基于TMS320F2812的目标检测方法研究

目标分类识别的关键在于对目标分类特征的提取和高品质的目标检测方法的应用。传统的利用单一传感器进行目标信息的采集并对目标进行检测的方法,目标分类能力不强,不能处理现实环境存在的各种情况。本文通过分析声传感器和目标特征提取方法,介绍并比较了各信息融合方法的优缺点,采用神经元网络方法运用于多传感器地面目标检测系统,并最终运用K-NN聚类算法对声信号进行分类,从而较好的实现了对地面目标的检测和分类。     

基于深度学习的雷达信号目标识别方法研究

雷达信号目标识别是智能感知领域的重要研究方向。传统方法在处理复杂场景和多目标识别时存在局限性,而深度学习方法以其强大的表达能力和自适应性在雷达信号目标识别中展现出巨大潜力。文章通过综合分析深度学习在雷达信号目标识别中的应用,探讨了数据预处理、深度学习模型选择、目标检测和分类方法、目标跟踪和预测方法以及深度学习与传统方法的融合策略等关键问题,重点讨论了深度学习模型的优化和改进方法。     

基于小波能量系数和神经网络的管道缺陷识别

利用基于小波能量系数的BP神经网络方法对管道焊缝和管道凹槽进行分类识别。建立了导波检测系统,采集了管道凹槽缺陷和焊缝的多组检测信号样本,从信号样本中提取出小波能量系数,并将小波能量系数应用于BP神经网络的训练与识别。结果表明,该方法对管道缺陷的识别准确率较高,且识别效果稳定,在随机抽取信号样本进行的5次试验中,对焊缝和凹槽的最低识别准确率分别为92%和98%,最高识别准确率均为100%。     

低分辨机载雷达空地运动目标的分类识别算法

分类识别技术是雷达当今和未来发展的重要需求,也是雷达的关键技术之一。目前研究较多的是基于宽带信号的目标识别,对雷达系统和目标信噪比具有较高的要求,且对角度非常敏感。针对低分辨机载雷达工作在下视模式下,慢速飞行目标和地面运动目标由于具有相似的多普勒速度和雷达散射截面(RCS),使得其对机载雷达慢速飞行目标检测、跟踪和识别形成干扰,该文提出了一种基于窄带分形和相位调制特征的机载雷达空地运动目标分类识别算法。文中以实测试飞数据进行分析验证,以支持向量机(SVM)为分类器,试验结果表明,该方法能对机载雷达直升机、汽车运动目标进行有效分类识别,当SNR 15 dB 时,平均分类识别率在89%以上。      

基于深度学习的海上目标一维序列信号目标检测方法

当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集样本,对一维卷积核CNN进行训练,使其具有识别目标杂波信号特征能力,从而实现目标检测。最后,采用IPIX和CSIR实测海杂波数据对两种方法进行验证,结果表明两种方法均可实现一维序列信号中海面目标的检测,但LSTM预测方法对于长序列检测的实时性有待于进一步提高;CNN分类方法可实现实时检测,但仅利用信号幅度信息,检测性能仍需进一步提升。      

基于矢量传感器和LMBP神经网络的水声目标识别

提出了声矢量信号互双谱估计算法.对矢量传感器实测的湖上和海上试验数据,利用二阶和高阶统计量特征提取方法,分别提取了声压和声矢量信号组合特征,并用不同组合特征构造了LMBP神经网络的输入向量集,对舰船目标进行了分类识别.结果表明,基于声矢量信号的组合特征具有较强的类别可分性,用于水声目标识别,其识别率比声压信号高出约12.12%.     

低分辨机载雷达飞机目标分类识别技术研究

目标分类识别技术是机载雷达当今和未来发展的重要需求之一。目前研究较多的是基于宽带信号的目标识别,对雷达系统和目标信噪比提出了较高的要求,且对角度较敏感。考虑到现有机载雷达大多具有窄带跟踪模式和目标分类识别的需求背景下,该文提出了一种基于窄带分形和幅度调制联合2 维特征的飞机目标分类识别方法。文中以支持向量机(SVM)为分类器,以实测试飞数据进行分析验证,试验结果表明,该方法能有效分类识别直升机、螺旋桨飞机、喷气式飞机,平均分类识别率在92%以上。      

基于微多普勒分析的弹道目标识别技术研究

目标微动产生的微多普勒特征,通常被认为是目标独有的特征,可用于确定目标的性质,实现对目标的检测、识别与分类。文中在对微动目标微多普勒分析的基础上,建立了导弹与诱饵的数学模型,采用短时傅里叶变换的方法对回波信号进行微多普勒特征提取,仿真分析了导弹与诱饵的微多普勒特征,通过研究其时频分布特点的差异成功的识别出了真假目标,从而为弹道导弹与重诱饵的识别提供了一个新的有效方法。     

基于支持向量机的雷达欺骗性干扰类型识别

本文把雷达目标回波信号和欺骗干扰信号纳入到统一框架下进行分析,提取了基于原子分解理论的特征及时延和频偏匹配度特征。最后利用支持向量机（Support Vector Machine,SVM）分类器,对雷达接收信号进行了分类识别。仿真结果验证了该方法不仅可以有效检测欺骗干扰信号的存在,还可以识别欺骗干扰信号的类型。     

一种基于时频分析神经网络的通信信号盲识别新方法

为解决通信盲侦察中的信号分类识别问题,提出一种新的通信信号盲识别方法,利用时频分析技术提取信号特征,采用神经网络(BP网络)方法对信号进行分类识别。仿真结果表明,该方法在无噪声情况下,平均识别概率在85%以上,相位调制信号的识别率甚至高达98%。如果信噪比比较高,则信号的平均识别率也能达到85%左右。该方法的特点是无需知道信号的任何先验信息,可对宽频带范围内的任何信号进行识别,无需在识别前进行载频同步或进行信号参数估计。     

基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型

针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题,该文提出一种新的卷积核模块-可扩张可选择模块(ESK),ESK具有通道可扩张、通道可选择和模型参数少的优点。与此同时,利用ESK模块重新设计了SSD的基础网络和附加特征提取网络,记作SSD-MV2ESK,并为其选择了合理的扩张系数和多尺度系数。在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上,SSD-MV2ESK在模型参数基本相等的条件下,检测精度比SSD-MV2提升4.71%。实验结果表明,SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务。     

SAR图像点目标的检测

分析了在均匀杂波回波功率服从 Gamma分布条件下 SAR点目标检测 ,推导了点目标虚警概率和检测概率与阈值系数关系 ,提出了检测点目标阈值系数选择根据和方法。在杂波均值估计方面 ,提出了以全局均值代替局部动态均值。实际测试结果表明所提出的检测方法在检测效果和计算量方面都优于双参数恒虚警检测算法     

改进暗通道方法的水下强散射介质目标探测

针对水下场景目标探测图像质量退化问题,提出了一种自适应计算水体衰减系数暗通道融合多尺度Retinex(Multi-scale Retinex,MSR)的复原算法,有效实现了水下目标的复原。通过搭建的水下成像测量装置,借助成像系统获取水下模拟环境的探测图像,对水下探测图像按照算法流程图逐步处理,得到了有效复原水下目标辐射信息的图像。为客观评价算法的效果,采用对比度、平均梯度与信息熵作为定量评价指标因子,对该算法与常规三种算法进行了定量对比研究,结果表明,该算法处理结果各项定量评价指标因子均优于选取的对比算法。研究结果为水下目标探测提供了基础理论探索方法,对水下目标探测实施开展具有一定的指导意义。     

强海水混响背景下水中兵器攻击目标检测研究

水中兵器在对舰船目标攻击过程中受到海水混响杂波的影响,导致目标检测性能下降。传统方法采用时频分析方法进行目标检测,在信混比较低的情况下受到的干扰较强,导致虚警概率较高。提出一种舰船目标回波盲源分离的强海水混响背景下的水中兵器攻击目标检测算法。首先构建强海水混响干扰下的舰船目标回波模型,对舰船目标回波模型进行自相关匹配滤波,提取回波信号的高阶谱特征,实现目标信号的盲源分离,达到目标检测的目的。仿真结果表明,采用该算法进行目标检测,准确检测概率较高,降低了虚警概率,提高了水中兵器对目标的准确打击能力。     

水下目标激光周向扫描探测模型与仿真分析

蓝绿激光在水下目标精细探测中具有重要的应用前景。基于端面圆周的快速数值遍历算法,通过建立扫描光束与运动目标的交会方程,对水下目标的激光扫描探测过程进行了数值建模。结果表明:目标穿越光束扫描区的最短时间并非出现在迎头相遇的交会情况中。其次,通过采用蒙特卡罗模拟,仿真分析了脉冲频率、扫描频率、扫描半角以及目标距离对探测概率的影响,并得出扫描参数的最优设计。文中建立的数值模型可为水下激光探测系统的合理设计提供理论依据。     

对角切片谱法分析信号中相位耦合的频率分量

给出了三阶累积量对角切片谱的性质，分析了水中目标辐射信号的特点，并将3阶累积量对角切片谱法应用于提取水下目标辐射信号中相位耦合的频率分量。以水下某目标辐射噪声的实测数据为例，进行了仿真研究。结果表明，该方法在提取水下运动目标辐射信号中的参加相位耦合的频率分量和相位耦合产生的频率分量、抑制环境噪声和非耦合的频率分量等方面的性能优于自相关谱法。     

浑浊水体激光后向散射特性仿真与实验研究

由于水体的吸收和散射作用,光束能量在传播的过程中会产生衰减,激光脉冲会被展宽,制约着水下激光雷达的探测范围和探测精度。文中以浑浊水体环境下水下弱小目标探测为应用背景,建立了水下光子传播的蒙特卡洛仿真模型,模拟了不同衰减系数和散射率的水体后向散射回波信号,并对相应的水体后向散射回波信号变化趋势进行了分析。仿真结果表明：随水体衰减系数的增加,近场水体激光回波信号接收光子数逐渐增多;随水体散射率的增加,回波信号光子消亡速度逐渐降低。开展了不同浊度下的激光雷达回波信号的测试实验,实验结果表明：随水体衰减系数的增加,水体激光后向散射回波幅度逐渐增高,脉冲宽度逐渐展宽。在进行浑浊水体水下弱小目标探测时,随水体衰减系数的增加,应通过逐渐减小激光器能量或接收系统增益来增强水体回波与目标回波之间的差异,以此提高浑浊水体水下弱小目标探测的信噪比。实验验证了理论与仿真结果,为浑浊水体环境下水下弱小目标激光探测系统在不同水质下的激光能量选取、接收系统增益设计等提供理论支撑。     

基于频域注意力的水下目标检测算法研究

针对水下目标检测过程中由于水下成像模糊、目标物与背景对比度低等原因导致的水下图像特征提取与目标理解困难的问题,本文提出了一种基于频域注意力的水下目标检测算法。该方法首先将训练集图像变换到频域,并使用低频特征引导组件(low frequency feature guiding suite, LFGS)计算频率分量,然后该分量将作为参数被应用到低频特征提取模块(low frequency feature extraction model, LFM)来更好地提取图像的低频特征,融合了图像低频信息的特征经过进一步特征提取生成高层特征,最后将高层特征输入到检测头中进行检测。在URPC2021数据集上进行验证,平均精度均值达到了83.35%,验证了本文方法的有效性。     

基于脱靶量的水下目标激光扫描探测模型

蓝绿激光在水下目标非声探测中具有广泛的应用前景,但现有的探测模型尚未考虑探测概率与自导系统的匹配问题。为了获得最佳探测效果,建立基于脱靶量的水下目标激光周视扫描探测模型。仿真结果表明:随脱靶量增加,在相同发射频率下,增大光束发射倾角能显著提高探测概率,但减少了后级系统的处理时间;此外,随脱靶量增加,为避免探测漏检,应提高发射频率,减小光束发射步进角度。最后,通过仿真分析给出不同脱靶量下探测系统关键参数的最优设计。文中所建模型对探测系统、自导系统的匹配设计提供了一定的理论参考。     

蓝绿激光水下成像系统的探测灵敏度分析

为了分析水下激光成像探测系统的探测能力,根据水下蓝绿激光主动成像系统的成像过程,分析了目标与背景的辐射特性、海水后向散射特性、距离选通特性以及激光发射器和接收器的性能,提出了一种基于光束扩展函数(BSF)的探测灵敏度模型。该模型在海水散射系数与衰减系数之比介于0~1的范围内都适用。通过对给定参数的系统进行分析计算,进一步讨论了激光发散角、系统接收口径和图像传感器选通门宽等因素对系统探测能力的影响。结果表明:当选通门宽等于激光脉冲宽度时,系统的探测深度达到最大。模型的建立将为系统设计和系统参量的优化选择提供理论依据。