带宽自适应Mean Shift跟踪算法

提出了一种先进行空间定位再确定目标尺度的两级跟踪算法,有效地解决了mean shift算法对尺度变化的适应问题.该算法首先在当前帧对应位置进行降分辨率处理,并以基于增量试探的mean shift跟踪算法收敛点作为当前帧目标中心位置,进而利用对数极坐标变换的旋转、尺度不变性,对目标和候选目标分别进行对数极坐标映射,并通过求取最大归一化相关函数确定目标的尺度变化.跟踪实验表明,该算法可以有效的提高mean shift跟踪算法空间和尺度定位准确性.     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

鸡群协同定位算法的研究

无线传感器网络(Wireless Sensor Network, WSN)定位问题可以看作一个目标函数最优化问题，通过鸡群优化算法进行求解。传统的鸡群定位算法所用的目标函数只考虑了待定位节点和参考节点之间的测量距离，测量距离不完整限制了定位精度的提高。基于此提出了一种鸡群协同定位算法，首先改进目标函数，确保待定位节点之间的测量距离被充分使用；然后采取多维标度(Multidimensioal Scaling, MDS)方法提供的良好初始位置，从而提高定位算法的收敛速度。仿真实验结果表明，与传统鸡群定位算法、粒子群定位算法、灰狼定位算法和改进的鸡群定位算法相比，鸡群协同定位算法能有效提高定位精度。另外，与传统的鸡群定位算法相比，虽然鸡群协同定位算法的时间复杂度有所增加，但定位性能得到了改善。     

基于ISAR和相位恢复的SAR运动目标成像方法

针对合成孔径雷达(SAR)对非合作目标成像时出现移位、散焦问题，根据逆合成孔径雷达(ISAR)利用目标本身运动成像特点，本文提出一种基于相位恢复原理和ISAR算法的非合作目标相位误差校正方法。首先，回波数据由SAR算法处理形成SAR图像，提取并恢复图像中选定的非合作目标数据作为ISAR处理原始数据；然后，采用自适应时间窗算法(Automatic time-windowing)以及图像对比度算法(ICBA)对非合作目标误差相位进行粗补偿；最后，利用相位恢复算法迭代求解实现对相位的精确补偿。该方法充分利用粗补偿得到的模糊图像信息作为相位恢复算法的先验条件，提高了算法的收敛性，仿真实验结果验证了该方法的有效性。      

一种基于粒子群算法的红外运动小目标检测算法

提出一种基于粒子群算法的运动小目标检测算法。首先利用两步分离法对图像进行预处理，筛选出少量的侯选运动目标，然后构造候选航迹，利用粒子群算法对候选航迹进行搜索，从而检测出目标航迹和目标点。实验结果表明，该算法能有效地检测出运动小目标的位置。     

基于萤火虫最优偏差的红外目标检测算法

为了提高红外目标检测的性能,借鉴萤火虫算法,提出了一种基于萤火虫最优偏差的红外目标检测算法。算法首先建立红外目标检测模型,通过红外拍摄系统对目标像点定位,将检测目标的光强分布看成高斯分布函数,利用质心窗口采集图像;以红外点目标成像的艾里斑能量分布做为萤火虫适应度函数,利用差分迭代对红外目标进行检测寻优;通过控制最优偏差估计的检测误差来优化检测目标。最后实验仿真显示本文算法能够检测出红外目标区域,相比其他算法边缘定位更准确,同时检测效率较高。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

改进DAB-DETR算法的非规则交通对象检测

非规则交通对象主要指任何在车辆行驶过程中可能对车辆行驶起到阻碍作用的物体，例如坑洼、落石、树枝等影响车辆正常驾驶的目标。针对道路中的非规则交通对象检测问题，提出一种基于改进DAB-DETR算法的非规则交通对象目标检测算法，经过对原始模型结构的分析，发现在图像特征输入编码器前加入绝对位置编码来弥补图像位置信息的缺失，只能隐式地表达特征间的相对位置信息，因此改进DAB-DETR在Transformer的编码结构中的多头自注意力机制中添加了针对图像的相对位置编码；其次发现在原始训练策略中，对得到的检测定位结果与类别信息进行二分匹配并计算损失值时，只是简单地将定位损失和分类损失加权求和，这样会导致性能下降，所以在训练策略中增加了将分类、定位损失集成在一个统一参数化公式中的AP损失函数。实验结果表明：改进DAB-DETR算法的检测精度达到了82.00%，比原始模型提高了3.3%，比传统模型Faster R-CNN、YOLOv5分别提高了6.20%、7.71%。     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

基于1比特量化的大规模MIMO雷达系统直接定位算法

1比特量化技术在大规模MIMO雷达系统中的应用使得系统成本、功耗及传输带宽显著降低。但这同时也对如何从1比特量化后的数据中提取目标高精度信息提出了严峻挑战。针对基于1比特量化的二次定位算法在低信噪比下定位精度低、鲁棒性差的问题,该文提出了一种基于1比特量化的大规模MIMO雷达系统目标直接定位算法。首先,通过将接收信号进行1比特量化,并推导基于1比特信号的概率分布,建立了关于目标位置的代价函数;其次,通过证明代价函数的凸性,利用梯度下降算法求解了回波中未知的信号参数;最后,根据最大似然估计实现了目标直接定位。仿真实验分析了所提算法的定位性能,结果表明,所提算法仅需传输相较于高精度采样(16比特为例)直接定位算法6.25%的通信带宽,同时其功耗仅为前者的0.1%。此外,与基于1比特量化的二次定位算法相比,所提算法在低信噪比下便可实现对目标位置的有效估计,并且其定位性能在低信噪比和低MIMO天线数量下均明显优于前者。同时,其性能会随着过采样技术的应用进一步提升。      

欠估计下相干信号的修正MUSIC算法

针对基本MUSIC算法是在信源正确估计的条件下才能应用的情况,论述了一种在欠估计的情形下改进的MUSIC算法,并将此改进算法成功地用于相干信号中,扩展了改进算法的适用范围。仿真结果证明了这种扩展的有效性。     

机动目标DOA跟踪粒子滤波算法

针对标准粒子滤波算法在机动目标波达方向(direction of arrival, DOA)随时间快速变化导致跟踪精度下降、实时性变差及多目标跟踪误差大等不足的问题,本文提出了一种改进粒子滤波(particle filter, PF)算法。该算法依据阵列信号处理模型和匀速(constant velocity,CV)模型,建立了机动目标跟踪的状态方程和观测方程作为状态空间模型,并在此基础上,借鉴多重信号分类(multiple signal classification,MUSIC)算法谱函数修改了粒子滤波的似然函数,实现了对目标方位的实时动态跟踪。仿真结果表明,与传统子空间类跟踪算法和标准粒子滤波算法相比,本文方法跟踪精度更高,收敛速度更快,抗噪能力及鲁棒性更强,对轨迹交叉的多目标跟踪性能也更优。      

Novel high-resolution DOA estimation using subspace projection method

The performance of multiple signal classification(MUSIC) algorithm with regard to solving closely spaced direction of arrivals(DOAs) depends strongly upon the signal-to-noise ratio(SNR) and snapshots.In order to solve this problem,a method by reconstructing the spatial spectrum function with both noise subspace and signal subspace is presented in this paper.The key idea is to apply the full information contained in covariance matrix and change the projection weights of steering vector on the noise and signal subspace by their revised eigenvalues,respectively.Comparing with the MUSIC algorithm,it does not increase any computational complexity either,and remarkably,it has the advantages of simultaneously reducing noise and keeping the high-resolution ability under low SNR and small sample sized scenarios.Simulation and experiment results are included to demonstrate the superior performance of the proposed algorithm.     

步进频信号散射中心的提取及目标识别

针对宽带步进频测量雷达体制，用几何绕射理论（GTD）模型来描述目标宽带RCS测量数据，利用多重信号特征（MUSIC）算法估计目标散射中心的数目和位置，并将目标的散射中心作为特征进行目标识别。利用暗室测量的缩比目标模型数据进行目标识别实验，结果表明，用该方法提取的散射中心特征稳当有效，识别效果较好。     

多测量向量模型下的修正MUSIC算法

压缩感知多测量向量(MMV)模型用于解决具有相同稀疏结构的多快拍问题,在传统阵列信号处理应用中多重信号分类(MUSIC)方法是一种常见的方法,但当快拍数不足(低于稀疏度)时其性能将急剧恶化。Kim等人(2012)推导出一种修正的MUSIC谱,并将压缩重构方法和MUSIC算法结合提出压缩感知MUSIC算法(CS-MUSIC),能够有效克服快拍数不足的问题。该文将Kim等人的结论扩展到一般情形,并基于传统的MUSIC谱和CS-MUSIC谱提出一种修正的MUSIC算法(MMUSIC)。仿真结果表明所提算法能够有效克服快拍数不足的问题,并且具有比CS-MUSIC算法和压缩感知贪婪算法更高的重构概率。     

基于最大置信度的多目标检测算法

针对混合运动模式下目标数量及目标运动速度范围等多项先验信息缺乏状况下的复杂航迹起始问题,提出一种基于最大置信度的多目标检测算法。该算法借鉴动态规划技术中的能量积累思想,并充分利用了传感器信号强度信息。在粗起始阶段利用扩展搜索算法生成候选航迹,并利用模型粗匹配的方法将候选航迹大致分为直线运动及曲线运动两种类型。在航迹确认阶段,采用基于信号强度信息的概率多假设跟踪算法,通过计算最优状态估计值获得量测点属于某一目标的最大置信度,并依据最大置信度确认目标量测。仿真实验结果表明,该方法实时性强,不仅能对多目标航迹准确起始,也可以有效避免概率多假设跟踪算法由于初值质量差而导致的错误跟踪现象。      

基于特征子空间的快速多径时延测量

提出一种基于特征子空间的快速多径时延测量方法.新方法对参考信号与接收信号的互相关函数做离散傅里叶反变换,将时延测量问题转换成具有低通包络的正弦信号频率估计问题.重构互相关函数的离散傅里叶反变换序列,形成的信号矩阵用于构造低阶协方差矩阵,使新方法的运算量与传统MUSIC算法相比大幅减小.理论分析、仿真结果验证了新方法的正确性,表明新方法以稍微降低时延测量性能为代价换取运算量的大幅减小.     

FDA-MIMO雷达主瓣距离模糊杂波抑制方法

主瓣上存在的距离模糊杂波降低了真实目标的估计准确度,导致检测性能急剧下降,这对传统雷达提出了严峻挑战。基于频控阵（FDA）-多输入多输出（MIMO）雷达的距离角度二维波束指向,本文提出一种对抗主瓣距离模糊杂波的方法。该方法利用发射-接收空域鉴别模糊杂波次数,并根据已搜索到的目标的大致距离,利用多重信号分类算法（MUSIC）精确分辨多个目标及杂波位置,最后通过设计线性约束最小方差（LCMV）自适应滤波器,使杂波失配而被抑制。该方法有效地解决了主瓣距离模糊杂波的抑制问题,提升了复杂环境下的目标检测性能。仿真验证了提出方法的有效性。      

Novel angle estimation for bistatic MIMO radar using an improved MUSIC

In this article, we study the problem of angle estimation for bistatic multiple-input multiple-output (MIMO) radar and propose an improved multiple signal classification (MUSIC) algorithm for joint direction of departure (DOD) and direction of arrival (DOA) estimation. The proposed algorithm obtains initial estimations of angles obtained from the signal subspace and uses the local one-dimensional peak searches to achieve the joint estimations of DOD and DOA. The angle estimation performance of the proposed algorithm is better than that of estimation of signal parameters via rotational invariance techniques (ESPRIT) algorithm, and is almost the same as that of two-dimensional MUSIC. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired DOD and DOA estimations, and avoid two-dimensional peak searching. The simulation results verify the effectiveness and improvement of the algorithm.