便携式瞬变电磁系统探测未爆弹反演算法优化

虽然便携式瞬变电磁系统适用于复杂地形条件下的未爆弹探测,但数据处理速度对其探测效率影响较大,为提高数据处理速度,对影响反演效率的因素进行了优化。采用吉林大学电磁传感技术实验室制作的便携式瞬变电磁系统获取目标响应,基于磁偶极子正演模型选用差分进化(DE:Differential Evolution)算法对数据进行反演。通过对数据预处理和DE算法参数优化,极大提高了反演速度。实验结果表明,采用优化后DE算法反演未爆弹位置参数和特征响应与常规DE算法反演得到的结果基本相同,定位误差在6 cm之内,计算用时为常规DE算法的1.4%。     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

空间目标进动特性及在雷达识别中的应用

针对弹道导弹防御系统中弹头目标的自旋特性,建立了锥体目标的进动数学模型,并基于进动参数推导出反映目标质量特性的特征量.通过对锥体目标RCS回波数据进行多项式拟合来估计进动参数,以此为弹道导弹目标雷达识别提供可靠的技术途径.实验结果表明在低信噪比、考虑目标平动条件下算法能够有效估计出目标的章动角.     

岩体质量等级分类预测方法及其工程应用

为准确地预测前方岩体质量,提出基于隧道地震波勘探系统和可拓理论的岩体质量等级分类预测方法。通过对数百例典型地震波探测数据的系统收集与归类分析,遴选出隧道地震波勘探系统可有效识别的、可表征岩体质量等级的物理力学参数作为分类预测指标,并根据隧道地震波场响应特征,提出岩体质量分类预测指标体系的分级标准,建立隧道岩体质量等级分类预测的物元可拓模型。通过TSP探测技术获取预测指标取值,对其进行无量纲化处理,并利用简单关联函数法确定预测指标的权重。研究结果表明:岩体质量分类预测结果与属性识别模型、GA_SVM评价结果及现场情况具有较好的一致性,验证了该方法的可行性和准确性,提供了一种可应用于施工阶段的岩体质量等级预测方法。     

基于多天线FMCW雷达的人体行为识别方法

提出一种基于多天线调频连续波(frequency modulated continuous wave, FMCW)雷达的多参数融合神经网络(fusion neural network, FNN)人体行为识别方法。针对FMCW雷达参数估计算法角度分辨率不足以及在估计目标个数错误的情况下会降低精度的问题,提出一种结合最小功率无失真响应(minimum power distortionless response, MPDR)波束形成与快速傅里叶变换(fast Fourier transform, FFT)的距离-方位角参数联合估计算法。利用2个相互垂直的线阵雷达捕捉人体行为,使用参数联合估计算法估计人体目标各回波点在水平与垂直方向的距离、角度参数。构建FNN,从参数估计结果中提取并融合人体行为在水平与垂直方向的空间与时间特征,根据融合特征实现人体行为识别与分类。实验结果表明,FNN方法对人体行为识别的准确率相比传统三维卷积神经网络(3D convolutional neural networks, 3D-CNN)提升了4.37%。     

水下目标工频磁场扰动信号检测方法研究

为了解决水下目标磁场近程化探测中磁信号衰减快、干扰强及扰动特征不明确、无法有效探测信号等问题,提出了一种基于混合神经网络与注意力机制(Att-CNN-GRU)的工频磁场水下目标时间序列扰动信号检测方法。将CNN,GRU神经网络与Attention机制相结合拟合信号,构建分类神经网络,对目标信号进行分类识别,同时与未引入注意力机制的CNN-LSTM模型及单一CNN和LSTM网络模型的预测及检测性能进行比较。结果表明,相较于传统方法,信号拟合效果将误差分别减小了36.24%,14.44%和4.878%,目标检测准确率达到83.3%。因此,加入Attention机制的CNN-GRU模型检测性能比CNN,LSTM和CNN-GRU模型更优异,作为辅助手段,能有效解决工频磁场探测中扰动信号微弱、扰动规律不明确、背景噪声多等问题,实现对水下目标造成的工频磁场扰动信号的拟合与检测。     

剪切框架在未知地震作用下的识别方法及试验验证

针对框架结构的绝对加速度响应部分观测、地震作用未观测的情况,提出一种多层剪切框架结构诊断的方法.该方法先依次采用扩展卡尔曼估计和递推最小二乘法对1层以上结构的扩展状态向量和未知作用力进行递推;然后利用结构频率特征方程,对第1层的结构参数进行估计;最后基于数值求解一阶微分方程,识别未观测的地震作用.通过1个4层框架试验,表明该方法能够很好地识别出结构参数和地震输入.     

多媒体传感器网络中被动目标定位算法

针对被动目标定位问题,提出了一种多视觉感知节点协同定位算法.与传统的视觉目标定位方法不同,该算法无需进行训练或特征识别,而是各个节点基于机器视觉理论,将目标投影为定位平面上的一条直线,并使用Hough变换将该直线映射为Hough空间中的一个离散点,最后对离散点进行正弦曲线拟合,拟合参数即为目标的最终位置估计.根据视觉感...     

桥梁结构基于高维模型拟合响应面的参数识别

为提高响应面法在桥梁结构参数识别中的计算精度,提出了基于高维模型拟合响应面的参数识别方法.即采用HDMR响应面法拟合结构响应面,并基于该响应面进行结构参数的识别.研究了HDMR响应面的基本构造方法,阐述了在响应面基础上通过有约束最小二乘优化实现参数识别的一般过程.以一座连续梁及一座独塔斜拉桥为算例进行分析,探讨了该方法在结构参数识别中的计算精度及效率.结果表明,相比传统响应面法,该方法在计算精度上具有显著优势.同时也验证了该方法在大型桥梁结构参数识别中的可靠性和适用性.     

面向路面附着估计的路面图像识别

为提升智能辅助驾驶系统对路面附着系数估计的准确性与实时性，研究了一种基于视觉信息的路面识别深度学习算法，实现路面附着系数的预估计。设计压缩卷积机制以降低网络运算参数，采用特征图全局平均替换全连接层以提升网络的拟合性能，并构建路面识别深度卷积神经网络DW-VGG。利用自建路面图像数据集对网络进行训练，测试结果表明，基于提出的多层知识蒸馏技术的DW-VGG网络识别精度较高，分类性能评估指标F₁得分为96.57%，并有效降低了网络的运算和内存成本，识别单张图像只需32.06 ms，预测模型只有5.63 M。     

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.     

复杂环境下基于动态贝叶斯网络的目标识别

为了提升高动态复杂电磁环境下空战过程中对目标的识别能力,针对SBN网络模型无法满足战场的动态性要求以及对目标的经常性误识别问题,设计了一种基于变结构动态贝叶斯网络的目标类型识别模型。该模型是由静态贝叶斯网络模型演变而来,具有良好的动态表达性和滤波功能,弥补了SBN的不足,并且对空战过程中目标特征信息丢失的问题有良好的容错能力。仿真结果表明,基于动态贝叶斯网络的目标识别的识别效果,优于基于参数学习贝叶斯网络的目标识别。使用该模型后目标识别的准确性提高了5%,有效地解决目标类型识别过程中数据缺失和信息不足的问题。     

基于双谱的雷达辐射源识别

针对当前复杂电磁环境下电子侦察中雷达辐射源识别困难的问题,提出了一种基于双谱分析和势函数分类识别雷达辐射源的新方法。首先用Hinich方法检验雷达辐射源信号,发现其具有非线性特性。然后用适合处理该类信号的双谱分析法提取信号的双谱对角切片,利用主成分分析法(PCA)从大量训练样本特征中挑选低维、低复杂度的特征矢量,并融合对分类具有显著贡献的辐射源属性参数作为识别特征矢量。最后采用势函数分类法实现雷达辐射源识别。仿真结果表明,基于双谱的识别法对噪声不敏感,对不同脉内调制的辐射源信号识别率达到了92.9%,该方法为决策层提供了识别不同雷达辐射源的新途径。     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

一种基于对数正态分布的图像阈值模型

为了更准确地拟合图像的目标与背景的灰度级分布并分割出图像的目标部分,采用基于参数的阈值估计方法,提出了基于对数正态分布的粒子群EM混合算法,设计了对数正态分布参数的粒子群算法、EM算法和粒子群EM混合算法,给出了对数正态分布参数的计算过程。研究结果表明:对数正态混合分布能够很好地拟合一类图像的目标与背景的灰度级分布,粒子群EM混合算法具有较好的收敛性。该研究成果有助于解决一类图像的目标与背景的分割问题。     

基于超声波传感器阵列的车辆周围目标物识别

为了对车辆环境信息进行探测与识别,提高道路交通安全,该文研究了利用超声波传感器阵列识别车辆环境目标类型的方法:以分类器为核心,搭载目标物区分算法,实现对目标物的实时探测与区分。首先根据车辆周围环境信息提取了具有一定形状特征的典型目标物,分别为平板、圆柱和角形3种类型,以支持向量机(support vector machine,SVM)为分类器建立分类模型,根据目标物形状不同构造与优选分类特征指标集;依托分类结果建立目标物的类型区分算法,得到每一时刻各类目标物的概率值。仿真结果表明:分类模型的分类准确率达到91.5%;同时该方法对各种类型的目标物进行区分时,均达到较好的识别效果。在实际道路试验中,采集了汽车、行人和自行车3类目标物,采用该方法达到了良好的识别效果,具有可行性。     

基于边缘拟合和数字孪生的机器人运动控制系统研究

提出一种基于边缘拟合和数字孪生的机器人运动控制系统.通过深度图像和RGB图像获取目标物体信息,并进行边缘提取,通过边缘拟合得到目标的边缘轮廓,根据其轮廓计算目标物体的中心点坐标,从而实现准确的目标识别与定位.采用数字孪生方法对机器人实时运行状态进行同步显示.试验表明该方法对圆形物体的识别与定位具有高准确性和鲁棒性,在数字孪生平台上运行具有可靠性与实时性,有一定的实用价值.     

二维多粗糙度分层粗糙面与上方目标复合电磁散射计算方法

研究了二维多粗糙度分层粗糙面与上方目标复合电磁散射特性的自适应迭代物理光学算法。采用Monte Carlo法并结合高斯谱函数生成高斯粗糙面,基于分区域建模方法,建立了二维多粗糙度分层粗糙面和上方目标的复合模型。利用物理光学法和等效原理,得到分层粗糙面和目标的直接感应电磁流;基于表面积分方程,分析了分层粗糙面之间以及粗糙面和目标之间的耦合电磁流迭代机理。引入感应电磁流能量改变速率,对传统迭代物理光学法进行改进,使算法自动收敛。将计算结果同多层快速多极子方法和迭代物理光学法进行比较,验证了算法的准确性和高效性。在此基础上,研究了不同目标、不同粗糙度的分层粗糙面的双站RCS计算结果和散射特性,讨论了分层粗糙面间距对双站RCS计算结果和散射特性的影响。本研究为分层环境及上方超低空突袭目标的探测、分类和识别提供了数据支撑和理论基础。     

基于激光三维成像数据的车辆目标方位估计

对目标方位进行精确估计是提高目标匹配识别效率的重要前提,而车辆目标的地面投影轮廓近似于矩形,为此提出了基于激光三维成像数据的车辆目标方位估计方法.首先依据激光成像数据的高程值对数据进行分类,从激光成像区域的三维数据中提取出车辆目标数据进而获取目标的投影轮廓数据,然后采用向量积异号排除法求解车辆目标投影轮廓数据的凸边界,在此基础上采用直接求解凸边界最小外接矩形的方法对车辆目标的方位进行初步估计,最后利用与目标投影轮廓数据邻近的地面数据,并依据最小二乘原理拟合优化凸边界的最小外接矩形,校正车辆目标初始估计方位,从而实现车辆目标方位的精确估计.仿真结果表明,该方法可实现车辆目标方位的快速准确估计.