基于检测的人体跟踪算法

传统的目标跟踪算法需要人为标定跟踪区域,且受到漂移问题的影响。为了解决这些困难,针对人体跟踪问题,提出了一种新的基于检测的跟踪算法。为了减少漏跟踪,使用了多个检测算子,用来定位多个身体部位,将其检测结果映射到一个相同的身体区域。为了适应快速运动的目标,使用KLT跟踪和凝聚聚类将检测窗口连接起来形成人体轨迹。实验结果表明:使用多个检测算子明显地提高了跟踪性能;KLT跟踪对于快速运动目标具有适应能力。该算法基本满足实时性。     

天线阵载波相位双差的欺骗干扰检测技术

针对采用单一发射天线的导航信号欺骗干扰,研究了基于天线阵载波相位双差的欺骗干扰检测技术,采用代数方法证明了三元非线阵是进行导航信号到达角无模糊解算的最少阵元数和阵型要求,并以相应阵型为基础,提出了基于天线阵载波相位双差的欺骗干扰检测量构造方法,给出了检测性能的分析方法,定义了用于限制检测性能下降的最小检测门限。采用蒙特卡洛方法对所提检测方法的检测性能进行了仿真,结果验证了理论分析的正确性。     

间歇采样转发假目标对CFAR检测影响分析

分析间歇采样转发形成的假目标干扰对雷达CFAR检测的影响和间歇采样转发假目标生成机理,给出间歇采样转发假目标产生方法。在此基础上,以雷达一次搜索周期内虚警、漏警造成的检测代价作为检测性能指标,分别分析单元平均恒虚警检测器、有序恒虚警检测器、剔除和平均恒虚警检测器在间歇采样转发假目标干扰下的检测代价。着重分析间歇采样转发干扰关键参数对检测代价的影响。仿真结果表明,间歇采样转发产生的多个假目标显著提高了雷达的检测代价,检测代价受转发占空比、转发功率的影响较大,而受转发频率影响较小。在三种恒虚警检测器的对比中,剔除和平均恒虚警检测器相对于另两种检测器的检测代价更大些。     

多载波码分多址在低密度二分图上的建模与分析

多载波码分多址是移动通信重要的多址技术之一,传统方法将扩频序列的构造和多用户检测单独考虑,未能做到发射机和接收机的一体化设计。受到低密度奇偶校验码的启发,基于图论建立多载波码分多址收发机模型,采用二分图定义码片和数据符号间的扩频关系。在此基础上,利用适合低密度二分图的消息传递算法完成多用户迭代检测,推导并分析洪水消息传递和串行消息传递两种检测机制。仿真结果表明,当传统的多载波码分多址系统陷入严重过载而不能正常通信的情况下,基于低密度二分图的多载波码分多址系统依然能够达到理想的传输性能,为下一代移动通信系统的设计提供了有益的参考。     

船舶降噪工程技术集成优化方法

在用船舶降噪工程受总体约束强、声学异常多等因素影响,传统新船建造的声学设计方法不能被直接应用。为此,提出了在用船舶降噪工程技术集成优化方法。根据需求设计顶层降噪指标,并通过四项标准进行检验;基于改装前测试数据和降噪技术储备情况,制定初步降噪技术集成方案;通过声学评估迭代,形成优化的指标分配体系和最终的降噪技术集成方案。模型试验验证结果表明,该方法能够有效实现在用船舶降噪工程的技术优化集成。     

基于圆形滤波器HOG特征的航拍图像车辆快速检测算法

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,然后将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征(HOG,Histograms of Orient Gradient),针对旋转窗口中HOG特征的计算,设计了一种基于圆形滤波器的HOG(Circle Filter based HOG,CFHOG)特征,与传统基于积分直方图的HOG特征提取方法相比,显著提高了旋转窗口中HOG特征的计算效率,此外在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明本文车辆检测算法快速高效。     

目标选择的一个优化模型

坦克作战过程中 ,经常出现一个坦克群遭遇对方一个坦克群的情况 ,这时每辆坦克往往向威胁自身最大的目标开火 ,但这种选择的整体效果不一定最优。本文提出一种目标选择方法 ,使得最大限度地减轻了对方对己方的威胁 ,大大提高了作战坦克对敌杀伤效果     

一种基于三角面元的目标RCS实用计算方法

提出一种计算复杂目标高频区RCS的实用方法。首先采用3DStudioMax对装甲车进行三角面元模拟,然后运用路德维格积分[1]和物理绕射理论(PTD)计算目标的雷达散射截面积,通过对方柱RCS的计算,验证了所提方法的有效性,最后给出了C波段和X波段不同极化的装甲车和坦克RCS的方位分布图。     

自适应跳频通信受扰信道无源确认技术

及时确认被干扰信道是自适应跳频通信躲避干扰的前提。本文提出了一种受扰信道无源自适应预测评估算法 ,无需发射信号就可以识别干扰信道并预先躲避 ,从而提高了系统的抗干扰性能 ,方法简单 ,易于实现。     

在非高斯马尔可夫噪声中的Robust检测

文中探讨了在仅已知噪声边缘分布族和相关系数的条件下非高斯马尔可夫噪声中确知信号的Robust检测问题。设噪声样本可表示为一阶AR过程:n_i=ρn_(i-1)+Y_i,(i=1,2,…,N),其中Y_i为独立同分布的随机序列。当p较小时,以检测器效验为性能指标并对ρ取一级和二级近似,分别得到了对应的有记忆和无记忆Robust检测器的结构。