含噪混合盲扰信分离中联合降噪技术研究

针对盲扰信分离技术在含噪混合条件下分离效果差的问题,文章采用经验模态分解和小波变换联合的降噪技术进行分离前的消噪预处理,研究了联合降噪的三种模式,分别对其降噪效果进行了仿真分析,得到了一种较好的联合降噪模式。将该模式与无噪环境下的盲分离算法相结合,弥补了经典盲源分离算法处理含噪混合盲扰信分离的不足。仿真结果表明该算法在一定范围的低信噪比条件下,能够从含噪的混合信号中恢复出通信信号源。     

时间距离像消隐时弹头进动与结构参数估计

考虑弹道目标时间距离像存在消隐现象,提出了一种弹道目标微距离变化曲线断续时进动与结构参数提取方法。首先,建立了弹道中段目标宽带回波模型,推导了散射中心微距离变化曲线理论公式;其次,提取了时间距离像中各散射中心的微距离变化曲线,据此提出采用选点方法实现目标进动频率和平动参数联合估计,完成了弹道目标时间距离像的平动补偿;最后,利用扩展Hough变换方法进行补偿后断续微距离变化曲线的检测,基于各散射中心间的相对位置信息实现了弹道目标的结构参数提取。电磁仿真实验验证了该方法的有效性。     

水平n层导电半空间中运动时谐垂直电偶极子的电磁场

对于n层线性、均匀、各向同性水平成层导电媒质半空间,根据时谐电磁场的麦克斯韦方程和电磁场相对性原理,利用多层介质边界条件,给出了匀速运动垂直时谐电偶极子的矢量磁位表达式以及有源层中偶极子产生的电磁场表达通式。利用所得到的表达通式,分别求解两层(空气-海水)模型和三层(空气-海水-海床)模型的电磁场,并与有关文献进行了比较分析,验证了所得表达式的正确性。     

基于GPU的二维离散小波变换快速计算

通过分析小波变换的多相表示和GPU通用计算模型,结合现代GPU的多纹理和多渲染目标特性,提出了一种基于GPU与多相表示的二维离散小波变换计算方法,该方法使小波变换的计算形式完全适合GPU的SIMD结构,同时大幅减少了纹理访问次数,充分利用了GPU的矢量运算和二维寻址能力,实验表明该方法在处理速度上有大幅的提高。     

用于低信噪比机动目标跟踪的多分辨率方法

针对低信噪比情况下目前常用的滤波算法不能同时做到精确和高效跟踪机动目标的缺点,提出一种多分辨率滤波方法用于跟踪低信噪比情形下的机动目标.该算法利用离散小波变换和滤波器组将量测信息分解到不同分辨率的层级,由于在低分辨率下量测的误警率较低,所以在低分辨率层级实现对目标机动信息的提取,可以避免机动信息被噪声所淹没,缺失的信息...     

基于时频分析的数字射频存储干扰信号检测

采用数字射频存储器进行信号采集、存储和复制成为干扰脉冲压缩雷达的重要手段.由于传统的时域和频域分析方法不能准确检测线性调频干扰信号,引入了短时傅立叶变换时频分析方法以识别数字射频存储器复制的干扰信号.试验结果表明,该方法可有效识别基于数字射频存储器复制的线性调频干扰信号.     

基于Hough变换的车轮定位方法

提出了一种基于Hough变换的车轮定位方法,主要针对道路上车辆目标侧面图像进行车轮检测定位,为车型识别提供重要的几何特征参数.首先通过中值滤波、Sobel边缘检测、阈值分割和边缘细化等算法进行图像预处理,然后使用两步Hough变换圆检测算法对两车轮分别进行检测定位.实验结果表明,本方法能准确地定位出车辆目标的两车轮位置...     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。     

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。首先利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,然后利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,最后通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。     

基于微动目标主体信息的平动补偿方法

目标的平动和微动均会对雷达信号产生调制,其中,微动信息的提取对目标识别具有重大意义.选择对点散射模型进行分析,构建回波信号模型.根据信号在时频分布中的特点,通过霍夫变换(TFD-Hough)获得平动参数,重构出参考主体信号,进而补偿主体回波信号,再经高通滤波器处理,最终实现平动调制的补偿以及微动信号的分离.仿真实验验证了该方法的有效性.