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.     

二阶锥规划的广义希尔伯特数字变化器设计

现代数字信号处理领域对广义希尔伯特变换器的性能要求越来越高,而传统设计方法存在诸多缺点,很难满足实际需求.在极大极小准则下用一种二阶锥规划的方法对其进行设计:在通带内使设计的频率响应与期望的响应的最大误差的模为最小,可以弥补传统方法的相位误差较大的缺点.首先将该滤波器的设计问题转化为二阶锥规划的形式,然后通过内点算法对其进行求解.最后通过仿真结果验证了此方法的有效性.     

一种改进的多相码信号参数估计法

目前,对由频率导出的一类多相码脉压雷达信号(Frank码和P1 ～ P4码)进行参数估计是电子对抗侦察技术中的难点之一.针对此问题,提出一种基于改进的分数阶傅里叶变换(FrFT)的多相码信号参数估计方法.该法利用积分二次相位函数将FrFT的二维搜索转换为2次一维搜索,较大减少了计算量.仿真表明,该法能在较小的计算量下达到与RWT和RAT法相当的估计精度.     

基于多约束条件的车载序列图像拼接方法

提出了一种适用于环境测量的车载序列图像拼接方法:首先,对消除畸变后的序列图像相邻帧提取特征点,并采用一种基于多约束条件的匹配算法得到3个正确匹配点对;然后,运用最小二乘法求解图像刚体变换模型参数;最后,通过一种全局配准策略实现序列图像的拼接.试验结果表明:基于多约束条件的配准算法与基于随机抽样一致性(RANdom SAmple Consensus,RANSAC)的配准算法相比,计算效率明显提高,且所得序列图像拼接图具有较高的环境测量精度.     

二维离散余弦变换与二维离散Fourier变换的快速算法

文中提出N×M2D—DCT(Ⅱ)的一种快速算法,其需实运算量为:M_u=1/2NMlog_2N+1/4MNlog_2M,A_d=3/2NMlog_2NM—3MN—1/2M~2+M+N(其中N、M为2的幂)。当N=M时,与文[5]的结果一样、这是目前最好的结果。但文[5]算法不稳定,容易产生较大的误差。本文克服了这一缺点。并利用此2D—FCT(Ⅱ)导出了2D—DCT.2D—DST和2D—DCST的快速算法及2D—DFT的一种快速算法。2D—DFT快速算法的运算量与文[1]中用FPT计算2D—DFT相近。