基于模糊递归和最优硬阈值的局部投影降噪算法

针对原始局部投影降噪算法的局部邻域选取问题和子空间划分问题，提出了一种基于模糊递归图和最优硬阈值准则的局部投影降噪算法。首先，利用模糊递归图确定局部邻域范围；然后，再对邻域矩阵进行奇异值分解，并利用最优硬阈值准则对局部邻域的信号子空间和噪声子空间进行划分；最后，进行投影去噪。Lorenz信号的仿真结果表明，所提方法能够提高信噪比并降低均方误差，恢复原始吸引子的形态结构。对实测含噪心电图信号进行处理后，信噪比显著提高，验证了本方法的有效性。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

FDA-MIMO雷达目标距离、角度及未知互耦参数估计

针对频控阵-多输入多输(frequency diverse array multiple input multiple output, FDA-MIMO)雷达阵列间存在未知互耦合情况的参数估计问题, 提出一种基于数据转换的二维多重信号分类方法。首先, 构造了存在未知互耦合影响的接收信号模型。然后，通过子空间分解的方法得到用于参数估计的谱函数, 并且采用数据转换的方法来解决谱函数由于未知耦合矩阵存在而失真的问题。最后，利用得到的目标距离和角度参数的估计值, 通过类似线性约束最小方差重构优化问题, 估计出耦合系数矩阵。仿真结果验证了所提方法的有效性，能准确估计阵列间存在未知互耦合效应时的参数和互耦合系数。     

基于YOLO框架的无锚框SAR图像舰船目标检测

面向合成孔径雷达(synthetic aperture radar, SAR)多目标检测应用, 提出了一种基于YOLO (you only look once) 框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端, 通过采用无锚框方法更好适应所检测目标的大小, 便于多尺度目标使用。在此基础上, 给CSPDarknet53网络增加了注意力机制作为特征提取网络, 然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network, FPN)后, 把特征图传给无锚框检测头, 有效提升了目标类别和位置的预测精度。实验证明, 所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8%，达到了94.8%, 虚警率降低4.8%。