共查询到19条相似文献,搜索用时 312 毫秒
1.
在分析两站无源交叉测向平面定位的基础上,提出一种测向、时差联合定位的模型,并分析了其定位原理和精度;推导了组网雷达的探测精度表达公式,并比较了单站、两站、三站雷达定位精度的差异.在此基础上,结合有源组网探测的优点和无源侦察只被动接收、不辐射信号的优点,提出了有源无源一体模式下的目标定位模型及其定位精度分析,并对五站定位中的两种不同情况进行了仿真和分析.仿真结果表明,有源无源一体模式下的目标定位方式能有效地对目标进行定位并有良好的定位精度. 相似文献
2.
3.
在研究多部两坐标雷达组网对目标的三维空间定位问题时 ,给出了一种利用WLS(WeightedLeastSquare)算法进行数据融合处理的方法 ,推导了定位精度公式 ,并且研究了在不同条件下的定位精度几何稀释和高度误差。仿真结果表明此方法可以有效地提高组网雷达的定位精度。此公式可以推广到三站以上的组网雷达系统中 ,在雷达缺乏高度测量的情况下 ,此方法能够实现对目标位置和高度的有效估计 相似文献
4.
组网雷达对目标三维定位精度仿真分析 总被引:16,自引:0,他引:16
在研究多部两坐标雷达组网对目标的三维空间定位问题时,给出了一种利用WLS(Weighted Least Square)算法进行数据融合处理的方法,推导了定位精度公式,并且研究了在不同条件下的定位精度几何稀释和高度误差。仿真结果表明此方法可以有效地提高组网雷达的定位精度。此公式可以推广到三站以上的组网雷达系统中,在雷达缺乏高度测量的情况下,此方法能够实现对目标位置和高度的有效估计。 相似文献
5.
6.
7.
外辐射源雷达网络的探测性能受网络几何架构、电波传播环境、硬件系统性能及信号和数据处理能力等诸多因素的影响,网络优化部署需综合考虑上述各个方面,网络性能评估为需要解决的首要问题。该文围绕外辐射源雷达网络定位性能展开,首先给出一种切实可行的外辐射源雷达网络优化系统定位性能评估方案,利用蒙特卡洛仿真分析了一定站位配置下定位精度分布图。接着重点介绍了外辐射源雷达组网探测实验开展情况,包括系统配置、空中目标探测典型结果及分析。最后统计评估了实测目标的定位精度,并与仿真结果进行对比,从实验角度验证了定位性能评估方案的有效性。 相似文献
8.
组网雷达中通过协方差交叉进行目标定位可以提高目标定位精度,首先从理论上对多雷达数据融合定位精度进行了误差分析,提出了一种可应用于工程实践的提高目标定位精度的算法。该算法利用多部雷达协方差交叉缩小目标定位误差,使目标定位精度得以提高。仿真数据及工程实践验证了它的正确性及合理性,在雷达组网工程中也得到良好的应用。 相似文献
9.
10.
针对现有雷达与红外传感器异平台数据融合算法定位精度不高的现状,直接采用由雷达位置与雷达量测的目标距离确定的圆和由红外位置与红外量测的目标方位确定的直线相交,对目标进行定位,提出了一种新的雷达和红外传感器位于异平台情况下的数据融合算法,减小了雷达角度测量误差对定位结果的影响。仿真分析证明新的融合算法与现有融合算法相比有效地提高了目标定位精度。 相似文献
11.
12.
13.
14.
15.
16.
AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割网络,用于实时红外热成像温度测量区域实例分割。该文所提出的实例分割网络在检测阶段和分割阶段融合红外空间注意力模块(ISAM),旨在准确分割红外图像中的头部裸露区域,以进行准确实时的温度测量。结合公共热成像面部数据集和采集的红外热成像数据集,制作了“热成像温度测量区域分割数据集”用于网络训练。实验结果表明:该方法对红外热成像图像中头部裸露测温区域的平均检测精度达到88.6%,平均分割精度达到86.5%,平均处理速度达到33.5 fps,在评价指标上优于大多数先进的实例分割方法。 相似文献
17.
针对传统空间目标跟踪精度不高的问题,提出一种基于可观性分析的高精度空间目标跟踪方法。首先,基于Fisher信息矩阵法定义了一种新型可观性指标,并以空间目标跟踪为背景,针对采用天基雷达,天基红外或地基雷达所得到的不同量测模型系统分别给出了可观性指标值,并选出一种可观性指标值最大的空间目标量测模型。接着,基于无迹卡尔曼滤波和选择的量测模型,实现高精度的空间目标跟踪。相对于仅天基红外,天基红外与天基雷达相结合两种方案,仅天基雷达的空间目标跟踪测量方案具有较大的可观测性指标,进而具有较高目标跟踪精度。最后,数值仿真验证了该方法的有效性。 相似文献
18.
针对现有热红外图像行人检测方法在精度和速度方面存在的问题,提出一种基于弱显著图的实时行人检测方法。该方法以轻量级LFFD(Light and Fast Face Detector)网络为基础,由两级改进网络即SD-LFFD(Saliency Detection-LFFD)和SF-LFFD(Saliency Fusion-LFFD)组成,首先以热红外图像作为输入经SD-LFFD网络产生初步行人检测结果和行人区域弱显著图,接着将该弱显著图与原热红外图像结合“点亮”潜在行人区域并经SF-LFFD网络产生新的行人检测结果,最后将两级改进网络的行人检测结果融合得到最终结果。在数据集CVC-09和CVC-14上实验结果表明,该方法与现有轻量级神经网络相比行人检测的平均精确率有大幅提升,且在有限硬件资源下可实现实时检测。 相似文献