检测信息最优融合算法及性能分析

针对分布式多传感器检测信息融合问题进行了研究。首先在局部检测器规则已知的情况下,系统地研究了融合中心规则的优化问题。推导了不同性能指标下检测信息最优融合算法,在此基础上对各种方法的检测性能进行了系统分析,提出了一种N P检验准则下的融合算法,并研究了典型瑞利分布环境下的检测融合系统性能,给出了系统的对比结果。理论分析和仿真结果表明了该算法的有效性。     

一种低信噪比下点目标检测新算法

针对红外探测系统对远距离目标进行实时临控的应用场合,提出了一种快速点目标检测算法。该算法将原始图像序列分割成多个小段,通过递推使用速度匹配滤波,能快速得到图像序列中目标轨迹的能量,从而提高低信噪比下点目标的检测能力。与其它检测算法相比,新算法具有检测概率高、算法复杂低等特点。对算法的原理和性能进行了详细地分析,通过仿真实验证明了该算法的有效性。     

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。     

低信噪比下多频段雷达数据高精度相参配准

子带相参配准是多波段雷达数据融合技术首先要解决的问题,它直接关系到多波段数据融合的成败。基于数据相关与基于Prony模型的方法在弱噪声的条件下能取得比较理想的相参配准结果,但在噪声较强的条件下配准误差较大。本文分析了线性相位和固定相位对一维像的影响,在此基础上利用累加一维像的图像熵,提出了依据最小熵准则和非线性最小二乘拟合获得高精度相位参数估计的方法。仿真实验表明,本文所提出的方法在低信噪比条件下的参数估计精度优于现有的方法。     

一种新的低信噪比下的数字调制识别方法

针对数字调制识别在低信噪比下的应用,提出一种新的基于瞬时信息的调制识别算法。该算法一方面提出采用小波滤波器对信号的瞬时信息进行消噪处理,提高了调制识别算法在低信噪比下的识别能力;另一方面利用已有算法的3个特征参数σ_ap、σ_aa、和σ_fa以及在已有算法基础上改进的3个新的特征参数Ra、Rp和Rf,简化了识别过程,改善了低信噪比下的识别效果。仿真结果表明,该算法在信噪比低到5dB时,也能达到95.4%以上的识别率。     

低信噪比下非冗余阵列的无网格DOA估计

波达方向(direction of arrival, DOA)是阵列信号处理模型中的非线性参数,当信噪比较低时,其估计值会偏离真实值。为了降低无网格DOA估计方法中该问题的阈值,介绍了一种基于无网格的基于协方差的稀疏迭代估计(sparse iterative covariance-based estimation, SPICE)方法。引入了最大似然求根多重信号分类(maximum likelihood root multiple signal classification, ML-Root-MUSIC)来计算DOA,使用最大似然准则来选择根,可以降低阈值并获得更好的分辨率特性。在原始无网格SPICE的优化问题中加入了负熵项,使得无网格SPICE的均方根误差曲线更接近于Cramer-Rao下界。最后,蒙特卡罗仿真实验验证了所提方法在低信噪比非冗余阵列情况下的优越性。     

激光雷达的目标检测性能分析

讨论了激光雷达的单脉冲检测和多脉冲相关检测。在杂波背景下,单脉冲检测虚警概率较高,适宜工作在大信噪比条件下;多脉冲相关检测,根据目标的相关性,经过多次相关,可以提高检测概率,减小虚警概率,适宜于对弱小信号进行检测。但是,多脉冲相关检测以牺牲捕获目标时间换取高检测概率,相关次数多,捕获目标所用时间长,影响激光雷达对运动目标的迎头截获能力。在实际应用中,合理选取脉冲相关个数和门限是多脉冲相关检测的关键。     

分布式检测系统的幂求和融合准则

在基于局部检测统计量的分布式检测系统中,传统的直接求和融合准则在面对局部信噪比差异较大时,检测概率下降明显。在详细分析性能损失的原因之后,扩展出一类新融合准则。新准则通过对局部统计量的幂求和,实现对高信噪比数据的更有效利用。对一个双传感器并行分布式检测系统的仿真表明,高次幂求和在局部信噪比差异明显时,性能好于低次幂,当差异减小时则相反,低次幂求和的性能更好些。高次幂融合准则的鲁棒性更强。面对不同使用环境,应该综合考虑各局部传感器脉冲积累数目和局部信噪比的可能取值范围,从而选择合理的幂阶数进行融合。     

低信噪比下线性调频信号检测与参数估计

对低信噪比下线性调频信号的参数估计方法进行了分析 ,提出了首先由信号分段相关解线调的方法得到调频斜率的粗略估计 ,再以此估计值为初值 ,采用局部解线调的技术在一定范围内搜索计算 ,从而快速实现局部Radon Wigner变换检测 ,并给出了线性调频信号参数的极大似然估计。计算机模拟仿真证明了此方法的有效性。     

基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快.实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.     

Combining Radon-ambiguity transform with second-order difference to improve detection probability of LFM signals in low SNR

The Radon-ambiguity transform (RAT), although efficient for detecting the linear frequency modu-lated signals (LFMs), is troubled by the energy accumulation of noise in low signal-to-noise ratio (SNR). A second-order difference (SOD) method is proposed to treat with this problem. In the SOD method, the optimal search step and difference step are derived from the LFM rate resolution formula. The sharpness of the peaks of RAT is measured by curvature, and the sharpness, hut not the magnitude of the peaks, is used to detect the LFMs. The SOD method removes the noise energy accumulation and reserves the drastically changing components integrally; thus, it improves the detection probability of LFMs in low SNR. The expected performance of the new method is verified by 100 Monte Carlo simulations.     

New method for detection fusion of MAC based on DCM and NP rule

The problem of distributed detection fusion using multiple sensors for remote underwater target detection is studied. Considering that multiple access channel (MAC) schemes are able to offer high efficiency in bandwidth usage and consume less energy than the parallel access channel (PAC), the MAC scheme is introduced into the underwater target detection field. The model of underwater distributed detection fusion based on MAC schemes is established. A new method for detection fusion of MAC based on deflection coefficient maximization (DCM) and Neyman-Pearson (NP) rule is proposed. Under the power constraint of local sensors, this paper uses the DCM theory to derive the optimal weight coefficients and offsets. The closed-form expressions of detection probability and false alarm probability for fusion systems are obtained. The optimal detection performance of fusion systems is analyzed and deeply researched. Both the theory analysis and simulation experiments indicate that the proposed method could improve the detection performance and decrease the error probability effectively under power constraints of local sensors and low signal to noise ratio.     

一种稳健的雷达高分辨距离像目标识别算法

雷达高分辨距离像目标识别算法通常对目标回波的噪声大小比较敏感,如果测试样本和训练样本的信噪比不等,那么将会导致识别性能的下降。在实际应用中,需要识别算法在不同噪声强度下都能够保持稳健的性能,因此在概率主分量分析模型的基础上,提出一种稳健的雷达高分辨距离像自动目标识别算法。该算法能够让模型随着噪声强度的不同而自适应地调整其参数,并且分析了雷达数据的能量归一化处理对模型参数的影响。由于算法搜索时间较长,为提高算法的搜索效率,推导了一个快速算法。基于实测数据的仿真实验结果验证了方法的有效性, 对噪声有较好的稳健性。     

Long term integration of radar signals with unknown Doppler shift for ubiquitous radar

Ubiquitous radar is a new radar system that provides continuous and uninterrupted multifunction capability within a coverage volume. Continuous coverage from close-in pop-up targets in clutter to long-range targets impacts selection of waveform parameters. The coherent processing interval (CPI) must be long enough to achieve a certain signal-to-noise ratio (SNR) that ensures the efficiency of detection. The condition of detection in the case of low SNR is analyzed, and three different cases that would occur during integration are discussed and a method to determine the CPI is presented. The simulation results show that targets detection with SNR as low as -26 dB in the experimental system can possibly determine the CPI.     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

非凸运动辅助低秩稀疏分解目标检测算法

针对传统低秩稀疏分解(low rank and sparse decomposition, LRSD)用于视频运动目标检测时检测精度较低的问题,提出了一种鲁棒非凸运动辅助LRSD(robust nonconvex motion-assisted LRSD, RNMALRSD)的运动目标检测算法。该算法首先考虑到视频背景的低秩特性,采用非凸γ范数对秩函数进行逼近,考虑视频背景在变换域上仍然具有稀疏性,引入背景在变换域的稀疏先验。其次,引入运动辅助信息矩阵,使其融入前景的运动信息,表示每个像素属于背景的可能性,提高视频运动目标检测的准确度。然后,采用交替方向乘子法(alternating direction method of multipliers, ADMM)对提出的模型进行求解。最后,将提出的方法应用到视频运动目标检测上进行仿真实验。对实验结果的分析表明,提出的RNMALRSD方法比其他基于LRSD的运动目标检测方法具有更高的检测精度。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题,提出多星载光学传感器系统误差极大似然配准（maximum likehood registration,MLR）算法。通过一阶Taylor近似对非线性量测转换线性化,推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系,并基于视线交叉获得观测在状态空间中的近似投影,从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正,利用期望极大化迭代,实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性,且配准性能优越。     

双应力恒加寿命试验下相依竞争失效模型的统计分析

针对传统加速寿命试验仅考虑单一应力且假定产品各失效机理之间独立的问题,首先结合自适应逐步Ⅱ型混合截尾(adaptive type-Ⅱ progressively hybrid censored scheme, AT-Ⅱ PHCS)寿命试验,建立AT-Ⅱ PHCS双应力恒加寿命试验。其次,利用Marshall-Olkin二维Gompertz (Marshall-Olkin bivariate Gompertz, MOBG)分布构建产品失效机理间相依关系。然后,基于AT-Ⅱ PHCS双应力加速寿命试验下相依竞争失效数据,利用极大似然理论,计算了参数的极大似然估计(maximum likelihood estimation, MLE),采用渐近似然理论和Bootstrap抽样方法构建参数的置信区间(confidence interval, CI)。最后,结合一个实例对构建的相依竞争失效模型进行了算例验证,结果表明其具有很好的统计推断性能。     

双应力恒加寿命试验下相依竞争失效模型的统计分析

针对传统加速寿命试验仅考虑单一应力且假定产品各失效机理之间独立的问题,首先结合自适应逐步Ⅱ型混合截尾(adaptive type-Ⅱ progressively hybrid censored scheme, AT-Ⅱ PHCS)寿命试验,建立AT-Ⅱ PHCS双应力恒加寿命试验。其次,利用Marshall-Olkin二维Gompertz (Marshall-Olkin bivariate Gompertz, MOBG)分布构建产品失效机理间相依关系。然后,基于AT-Ⅱ PHCS双应力加速寿命试验下相依竞争失效数据,利用极大似然理论,计算了参数的极大似然估计(maximum likelihood estimation, MLE),采用渐近似然理论和Bootstrap抽样方法构建参数的置信区间(confidence interval, CI)。最后,结合一个实例对构建的相依竞争失效模型进行了算例验证,结果表明其具有很好的统计推断性能。