一种全局最优的多感测器检测融合算法

在实际检测中,由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点.然后利用贝叶斯规则对所有节点的判决规则进行联合最优化.最后通过仿真对系统的检测性能进行了比较.     

自适应航迹融合算法及其仿真

在简单融合算法和协方差加权融合算法的基础上给出一种自适应航迹融合算法,并对这一算法进行了仿真.首先根据已关联的多个传感器的航迹状态估计计算得到第一个距离测度S1,并与门限T1比较.若S1小于门限T1则融合节点将选择本地航迹估计作为全局航迹估计;否则计算距离测度S2.这里S2也是局部航迹状态估计的函数.若S2小于门限T2则判决融合节点执行简单融合算法;否则判决融合节点执行协方差加权航迹融合算法.这里门限值T1,和T2代表了系统对融合航迹质量的要求以及系统可用资源对融合算法的综合影响.仿真结果表明自适应融合算法能够根据融合系统不同时刻对融合质量的不同要求以及系统资源的变化来自适应地选择满足要求的融合算法,从而降低航迹融合算法的计算复杂度.     

一种自适应双门限频谱感知新算法

为提高在低信噪比条件下系统协作频谱感知性能,提出了一种基于采样值和本地感知结果可靠性的频谱感知算法。选取较高可信度的采样值和较高可信度的本地感知结果将其判决直接发送融合中心,融合中心根据本地感知结果加权融合判决。仿真表明,改进算法较传统基于信噪比加权融合算法具有更强的抗噪性能,适合感知需要。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

分相分段扩频码捕获算法的设计及FPGA实现

扩频码同步一直是DS／SS系统中的关键技术,本文叙述了分相分段扩频码捕获算法,并应用FPGA芯片实现。该算法能灵活考虑实际系统的要求,通过并行多个分相检测器来达到捕获时间与实现复杂度间的折衷;通过对检测器分段能很好解决频差大的系统的捕获判决问题。     

基于模糊融合的目标检测算法研究

针对经典决策层融合检测过程中本地“硬”判决导致的信息损失问题 ,利用模糊子集理论 ,提出了一种基于模糊“软”判决的融合检测方法。理论分析与仿真实验表明 ,该方法优于传统的“K秩”方法 ,ROC雷达工作曲线接近理论最优曲线。     

联合化学战剂检测器（JCAD）－化学战剂检测的未来

联合化学战剂检测器（JCAD）将向地面车辆操作员提供化学战剂检测能力的技术发展水平。据可靠情报估计大约有20多个国家拥有积极的化学武器计划。化学武器向第三世界国家的扩展（和工业生产能力）,以及美国有可能在操作和支援能力上介入这些地区都提高了联合军种在世界任何地方遭遇化学战剂和有毒工业材料的可能性。目前,野战化学战剂检测器体积大,劳动强度大。而且经常误读,没有一种传统检测器灵敏到能够检测与瞳孔缩小沾染有关的低剂量危害并报警。JCAD将为车辆乘员,飞机,个人,舰上和固定基地提供一种小型（40in^3)的,轻型的（2lb)化学战剂检测器。该系统通过多军种平台提供一种联合检测组件,该联合检测系统将允许联合军种为更有效地利用设备而使用同样的操作和支持概念。JCAD将在瞳孔缩小之前检测,识别,定量现存的化学战剂并进行报警。在化学战剂检测方面,检测器将向操作人员提供本地及远程听觉和视觉报警。预警将给车辆乘员必要的时间来保护自己免受化学战剂的致命影响。还能够将JCAD升级以预防未来化学战剂的威胁。JCAD将为车辆乘员提供必要报警使这能在化学战剂威胁环境中存活并战斗。     

基于CAM的认知超宽带频谱感知方法

频谱感知是认知超宽带系统的核心部分,针对超宽带频带内授权信号类型确定的特点,为了弥补自相关检测不能够识别信号类型的缺点,提出利用信号的循环谱特征和自相关矩阵差异性来检测授权信号,该方法融合了自相关检测和循环谱检测的优点进行合作判决。仿真表明该方法在高低信噪比环境下均能比循环谱检测和能量检测得到更好地检测效果,因此适合于认知超宽带系统。     

基于N-P准则的雷达网反隐身探测概率分析

提高雷达网的探测概率是改善雷达网反隐身性能的重要手段。在分析单部雷达探测概率的基础上,提出了一种基于Neyman-Pearson(N-P)准则的雷达网信号检测数据融合评估算法,算法利用数据融合原理构建了N-P探测模型,给出了基于迭代算法的最优检测概率和判决门限计算方法。仿真结果表明了系统反隐身的有效性和融合算法的优越性。     

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。