基于SSD的低空监视雷达目标检测

针对空管自动化系统中民用飞行器难以被检测到的问题,提出了一种基于SSD(single shot multibox detector)的低空监视雷达目标检测方法.为了准确描述目标特征,首先,将MTD(moving targets detection,运动目标检测)图像经过扩展并分块后作为训练样本直接输入到SSD网络;其次...     

有源干扰背景下基于CFAR的信号检测方法改进

针对瑞利噪声分布的回波信号,单元平均CFAR算法是一种简单有效的信号检测方法。当回波背景中加入有源噪声干扰时,该检测方法受到限制。首次以噪声调幅干扰为信号杂波背景,建立数学模型。基于CFAR算法,分析该有源噪声干扰对信号检测概率的影响。对CFAR算法进行改进,使得信号检测方法适用于信号杂波背景的变化。最后通过仿真验证了此改进的CFAR算法提高了噪声干扰背景下信号的检测概率,并达到抗干扰的目的。     

士兵和装甲车目标多尺度检测方法

针对士兵和装甲车目标的尺度差异大以及目标距离远近造成的目标多尺度问题,以YOLOv4深度学习算法为基础,提出了一种多尺度目标检测方法. 通过针对性的数据增强方法丰富小目标样本的多样性,对输入图像进行分割预处理以提高网络输入小目标的分辨率,并基于特征金字塔网络实现大、中、小目标的分离检测,最后匹配检测结果并进行NMS处理去除冗余检测框,从而实现多尺度目标检测. 实验结果表明,本文方法在保持大目标检测效果的情况下,中、小目标的平均检测精度分别提升了1.20%和5.54%,有效提高了中、小目标的检测效果.      

分布式OFDM-MIMO雷达高速微弱目标多帧检测

针对传统动态规划检测前跟踪(DP-TBD)算法对高速微弱目标的检测和跟踪问题,利用一种结合正交频分调制(OFDM)波形和分布式多输入多输出(MIMO)雷达的分布式OFDM-MIMO相控阵雷达,提出基于该雷达的TBD方法.MIMO雷达的全向辐射特性能够大大降低TBD单帧回波获取时间,另外,分布式雷达的空间部署可以削弱目标雷达截面积(RCS)起伏.仿真结果表明:本文方法检测和跟踪性能良好,是一种有效检测高速微弱目标的方法.     

强海洋混响环境下的移动多目标检测方法

提出了基于同轴环形阵列的强混响环境下的移动多目标检测方法:通过对接收的线性调频信号进行模态分解以及传统的波束形成,得到特定方位的空间信息;之后采用分数阶傅里叶变换获得包含回波信号的多普勒偏移、距离和方位角的信息.所提方法利用目标回波信号与混响之间多普勒的不同来进行多目标的检测.仿真结果显示:与传统的方法相比,在没有任何先验信息的情况下,所提方法在较低的信混比和信噪比环境下仍然可以取得较高检测概率.     

基于多帧信息的多传感器融合三维目标检测

为提高三维目标检测中多传感器融合的效果,并利用前后帧之间的特征关联,提高目标检测的准确率,提出了一种基于多帧信息的多传感器特征融合三维目标检测网络.首先通过基于指导点的特征映射模块,将图像相机视角特征转换为鸟瞰图特征,并通过自适应融合模块对点云特征和图像特征进行融合;之后利用历史帧跟踪信息,融合多帧特征;最后采用基于CenterPoint检测头进行目标检测.在nuScenes数据集和实车上对三维目标检测网络进行了测试,试验结果表明该网络具有更高的精度和实时性.     

基于六端口技术的双频PD雷达多目标检测

针对传统的PD (pulse Doppler)雷达测量分辨率低,在多目标识别方面存在缺陷,讨论一种在多目标检测中基于六端口技术的雷达体制.分析表明,在传统的信号检测基础上,利用六端口精确的相位测量能力,能够有效提高速度分辨率和距离精度.计算机仿真说明,基于六端口技术的双频PD雷达体制在解决多目标检测中是行之有效的.     

压制干扰下雷达网点目标概率多假设跟踪算法

针对压制干扰下雷达网跟踪中使用概率多假设跟踪(PMHT)算法航迹丢失率高的问题,提出了一种基于数据压缩的雷达网点目标概率多假设跟踪(DC-PPMHT)算法.该算法先将各雷达在压制干扰下由于检测概率下降出现目标暂消的量测数据在空间对准后进行串行合并和点迹合成,并计算数据压缩后各量测点迹的检测概率,然后把计算得到的压缩点迹和检测概率送入点目标PMHT滤波器中进行跟踪.DC-PPMHT算法在压制干扰下的雷达网跟踪中可以降低航迹丢失率,提高航迹跟踪的精度.仿真结果表明,与PMHT算法相比,DC-PPMHT算法在各雷达采取抗干扰措施前、后的航迹丢失率分别降低了4.7％和1.2％.     

基于局部观测信噪比的新分布式CFAR检测

为了提高基于二元局部判决的分布式ＣＦＡＲ检测的性能,提出一类新的基于局部观测信噪比的分布式ＣＦＡＲ检测方案（称为Ｒ类方案）。其特点是以ＣＦＡＲ算法做局部处理以形成局部观测的信噪比估值,然后将其传送给数据融合中心。相对于Ｓ＋ＯＳ,Ｒ类方案不仅使局部处理器和数据融合中心间的通信量减少了一半,而且对局部观测的要求也比Ｓ＋ＯＳ宽松。在三种典型背景环境中和两个局部处理器的条件下,分析了其中一种方案：ＯＳ－Ｒ－ＣＡ,推导出了它的检测和虚警性能的闭形解,并将其与ＣＯＳ,Ｓ＋ＯＳ等分布式ＣＦＡＲ检测进行了性能比较。结果表明,ＯＳ－Ｒ－ＣＡ的检测性能和虚警控制能力保持在了与Ｓ＋ＯＳ接近的水平。     

目标检测的多分辨小波Holder数法

针对传统纹理分割方法的不足,从分形布朗运动的平均Ｈｏｌｄｅｒ数出发,提取人造目标与自然场景的相对距离,根据相对距离区分物体和背景,通过不同分辨率下的小波Ｈｏｌｄｅｒ数的计算,进行直线拟合。利用拟合后直线的斜率及线性度等参数可进行目标的检测。     

面向机器人抓取的双目视觉单步多目标检测方法应用研究

针对工业机器人的抓取技术普遍采用离线示教的方式,目标物的改变就会导致抓取不准的问题,研究了一种面向机器人抓取的双目视觉单目多目标检测方法,强化了机器人的抓取能力;首先搭建机器人抓取视觉检测系统,系统采用双目测距模型定位深度,单步多目标检测器定位像素坐标;通过相机标定和eye-to-Hand手眼标定将图像中的像素坐标以及双目测距模型的深度坐标转换为机器人基坐标的位姿,建立机器人运动学模型完成机器人基坐标到机器人末端坐标的转换,通过ROS实现上位机与机器人通讯,并将定位结果发送给ROS;经过多次实验,表明方法的目标检测误差在3.5 mm以内,深度误差在1.2 mm之内,具有很好的实用推广价值。     

基于生成对抗网络的多目标行人跟踪算法

多目标跟踪领域中,在背景复杂、目标遮挡、目标尺度和姿态变换等情况下,容易出现目标丢失、身份交换和跳变等问题.针对这些问题,提出了一种基于检测的多目标跟踪算法,使用改进的YOLO人体人脸关联算法,对当前帧待检目标进行分类和位置检测,使用生成对抗网络构建特征提取模型,学习目标的主要特征以及细微特征,再运用生成对抗网络生成多目标的运动轨迹,最终融和目标的运动信息和外观信息,得到跟踪目标的最优匹配.在MOT16数据集下的实验结果表明,提出的多目标跟踪算法具有较高的精确度和鲁棒性,对比目前身份交换和跳变最少的算法,跳变的次数少了65%,准确度提高了0.25%.     

行人多目标跟踪算法

针对多目标跟踪中因目标遮挡而导致跟踪过程中身份交换频繁的问题,提出一种行人多目标跟踪算法.该算法首先使用YOLOv4作为检测器,检测出目标并确定检测框坐标,利用扩展Kalman滤波器对轨迹进行预测;然后用匈牙利算法作为数据关联模块,采用级联匹配方法将扩展Kalman滤波预测的检测框与目标检测的检测框进行匹配,并将发生遮...     

课表的多指标数学模型及解决方法

课程表问题又称时间表问题(timetable problem)，是一个多指标的优化决策问题，也是组合规划中的典型问题．对已有的时间表问题进行探讨，并研究其数学模型及解决方法．     

多目标显著性区域提取算法

结合对象估计和超像素分割,提出面向多目标的显著性区域提取算法.首先,应用对象估计对图像中的多目标作初步检测,得到若干个显著性区域的初步结果;然后,再将这些显著性区域与超像素分割的结果作图像拼接,完善这些显著性区域;最后,将图像拼接的结果二值化,作为多目标显著性区域提取的最终结果.结果表明:所提算法可实现面向多目标的显著性区域提取.与3个经典算法的比较结果表明:所提算法在面向多目标显著性区域提取时更优.     

Kohonen神经网络在雷达多目标分选中的应用

雷达多目标分选是电子侦察的重要内容之一，也是实施有效电子战的前提，神经网络在雷达多目标分选中的应用是电子侦察的一个新领域。目标的时域、频域、空域参数是多目标分选常用的分选参数。Kohonen神经网络具有自组织能力和识别聚类中心的能力，采用一维Kohonen神经网络对雷达信号进行分选试验，取得了很好的效果，并给出了确切的聚类中心值。     

一种新的基于删除平均和单元平均的恒虚警率检测器

基于删除平均(CM)和单元平均(CA)提出了一种新型的恒虚警率检测器(CMCAM—C5、CFAR)，它采用CM和CA产生局部估计，再对二者平均实现对杂波功率估计。在SwerlingⅡ型目标假设和均匀背景下，推导出了它的检测概率(Pd)、虚警概率(Pfa)和平均判决阈值(ADT)的解析表达式，并与有序统计(0S)恒虚警率(CFAR)检测器进行了比较。分析结果表明在均匀背景和多目标环境下CMCAM—CFAR检测器的性能均优于0S—CFAR检测器的性能。     

复杂背景下结合颜色和分形特征的多目标检测

针对复杂自然背景下的多目标检测,提出了结合颜色和分形特征的多目标检测算法.将RGB颜色空间转换到Lab颜色空间,采用改进K-means聚类算法,去除大片背景区域,计算区域分形维数和分形拟合误差.两种分形特征相结合能够准确排除小面积背景奇异区域的干扰,检测出待测图像中的多个目标.仿真结果表明:该算法能够正确检测出复杂自然背景下的多个目标,对彩色图像分割后的保留区域求分形特征,避免了搜索目标带来的计算量.相比于对全图提取分形特征的方法,本算法在时间上缩短约80%.     

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

换热网络非等温混合多目标同步最优综合

提出了一个非等温混合同步最优综合的混合整数非线性规划改进模型，可对公用工程费用、换热面积、换热设备台数以及流股的匹配选择进行多目标同时优化，且模型本身不依赖于夹点技术及其网络温差。由于采用了新算法，消除了流股分流时的等温混合线性化假设，只需求解一次混合整数非线性规划问题可得到包括分流情况在内的最优网络结果。