基于浅层空间特征融合与自适应通道筛选的目标检测方法

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合后的特征图谱进行自适应通道筛选后组装到SSD的网络中,强化全局信息在目标检测模型中的作用.最后...     

基于FPGA的实时整数霍夫变换

为了解决霍夫变换计算量大、难以实时实现及峰值检测不准确的问题,提出一种适合在FPGA上实现的基于两阶段快速搜索算法的改进整数霍夫变换,并将其在FPGA中实现。首先,设计了一种基于该改进霍夫变换算法的流水线结构,能够在单个时钟周期内完成霍夫空间的参数计算和累加;接着,设定3个参数阈值,以寻找霍夫子空间中的局部极值;最后,确定全局极值,实现直线参数的提取。采用实际图像在FPGA中进行实验验证,结果表明提出的算法占用硬件资源较少,其准确率达到93%以上。     

被动式光学运动捕捉系统丢点检测与补偿

针对虚拟人技术中被动式光学捕捉系统丢点或误匹配问题,利用标志点运动的连续性和局部相关性提出了一种检测和补偿的方法。注意到标志点运动的连续性,利用轨迹的二阶导数检测标志点畸变的时刻。由于标志点在人体分布的局部相关性,从刚性模型和线性模型两个角度,利用与畸变点相邻的标志点修正和补偿畸变点的真正位置。实验结果验证了所提方法的有效性。     

不完备检测下的劣化系统视情维修建模与优化

功能检测是对劣化系统开展视情维修的首要工作,由于技术条件和知识水平的限制,实际中对系统劣化状态的检测识别很难给出精确结果,势必影响视情维修工作的有效进行。针对这一问题,基于多级劣化系统检测维修马尔可夫链模型,通过对不完备检测因素影响下劣化系统寿命周期的3种情况进行分析,结合常见虚警和漏检两种检测错误,以长期运行费用率最低为目标,计算最优检测周期和维修阈值。通过实例,分析在检测不完备情况下检测周期和维修阈值对系统长期运行费用率的影响,并验证模型的有效性和合理性。     

基于连通树的兵棋推演热区检测算法

提出了一种基于连通树的热区检测算法, 可检测任意形状的热区, 目的是通过检测兵棋推演过程中军事行动频繁的区域, 为受训人员了解整个战场态势提供辅助参考. 算法在明确了热区定义的基础上, 首先构建连通树将数据集按连通区域进行最小划分, 再根据设定的密度阈值对连通树进行剪枝. 剪枝处理后的每棵连通子树是最终的热区. 理论和实验结果均验证了该算法的有效性.     

用综合识别法检测风廓线雷达湍流目标

风廓线雷达探测时,由于湍流回波信号弱,易受到地杂波的干扰。为了改善目标检测效果,分析得到地杂波的如下特点：地杂波为宽度很窄的高斯谱、地杂波关于多普勒零速度点对称分布、地杂波离多普勒零速度点很近、地杂波谱峰两侧有很大的梯度、相邻高度层上的地杂波谱峰值有很小的梯度。据此,提出了进行风廓线雷达目标检测的综合识别法。其主要步骤是：以分段平均法确定噪声电平,以谱的形状和谱宽大小进行初步识别,以分类检测去除地杂波影响,再适当进行连续性修正后得最终检测结果。实测数据处理表明：检测效果令人满意,不同波束的检测结果具有对称性,在弱信号时也可以取得合理的检测结果。     

基于修正核函数SVM的网络入侵检测

支持向量机分类方法在小样本、非线性情况下具有较好的泛化性能,在入侵检测系统中有着广泛的应用。针对入侵检测过程中可能出现的由两类样本不平衡造成的分离超平面偏移现象,以核函数所蕴含的黎曼几何为依据,引入一个伪一致性变换函数,对核函数进行修改,提高支持向量机的分类泛化能力,建立基于支持向量机的网络入侵检测系统,并对系统总体结构和运行机制进行了详细的描述。实验仿真表明,该系统可有效地提高入侵检测的准确率,改善由于数据集不平衡造成的支持向量机分类偏移的情况。     

复杂信号环境下非合作突发通信信号的实时检测

现有未知突发信号检测算法是基于噪声加单一突发信号的简单假设的,在实际复杂信号环境会产生大量虚警而失效。针对实际非合作突发通信信号的检测环境除噪声外还包含多个连续信号和一些短突发干扰信号,建立了复杂信号环境模型,提出了适用于此环境的基于短时傅里叶变换(short time Fourier transform, STFT)的时序检测器。该检测器利用突发通信信号时间上短持续的特点剔除连续信号和短突发干扰造成的虚警。对该检测器的检测性能进行了分析和仿真,结果表明在复杂信号环境中当常规检测器由于虚警概率很高失效时,该检测器可以同时获得较低的虚警概率和较高的检测概率,因而适用于复杂信号环境中非合作突发信号检测。该检测器运算量小,易于实时实现。     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar, SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l₁范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。