雷达目标微动特性研究

 雷达目标微动特性是当前目标探测与识别领域的新兴研究方向和热点课题,随着近10年的发展积累了一些研究成果。本文重点综述了微动目标雷达回波调制效应、微动特征提取、微动目标雷达成像、微动特性测量及雷达波形设计等方面的研究成果,部分成果已应用于空间/空中目标探测与识别等领域。本文的研究成果及结论为进一步推动国内微动特性研究提供参考和基础。     

3GPP-LTE系统下行链路S-SCH检测算法的低复杂度实现

小区搜索是3GPP-LTE移动通信系统中的重要过程,研究了此过程中下行链路辅同步信道（S-SCH）的检测问题,指出了接收机在采用最大似然序列检测（MLSD）算法进行S-SCH检测时,具有较高的计算复杂度.给出了一种基于MLSD准则S-SCH检测算法的低复杂度实现方法,利用S-SCH序列的结构特点,缩小候选S-SCH序列...     

多摄像头目标跟踪动态单应投影方法研究

动态单应投影变换算法利用各个摄像头之间的相对位置参数,并基于文中所给出的光轴辅助坐标变换方法,可以快速地计算出各个视角间单应变换矩阵的参数,通过该变换可以实现各视角图像间的快速投影.这种快速投影变换方法不需要通过匹配视角间图像的像素点对来计算单应矩阵参数,而是直接利用摄像头内部固定参数和外部相对位置参数快速计算视角间图...     

一种简易的多普勒天气雷达速度退模糊方法

多普勒天气雷达提供的径向风场资料,是气象预报的重要判据之一.由于所探测到的风场信息存在着噪声、缺测和速度模糊等方面的问题,因此,多普勒天气雷达的速度退模糊技术也相应的受到越来越多的关注.文章根据多普勒天气雷达风场资料的特点,结合实际业务,提出了一种简易的速度退模糊方法.该方法在等距离圈切向和径线方向上进行速度退模糊.在等距离圈切向退模糊中,首先进行圈上的数据分段,然后检测段内和段间的速度模糊,再进行速度扩展退模糊.在径线方向退模糊中,从径线中点向外和向内检测速度模糊,然后进行速度扩展退模糊.进行了实例退模糊实验,证明了该方法的正确性和实用性.     

表面等离子共振检测葡萄糖浓度的数据处理方法

根据表面等离子共振(SPR)检测葡萄糖浓度时信号和噪声的特点,研究了寻找曲线最低点算法和基线动态调整方法等SPR数据后处理方法.采用加权质心法精确地捕获到了表面等离子共振曲线的最低点,采用固定计算点数的动态基线法调整基线位置,消除了基线附近点值的波动对测量结果的影响.模拟仿真及实验验证结果表明,采用固定点数的动态基线法和加权质心法处理SPR数据,能显著提高SPR检测葡萄糖的分辨率,在葡萄糖浓度检测技术中有很好的应用前景.     

一种基于声-地震耦合的室内声波探雷实验系统

为了研究声波探雷机理,设计了一个基于声-地震耦合原理的室内声波探雷实验系统.首先,简述声波探雷技术的基本原理;然后,详细介绍室内声波探雷实验系统的硬件组成及实验方案;最后,用一种反坦克塑料教练地雷进行实验,重点讨论实验系统的可重复性.实验结果显示,在相同实验条件下,测得的3条地表振动曲线基本重合,表明所设计的实验系统的可重复性良好,满足测试要求,可用于实验室条件下声波探雷机理的研究.     

基于人工免疫聚类的欺诈客户分析

针对传统aiNet聚类算法在处理欺诈客户分析时聚类精度差的问题,该文基于一种新的免疫聚类算法(SE-aiNet)提出了利用子群群体特征进化的免疫聚类算法,使收敛速度有显著提高,并在保持抗体种群规模的情况下有效提高了抗体的多样性;以训练所得的规则集来判断客户是否欺诈,经某银行的实际数据验证,算法的误分比例为24.0%,而相同环境下BP-NN算法的误分比例为32.3%,C-SVM的误分比例为28.6%。     

海量信息异常检测问题的异常概率排序算法

针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的...     

高精度摄像机标定模板的设计及识别算法

针对目前摄像机标定模板——黑白棋盘格识别精度低导致标定精度降低的问题,提出了一种以渐变圆形为特征的摄像机标定模板以及相应的检测算法.新的摄像机标定模板以渐变圆形作为图元代替以前的棋盘格交点,从而可以使摄像机更精确地对其位置进行识别,得到更精确的摄像机标定结果,并保留了黑白棋盘格作为标定模板,具有制作简易,成本低廉的优势,并且针对这种标定模板,提出了精确的检测算法.实验结果表明,在相同的摄像机和相同的环境下,新标定模板和检测算法标定的投影误差比黑白棋盘格的标定结果减少了20%.     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.