然后对目标强散射点进行积累形成检测统计量。最后，针对不同的目标模型及实测目标一维距离像对检测器性能进行评估，结果表明，与不依赖于散射点密度的检测器（non-scatter density dependent, NSDD)、基于动态阈值的检测器（dynamic threshold, DT)和MSDD相比，ME-MSDD能根据实际观测值自适应地估计目标散射点个数，具有更好的检测性能和鲁棒性。     

基于YOLOv5的舰船目标及关键部位检测算法

为进一步提升对可见光图像中水面舰船目标的检测识别成功率, 提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络, 运用双向特征金字塔网络进行多尺度特征融合, 采用指数线性单元函数作为激活函数加快网络训练收敛速度, 提升算法鲁棒性, 从而实现了对水面舰船目标和舰船关键部位的快速准确识别。通过在舰船目标及其关键部位数据集上实验验证, 对比多个经典目标检测方法, 在识别准确率上均有不同程度提升, 对比原YOLOv5s模型, 平均精度均值提升3.03%, 速度提升2 FPS, 模型保持了YOLOv5轻量化的特点, 在应用部署上有良好前景。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

基于压缩感知测量值的扩展目标检测

针对宽带雷达扩展目标检测这一问题,提出了一种在复高斯白噪声背景下基于压缩感知(compressed sensing, CS)测量值的检测新方法。新方法将CS理论引入到宽带雷达扩展目标检测领域,首先通过构造sinc基来稀疏表示扩展目标的一维距离像(high resolution range profile, HRRP),再由复杂的近似消息传递(complex approximate message passing, CAMP) 算法从被复高斯白噪声污染的CS测量值中得到HRRP由sinc基线性表示的相关系数,最后由基于l-0范数的检测器实现扩展目标检测,同时经过推导得到虚警概率和检测概率。基于实测宽带雷达回波数据的实验结果表明,所构造的sinc基可以较好地稀疏表示扩展目标的HRRP；和传统的检测器相比,所提出的新方法可以更好地实现扩展目标检测。     

基于改进高斯混合模型的热工过程异常值检测

热工过程异常数据检测是进行系统建模、控制、优化的基础，也是数据处理的重要组成部分。提出一种基于改进高斯混合模型的无监督热工过程异常值检测算法，利用每一维高斯分量捕获一类特定工况数据集群，通过添加惩罚约束因子修正传统模型的后验概率密度，对误检、漏检项加以惩罚，并根据与集群的相关性差异实现异常数据的识别。仿真实验结果表明，模型在多种误差条件下均可准确定位异常数据位置，具有很强的泛化性能，同时相较于传统高斯混合模型，误检、漏检点的检测效果总体提升了37.8%和15%，反映出模型改进的有效性。     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。     

多尺度特征融合车辆检测方法

针对传统的车辆目标检测算法检测精度低,小尺度目标识别效果差等问题,提出了一种基于YOLOv4(you only look once v4)算法的目标检测方法,以提升对交通场景小目标车辆的检测性能。通过对YOLOv4网络进行再设计,使用MobileNetv2深度可分离卷积模块代替传统卷积,将CBAM(convolutional block attention module)注意力模块融合到特征提取网络中,在保证模型检测精度的同时减少模型参数。采用PANet-D特征融合网络融合获取到4个尺度特征图深浅层的语义信息,增强对小目标物体的检测能力。通过使用Focal loss优化分类损失函数,加快网络模型的收敛速度。实验结果表明,改进后的网络识别准确率达到96.55%,网络模型大小较原YOLOv4网络降低了92.49 M,同时检测速度比原网络提升了17%,充分证明了本算法的可行性。     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

高速机动目标长时间相参积累算法

在高速高机动目标的长时间相参积累过程中，跨距离单元和跨多普勒单元现象的出现会导致雷达回波增益急剧降低，进而影响雷达目标检测能力。针对上述问题，提出一种高效的长时间积累算法。该算法首先对脉压回波信号做keystone变换消除目标的距离走动，然后利用改进相参积累型平滑广义三阶相位函数与改进相参积累型平滑三阶相位函数分别完成对目标的二阶与一阶加速度的估计，最后使用De-chirp技术消除目标的高阶多普勒相位项，完成回波在距离-多普勒维度上的聚焦。由于所提算法利用了雷达回波的相参特性并通过恒定延迟引入机制，因此表现出优异的抗噪声性能与参数估计精度。仿真实验和理论分析都证实了所提算法的有效性与抗噪声鲁棒性。     

基于持续无监督域适应策略的水面漂浮物目标检测方法

针对漂浮物检测中小尺度目标和域转移问题，提出一种基于持续无监督域适应策略的漂浮物检测方法。该方法通过删除低分辨率特征图，增强高分辨率特征图，提升小尺度漂浮物的特征提取能力。同时，该方法整合无监督域适应、缓冲区和样本重放，降低应用场景中不断变化的域转移差异。并将改进检测网络与持续无监督域适应相结合，提升模型检测精度和泛化能力。通过在漂浮物数据集上实验验证，对比现有方法，该方法的检测精度达到82.2%,检测速度达到68.5 f/s,浮点数的算量减少到33亿，模型大小达到25.3 MB,扩展了目标检测在水面视觉中的应用。     

基于深浅层特征融合的舰船要害关键点检测算法

导引头对舰船要害部位的精确检测能力是精确制导武器的核心技术之一。针对导引头对舰船要害部位检测精度低、模型参数冗余、相对运动导致舰船图像尺度、角度变化剧烈等问题, 提出了基于深浅层特征融合的舰船要害关键点检测算法。首先，采用多尺度特征融合模块融合不同感受野的有效信息; 其次，利用SoftPool池化改善下采样导致的信息损失, 利于区分相似关键点; 然后，引入深度可分离卷积降低参数冗余, 结合轻量化注意力机制增强有效特征表达; 最后，利用在线难例挖掘改善样本不均衡, 提升收敛效果。改进后的舰船要害关键点检测算法准确率提升4.4%, 算法兼具检测精度与速度优势, 鲁棒性较好。     

基于目标极化适配的极化检测算法

极化检测是雷达目标检测的一个重要分支.在高斯杂波统计特征已知的情况下,极化白化滤波器(PWF)常被用于杂波中雷达目标的检测.假设目标的极化特性和杂波的统计特征均已知,为了利用目标的先验知识,提出了一种基于目标极化适配的检测算法,据此算法设计了极化适配检测器(PAD).PAD和PWF对低极化度高斯杂波中二面角的模拟检测结果显示,在低信杂比下,PAD算法具有较好的检测性能.     

D2D通信中基于帕累托占优的非合作博弈功率控制算法

D2D (device to device)通信系统中传统能效函数仅能捕获瞬时数据流量,而无法获取特定时间段内数据流量的能效。为此,本文将吞吐量和终端使用时间之积作为效用函数,以终端使用时间内的吞吐量最大化为目标,并将其建模为非合作功率控制博弈(non conperative power control game,NPG)问题并得到其纳什均衡解。然而,理论分析表明该纳什均衡解非帕累托有效,故而引入功率线性代价函数来改进效用函数。最后,为了得到帕累托占优解,应用超模博弈理论研究该纳什均衡解的特性,并设计出一个低复杂度的双层迭代最优价格均衡求解算法。理论分析和仿真结果表明所提算法不仅提升系统效用值和终端使用时间,还可以保持系统公平性。     

水声探空动目标参数测量方法

针对空动目标参数的水声探测,建立空中运动目标激发水声信号的瞬时频率模型和运动目标参数测量模型,首先采用分段互谱密度方法测量瞬时频率,然后采用局部线性化方法测量目标速度、通过时刻、水平距离等参数。最后，仿真分析与实验结果表明:测量精度受到噪声、采样时长、目标速度、水平距离等多种因素影响,当水平距离与速度的比值在10~15范围内时,测量精度较高;在仿真条件下,速度和距离的测量精度优于3.6%,通过时刻测量精度达到0.48 s;在实测条件下,两次实验数据得到的目标速度精度分别为7.5%和8.9%,距离精度分别为16.0%和20.3%。仿真和实测结果说明本方法的正确性和可行性较高。     

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征，易使得成像结果过稀疏而容易丢失部分弱散射的结构特征，进而影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像精度提升。为实现高精度ISAR超分辨成像，本文采用伯努利-拉普拉斯混合稀疏先验对目标统计特性进行概率建模，利用双层稀疏对目标先验进行统计约束，从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下，通过引入隐变量建模的方式对先验进行分层构建，在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断，降低模型复杂度。为避免繁琐的手动参数调整，实现超参数的自调节，本文对各随机变量建立条件概率依赖模型，并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题，实现相关超参数的统计估计，提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。     

改进YOLOv5的合成孔径雷达图像舰船目标检测方法

针对合成孔径雷达图像目标检测易受噪声和背景干扰影响，以及多尺度条件下检测性能下降的问题，在兼顾网络规模和检测精度的基础上，提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制，在确保轻量化的同时抑制了噪声与干扰，以提高网络的特征提取能力；融入加权双向特征金字塔结构以实现多尺度特征融合，设计了一种新的预测框损失函数以改善检测精度，同时加快算法收敛，从而实现了对合成孔径雷达图像舰船目标的快速准确识别。实验验证表明，所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset, SSDD)上的平均精度均值达到96.7%,相比于YOLOv5s提高1.9%,训练时收敛速度更快，且保持了网络轻量化的特点，在实际应用中具有良好前景。     

SOC光刻仿真3D实时显示方法研究

光刻仿真是SOC(System On Chip)光刻工艺的重要环节,为了实现仿真数据3D可视化,在光刻仿真程序SPLAT(Simulation of Projection Lens Aberrations via TCCs)基础上,提出了自动排序算法对SPLAT输出数据进行重新排列以便三维建模,建立了光照强度与深度转换模型,将光照强度数值转变为3D可视化的深度数据,论文最后设计了3D实时图形仿真程序并进行了实验。实验证明了自动排序算法以及转换模型的正确性和先进性,为超大规模SOC数据的3D交互式实时显示奠定了基础。