舰船辐射噪声检测的被动合成孔径算法

舰船辐射噪声在低频段具有稳定的线谱成分,其特征信息丰富,利用该线谱成分可以实现对水下目标的检测.被动合成孔径(Passive Synthetic Aperture Sonar,PSAS)算法对小孔径基阵沿直线运动接收到的信号进行合成处理,从而达到虚拟大孔径基阵的方位分辨力效果,进而提高对弱目标信号的检测能力.理论分析结合仿真不同因素对被动合成孔径算法影响,验证了算法的有效性和可行性.     

空对地高度自适应目标智能检测算法

在空基平台对地成像应用领域,由于高度变化差异大,成像视场广、视角单一、地物背景干扰多,这些特点使得现有深度学习检测算法面临新的挑战。针对此问题,提出了一种面向空基平台的高度自适应目标智能检测算法。首先,分析了高度变化和区域候选框尺寸设置对检测算法的影响。其次,建立了高度和目标检测候选框尺寸之间的关系模型,提出了高度自适应的目标检测候选框生成算法。最后,建立了不同高度下目标检测任务数据集,验证了所提算法的有效性。检测结果证明所提算法能够有效地减小空基平台飞行过程中的高度变化对目标检测算法的影响,提高检测算法的适应性。     

基于A~*算法的虚拟士兵城市作战路径规划

针对虚拟士兵在城市作战仿真领域的需求,重点研究了虚拟士兵在城市环境中路径规划问题。通过对三维城市虚拟环境空间进行分层信息处理,生成虚拟士兵能够感知的虚拟信息层。用A*算法求出虚拟士兵从初始位置到达目标位置的最佳路径,并给出算法的具体设计与实现。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

基于计算机视觉的目标方位测量方法

以显著性标志物中的关键点为目标,探讨了一种基于计算机视觉的目标方位测量方法。在光学成像原理基础上,推算出目标二维成像点坐标与其空间三维坐标之间的映射关系,基于计算机视觉理论建立了测量目标方位的数学模型。考虑透镜畸变,基于Zhang平面标定法完成对摄像机参数的标定。对目标二维图像采用Harris算法进行特征角点检测,并通过亚像素技术对检测的目标特征点进行定位。实验结果表明,该方法能够有效提取被测目标特征角点并获取其像素坐标,用于测量目标相对视觉传感器的方位信息可达到较高精度,具备良好的实用价值。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

多矢量水听器低频近场目标协同定位算法

针对水下小平台难以实现低频近场目标定位的问题,研究了基于多个矢量水听器的协同定位算法。算法将多个矢量水听器视为不同的观测点,利用矢量水听器阵列流型特点估计出目标相对于不同观测点的方位角,根据这些方位角信息利用正交矢量算法对近场目标进行定位,避免了多维搜索过程,减少了计算量。仿真结果表明,算法能够准确地定位低频近场目标,有效地提高定位精度。     

基于改进Yolo v3的弹载图像弱小目标检测算法

结合弹载摄像机的成像特点,对不同目标在弹载图像中的尺度信息进行分析,重点对复杂作战环境下的弱小目标检测问题进行研究。优化小目标样本数据结构,扩充小目标样本比例,并将远距离成像不易区分类别的目标统一标注为“target”类。优化Yolo v3网络结构,利用K-means对多尺度预测分支上的anchor大小重新聚类,并在FPN大尺度特征提取前融合中、小尺度特征信息,通过卷积注意力模块和双线性插值上采样提高特征图中显著特征的表达能力,减少弱小目标特征信息损失。优化后的算法大幅度提高了弱小目标检测精度,降低误检和漏检率,并保证了算法的处理速度。     

利用卷积神经网络的太赫兹孔径编码增强成像

针对现有太赫兹孔径编码成像算法鲁棒性较差、计算求解复杂度较高等问题,提出基于卷积神经网络的太赫兹孔径编码增强成像方法.该方法通过构建一个端到端的神经网络来实现成像系统的隐式建模,利用网络强大的求逆能力和抗噪性能来实现低信噪比下的目标重构.通过仿真实验可以看出,该方法可以在不同信噪比下实现对不同稀疏度目标的重构.另外,与...     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法。该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用正交子空间投影法将压缩采样信号投影到干扰信号的局部正交子空间,抑制背景光谱的影响。实验和分析结果表明:与传统压缩采样检测算法相比,该方法能够有效提升压缩采样检测算法的性能,削弱采样矩阵随机性对于检测性能的影响,增强压缩采样检测算法的鲁棒性。     

一种新的基于特征值分解的双站无源定位算法

在自卫式噪声干扰的条件下,地面制导雷达将无法得到目标的斜距信息,无法实现对目标的定位,此时只有采用雷达组网方式,利用2个或多个雷达站的测角信息来对空间目标进行定位。提出一种基于特征值分解的新的定位跟踪算法,该算法具有计算简单、清晰,运算量小的优点,仿真也表明该算法有较好的精度。     

稀疏孔径条件下微动目标特征提取与成像算法

针对窄带雷达稀疏孔径条件下,目标微多普勒信号无法使用传统方法进行参数化表征和提取的问题,提出一种方位向稀疏孔径条件下微动目标特征提取与成像的新方法。通过详细分析微动目标雷达回波特性,并根据目标回波特征构造微多普勒信号原子集,在此基础上,使用正交匹配追踪算法实现微动目标的特征提取与成像。仿真实验表明该方法能够在稀疏孔径条件下有效提取目标微动特征并实现目标成像。     

圆周合成孔径雷达的快速时域成像算法

为实现圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)快速成像,提出一种用于CSAR的快速时域成像算法。该算法通过将CSAR的圆孔径分成若干子孔径,分别对子孔径采用快速因式分解后向投影算法处理,再将各子图像相干插值叠加至同一坐标系下得到成像结果。详细分析算法实现中的坐标转换、误差控制和运算效率等关键问题,并用点目标仿真和实测数据处理结果验证算法的有效性。所研究方法具有成像范围大、计算量小等优点。     

利用声强工作的水雷声引信

提出了一种新型的水雷声引信。该引信使用的是水下声强矢量而不是以前通常使用的声压,并且采用双水听器信号的互谱方法测量水下声强矢量。这使得引信能够利用更多的舰船目标信息,其结果是该引信在目标的定位和识别方面具有显著的优势。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

融合初值校准与二阶逼近的单星测频定位算法

为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。     

改进YOLOv3模型对航拍汽车的目标检测

针对无人机航拍汽车作为待检测目标时,现有的检测方法容易出现误检、漏检、定位不准,检测精度和速度难以同时提高的问题,提出了一种基于深度学习的目标检测模型YOLOv3的改进模型ZQ-YoloNet。通过实验分析,证明该方法在检测无人机航拍汽车时具有良好的效果,精准率和召回率分别达到了97. 73%和78. 25%,对1 280×720像素mp4格式视频检测时速度不低于40帧/s,能够满足实时检测的要求。     

二维弹道修正引信滚转角专家系统PID控制算法

随着弹道修正引信的发展,二维弹道修正引信以其高效的修正能力成为争相研发的对象。为了实现引信滚转角的快速精准定位,提高控制系统对复杂环境的适应能力,提出了专家系统PID位置—速度双闭环控制算法。利用专家系统对PID参数进行自整定,根据偏差信号的不同状态确定PID所需的参数,从而改善系统的静态、动态性能。仿真结果显示,引信滚转角定位精度达到了3°以内,响应时间小于0. 3 s,该算法能够满足方案的技术指标。     

基于AM-LFM与BOMP的ISAR成像算法

对含微动运动的目标进行稀疏孔径逆合成孔径(ISAR)成像时,基于Chirplet分解和压缩感知(CS)的成像算法存在运算效率低、重构精度与鲁棒性差等问题。针对上述算法中存在的不足,提出了基于调幅-线性调频(AM-LFM)分解和贝叶斯正交匹配追踪(BOMP)的改进微动目标成像算法。应用该改进压缩感知(CS)算法进行微动目标成像,实验结果表明:由于改进算法采用AM-LFM分解和BOMP重构,提高了重构精度、鲁棒性与运算效率,成像效果比原算法更好。