基于北斗GEO卫星信号的目标成像研究

利用北斗导航卫星信号进行目标成像目前还处于研究和探索阶段,文章为此针对北斗卫星B1和B3频段信号的特点设计了利用北斗地球静止轨道(Geostationary Earth Orbit,GEO)卫星进行目标成像的算法,并进行了基于点目标成像的仿真实验,实验比较了B1和B3信号的目标成像效果。仿真实验结果表明能够利用北斗B1和B3信号进行目标成像,而且B3信号的成像分辨率优于B1信号。最后通过现场实验对直达和反射信号进行了研究,验证了利用北斗GEO卫星B3信号对目标进行探测和分辨的可行性。     

脉冲激光引信信号处理技术研究

分析了六象限脉冲激光引信的工作原理,以直升机为目标,建立了识别直升机旋翼和机身目标信号的识别准则.分析了对信号进行预处理的必要性及信号预处理电路的功能,用DSP硬件和软件实现了在复杂环境下判断有无目标以及当有目标时判断目标的距离与方位,给出了相应信号处理的软件流程.实验结果表明,用DSP技术实现脉冲激光引信信号处理是可行的.     

LFM体制雷达中多目标信号分离方法研究

为了从复杂的回波信号中分离出目标信号,本文提出了一种适用于线性调频（LFM）体制雷达的多目标信号分离方法,它从距离、速度与方位角三个层面滤波,分离出待测信号。信号分离方法中采用了自适应最小方差无失真响应滤波器（MVDR）,对含有多目标的回波信号进行空域滤波,从而有效分离出目标信号。对线性调频体制雷达的回波信号进行仿真并作信号处理,结果表明了本文所提信号分离方法的有效性,从而为目标识别器的研制以及干扰抑制等提供了一种有价值的方案。     

线性调频体制雷达中多目标信号分离方法研究

为了从复杂的回波信号中分离出目标信号,提出了一种适用于线性调频(LFM)体制雷达的多目标信号分离方法,从距离、速度与方位角三个层面滤波,分离出待测信号。信号分离方法中采用了自适应最小方差无失真响应滤波器(MVDR),对含有多目标的回波信号进行空域滤波,从而有效分离出目标信号。对线性调频体制雷达的回波信号进行仿真并作信号处理,结果表明了所提信号分离方法的有效性,从而为目标识别器的研制以及干扰抑制等提供了一种有价值的方案。     

基于北斗地球静止轨道卫星信号的目标成像研究

利用北斗导航卫星信号进行目标成像目前还处于研究和探索阶段,为此针对北斗卫星B1和B3频段信号的特点设计了利用北斗地球静止轨道(geostationary earth orbit,GEO)卫星进行目标成像的算法;并进行了基于点目标成像的仿真实验。实验比较了B1和B3信号的目标成像效果。仿真实验结果表明能够利用北斗B1和B3信号进行目标成像;而且B3信号的成像分辨率优于B1信号。最后通过现场实验对直达和反射信号进行了研究,验证了利用北斗GEO卫星B3信号对目标进行探测和分辨的可行性。     

基于物理模型法的目标地震动信号建模与仿真

在战场地面目标探测的研究中,由于地形地势复杂多变,为了获得典型目标(人员、车辆)在各种地形地质条件及各种运动状态下充分的样本信号,提出了一种基于弹簧阻尼等效物理模型的建模方法。该方法通过对目标与地面作用过程及地震动信号传播机理的分析,运用物理模型推导得出目标激励函数;并主要以弹性波动方程中赫姆霍兹解法为基础,最终建立了信号传播介质微粒的速度模型。而后在MATLAB环境下,利用该模型仿真得到不同条件下的目标地震动预测信号。仿真结果表明,预测信号与实测信号符合很好,目标信号模型构建正确。该模型将对目标地震动信号库的建立具有重要意义。     

基于时间反演的多目标信号自适应配对方法

信号配对是多目标无源探测需要解决的首要问题,若目标辐射信号具有相同特征,采用传统的信号分类配对方法难以实现有效的配对,从而产生虚假目标。本文提出了一种基于时间反演的多目标信号自适应配对方法,通过收发信道的匹配滤波特性,在时域和空域上对干扰信号进行滤除,使目标信号在探测空间中自适应地形成时空聚焦区域,并在焦点处反演出目标辐射波形,自适应地实现了接收信号的配对。仿真结果验证了本方法的正确性和实用性。     

雷达低可观测目标探测技术

 复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点。一方面,强杂波背景和目标复杂运动使得信号微弱,时频域难以区分;另一方面,传统雷达体制回波信号资源受限,难以实现对目标信号的精细化描述,亟需发展雷达目标探测新体制和新技术。本文归纳总结了低可观测目标探测面临的技术难点,系统回顾了常用的雷达动目标检测方法,最后从目标探测技术和手段两方面对雷达低可观测目标探测的发展进行展望。     

一种毫米波防撞雷达频域恒虚警处理新方法

针对毫米波防撞雷达中目标信号检测虚警率高的问题,提出一种基于有序统计量在瑞利分布杂波背景下的频域恒虚警检测(OS-CFAR)的方法。该方法通过对雷达差频信号的频谱进行检测,对检测后的信号进行杂波对消,使系统从雷达中频信号的频谱中检测出目标信号的谱线并滤除杂波。准确检测目标的同时去除干扰,从而降低目标信号检测虚警率。仿真结果证实了该方法适用于多目标干扰环境,能有效对抗杂波干扰,具有良好的虚警控制能力,提高了雷达系统的有效性。     

超宽带在煤矿井下穿透障碍物杂波信号的抑制方法

传统的奇异值分解、主成分分析、独立成分分析等谱分析方法很难分离目标信号和杂波信号。根据煤矿井下杂波信号起伏较大的特点,利用经验模态分解与参考独立分量分析(ICAR)联合抑制超宽带在煤矿井下穿透障碍物杂波信号。仿真结果表明:改进的ICA-R方法抑制杂波效果显著,分离出的目标回波幅度得到提高,消除了杂波区域中起伏信号的影响。该方法可以抑制杂波对目标信号的影响,有效地分离出目标信号。     

探地雷达目标检测中的加窗统计量定位方法

 目标检测与定位是探地雷达的一个重要问题。目前,多数检测与定位方法都是通过判断探地雷达信号中的双曲线特征实现的。在检测目标大致区域的基础上,要实现目标定位,无论是合成孔径算法还是叠加-幅度波速法,都存在计算量大的问题。现有的统计量方法还需依赖霍夫变换方法检测出双曲线,算法也较复杂。根据探测背景介质结构相似及在探测方向上利用整个A-scan进行统计量计算干扰较大的特点,提出了一种探地雷达目标快速定位方法。首先以能量和方差为统计量,在深度方向上判断出目标区域的时间窗口,而后在探测方向对A-scan加窗,只选择该窗口下的部分A-scan数据,以能量为统计量确定目标的位置。由于仅采用方差、能量两个统计量进行计算,算法实现比较简单,并且采用时间加窗方法去除了回波数据上大部分与目标无关数据的干扰,对目标的定位准确度较高。实测数据表明,该方法适用于探地雷达目标检测中对目标的快速准确定位。     

感知用户的Item-based协同过滤算法

传统的Item-based协同过滤算法中,项目相似度与目标用户是无关的,这可能导致计算出来的项目相似度,对于目标用户来说是不准确的.针对这个缺陷,提出了一种感知用户的Item-based协同过滤算法.该算法综合考虑到目标用户对项目相似度的影响,为不同的用户建立了不同的目标相似度.采用MovieLens数据集作为测试数据,平均绝对误差作为评价指标,实验结果表明,该算法可以有效地提高准确率.     

基于小波多分辨率分析的机动目标跟踪算法

研究了一种基于多分辨率分解的机动目标跟踪算法,该算法利用小波中的经典算法——Mallat算法对单一分辨率的量测数据进行多尺度分解,将分解得到的多分辨率量测数据用于目标状态更新。仿真结果表明,该算法具有较好的跟踪性能。     

基于相似度的神经网络多源迁移学习算法

为了解决迁移学习中的"负迁移"问题,提出了基于相似度的神经网络多源迁移学习算法。该算法是以经典的BP神经网络模型为基分类器,利用梯度下降法对各个源领域与目标域之间的相似度进行学习和优化,把各个源领域的网络权重参数信息按照与目标域之间的相似程度迁移到目标域中,提高机器学习算法在目标域的分类性能。在UCI数据的Letter-recognition数据集以及20Newsgroups文本数据集上进行实验。实验结果表明了MTL-SNN算法比传统的多源迁移学习算法以及BP神经网络算法在分类准确率上有所提升,因此MTL-SNN算法有效地解决了"负迁移"问题。     

一种改进的Grover量子搜索算法

经分析发现,Grover量子搜索算法及Long的改进算法均无法达到100%成功概率的搜索结果,为此在Long的改进算法基础上提出了一种新的搜索算法.它主要将相位取反替换成具有自适应调整特点的、与目标数据量和数据总量有关的相位旋转,当目标数据量为数据总量的1/2时,将数据总量扩展2倍,这样算法的搜索可以做到100%的成功概率.通过对背包问题的仿真研究表明,所提算法优于Grover算法和Long的改进算法,其求解速度快、准确率高,在带有数据误差的实际问题求解中进行相位匹配能够得到满意的效果.     

基于概率假设密度滤波的红外弱小目标跟踪

目标数未知或随时间变化是红外弱小目标跟踪技术的一个难题。为解决这个问题,提出了基于概率假设密度滤波的红外弱小目标跟踪算法。从数据关联的角度出发,将目标集看作随机集,利用概率假设密度滤波的数据关联算法实现目标数未知的红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率假设密度滤波可以稳健地跟踪红外弱小目标的目标状态和目标数目。     

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。     

审计信息系统全覆盖联网数据精准定位方法

针对传统数据定位方法中存在的定位精度较低、时间较长等问题,提出审计信息系统全覆盖联网数据精 准定位方法。采用近邻方法对审计信息系统全覆盖联网数据关联进行分析,引入相关品质函数理论,将传感器 获取的多特征数据转入到关联判决过程,计算关联测度。在此基础上,根据关联测度的计算结果,通过改进的 KCF 算法组建目标跟踪器,利用跟踪器获取目标具体的运行状态,采用数据关联算法得到目标相对应的跟踪集 以及检测集,根据加权融合三特征的跟踪结果,准确获取审计信息系统中各个目标数据的具体位置,实现数据 精准定位。仿真实验结果表明,所提方法能快速准确获取审计信息系统全覆盖联网数据的具体位置。     

一种改进的支持向量数据描述算法

数据描述只使用目标集训练样本获得关于目标集的描述,支持向量数据描述（SVDD）是一种有效的单值分类数据描述算法,根据分类边界线上的支持向量之间距离的大小。利用距离的相似度来对训练集进行约减,实验结果表明,该算法与传统SVDD相比减少了训练时所需的支持向量数目,因而减少了测试时间,同时分类性能也稍有提高．     

基于Mask R-CNN的多目标跟踪算法

针对目前多目标跟踪算法在面对目标频繁遮挡时跟踪效果较差的问题, 提出采用Mask R-CNN作为检测器, 根据检测结果利用Kalman滤波器预测下帧图像中跟踪目标的位置, 用改进匈牙利算法进行数据关联, 并利用轨迹修正方案应对轨迹中断问题. 将该算法在MOT16数据集的各测试集上进行实验, 实验结果表明, 该算法目标跟踪准确率为55.1%, 且针对目标被遮挡问题效果较好.