严重拖尾杂波中距离扩展目标的自适应极化检测

为了解决统计特性未知的严重拖尾杂波背景下距离扩展目标的信号检测问题,提出了一种基于广义似然比检验(GLRT)的自适应极化检测器．该检测器利用了雷达回波的极化信息,并使用辅助数据估计杂波的协方差矩阵．推导了其虚警概率表达式,理论分析验证了该检测器对于杂波能量和杂波协方差矩阵具有恒虚警特性．仿真结果表明,该自适应极化检测器在较低信杂比下就可以获得好的检测性能,且相比于点目标自适应极化检测器和单极化自适应检测器,具有更优的检测性能．     

一种利用稀疏表示的距离扩展目标检测新方法

针对在高斯白噪声背景下距离扩展目标检测问题,通过构造Sinc基来线性表示距离扩展目标的一维距离像,将稀疏表示理论引入到目标检测中,提出了基于Sinc基的自适应子空间检测器检测新方法．首先由基追踪算法估计噪声功率,再由基追踪去噪算法得到的残余分量估计噪声协方差矩阵,最后通过一阶高斯模型自适应子空间检测器来实现距离扩展目标检测．基于实测宽带雷达回波数据的实验结果表明,所构造的Sinc基可以很好地线性表示距离扩展目标的一维距离像,有效地实现距离扩展目标检测．     

Knowledge-based adaptive detection of radar targets in sea clutter background

This paper focuses on the problem of radar targets detection in the compound-Gaussian sea clutter on the condition with the limited secondary data.The texture is modeled by the generalized inverse Gaussian distribution.Two adaptive detectors based on a priori knowledge of the speckle covariance matrix are proposed.First,the inverse complex Wishart distribution is exploited to model the speckle covariance matrix,and then an adaptive detector without using the secondary data is designed according to the generalized likelihood ratio.According to the maximum posterior test criterion,the secondary data are used to design an adaptive detector with secondary data and prior knowledge.Experimental results show that when the number of secondary cells is small,the two detectors proposed in this paper have a better detection performance than the GLRT-GIG detector.With different numbers of secondary cells,the proposed adaptive detector depending on the secondary data and a prior knowledge has the best performance.     

空天背景下红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立与之相应的框架模型,对于这种含参信号的复合假设检验,采用广义似然比检验（GLRT）得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子．采用人工合成的多光谱红外图像序列对其进行测试,评估该算法的有效性,结果说明,该算法对...     

一种距离扩展目标的检测方法

针对宽带雷达中距离扩展目标的回波特性,提出了一种对高分辨距离像数据进行目标检测的新算法.先用窗函数估计目标的位置和噪声强度,并采用模糊门限映射对目标数据进行转换,再假设目标匀速平动对各次回波进行包络对齐,最后在对目标的导向矢量进行估计的基础上得到基于模糊门限映射的广义似然比(FTMD-GLRT)检测算子,并简要分析了该方法的恒虚警率性.实验结果表明,与基于散射点密度的广义似然比检测算法相比,FTMD-GLRT算法检测性能有明显的提高,可有效地解决宽带雷达的目标检测问题.     

辐射源机动目标被动式鲁棒跟踪一种算法

为研究只测向目标跟踪系统在观测噪声为ε污染高斯分布背景下的辐射源机动目标鲁棒跟踪问题,提出一种简易而有效的变结构鲁棒跟踪算法。该算法由机动目标快速鲁棒检测器、变结构跟踪器（鲁棒MGEKF／PLKF）以及系统误差补偿等环节组成,能够在ε污染高斯分布背景下快速鲁棒检测和跟踪辐射源机动目标,同时根据系统误差特征可实时补偿系统跟踪误差。仿真结果表明,该算法能够有效解决辐射源机动目标鲁棒跟踪问题。     

Adaptive waveform design for target detection in the wideband radar system

The target detection performance of radar can be improved by transmitting a waveform which matches the high-resolution range profile (HRRP) of the target. However, a serious degradation of the autocorrelation property always occurs in the matched waveform, which has a bad effect on radar parameter estimation. To solve this problem, a generalized model of HRRP which consists of the deterministic term and random term is introduced under the consideration of variations in the target impulse response. Based on the study of the generalized likelihood ratio test (GLRT) detector and the objective functions for waveform design, an iterative algorithm with the criteria of maximizing the signal to noise ratio (SNR) and minimizing the minimum mean square error (MMSE) is proposed. Simulation results indicate that the design method can make a tradeoff between the performances of estimation and detection, and sequentially improve the detection performance based on the on-line estimates of the HRRP.     

基于迁移学习的跨域异常流量检测

基于已知数据的机器学习模型在实际异常流量检测任务中不完全可靠,为此,将不同分布的流量分别作为源域和目标域,建立跨域网络异常流量检测框架,提出了基于联合分布适配的迁移学习方法.通过寻找最优变换矩阵、适配源域与目标域之间的条件概率和边缘概率,实现源域与目标域间的特征迁移,从而解决由于源域与目标域分布差异大所引起的检测准确率下降等问题.实验结果表明,所提方法可以显著提升跨域流量的检测准确率.     

一种与杂波类型无关的延展目标CFAR检测器

针对延展目标检测问题,提出了一种与杂波分布类型无关的CFAR检测器.首先从理论上分析了该处理方法的CFAR特性,导出了相应的检测性能解析式.同时,为了证实提出方法的有效性,将其与基于模糊积累的CFAR检测器和二进制积累CFAR检测器进行了实验比较.实验结果表明,该处理方法具有良好的通用性、实用性和稳健性.     

Interframe target regression network for vehicle detection in UAV video

UAV video has many advantages of flexible view,continuous view and wide monitoring scope,and at the same time,there are many problems,such as crowded targets,strong motion noises and so on,which make target detection difficult.To solve these problems,this paper proposes a video vehicle detection algorithm based on the interframe target regression network.According to the characteristics of crowded vehicles in UAV video,soft non maximum suppression is proposed as the detecting-box merging strategy of FCOS,and thus a single-frame vehicle detector is constructed.In order to deal with the problem that the single-frame detector can be easily disturbed by motion noise when it is directly applied to video detection,thus resulting in the change of the confidence level for the same target,an interframe target regression network is designed.The target features of adjacent multiple frames are fused by using interframe movement continuity,and the fused features are matched with the target features of the current frame to output the prediction results.Finally,the detection performance is improved by correcting prediction results through single-frame detection results.Compared with FCOS and FGFA,the average precision of the proposed algorithm is improved by 2% and 5% respectively,reaching 47.42%.Experimental results show that it is better than the existing FCOS and FGFA,and has better robustness and generalization.     

Detection of the airborne MIMO radar moving target in the non-Gaussian clutter

Due to the moving platforms, the clutters in distributed airborne MIMO radar are non-Gaussian and non-homogeneous, which leads to having no independent and identically distributed training data to estimate the clutter covariance matrix. To solve the problem, we propose that the covariance of the clutter should be modeled as an inverse complex Wishart distribution whose average value is a Hadamard product of the covariance matrix taper (CMT) and the clutter Doppler spectrum component. Based on this clutter model, a novel detector combing the Bayesian approach and the generalized likelihood ratio test(GLRT) is proposed. Numerical simulation results show that the proposed detector has a better detection performance compared with two current commonly used non-Bayesian detectors.     

宽带雷达动目标的一种互相关系数累加检测器

针对宽带雷达动目标检测问题,提出了一种在高斯噪声中的互相关系数累加检测器．宽带雷达动目标信号在距离频率域进行傅里叶变换取绝对值消除目标运动带来的相位项后,求互相关系数．利用相邻宽带雷达信号具有较大相关性这一特点,将多次相邻回波的互相关系数累加作为检测统计量．分析了高斯噪声互相关系数的概率分布,给出了检测门限设置方法．理论分析表明,互相关系数累加检测器具有恒虚警检测性能．计算机仿真试验表明,互相关系数累加检测器相比多普勒导向矢量已知的不依赖散射点分布密度的广义似然比检测器,在检测率为90％时有2dB的改善．     

高分辨距离像数据的检测新方法

针对宽带雷达多次回波间的距离单元走动问题,提出了一种对高分辨距离像数据进行目标检测的新算法．先用约束平移时延量的包络对齐法对各次回波进行对齐,再用窗函数估计目标的长度和位置,最后采用双迭代法对目标的导向矢量进行估计,得到最终的检测算子,并简要证明了该算法具有全局渐进收敛和恒虚警率的特性．两类飞机实测数据的实验结果表明,与基于散射点密度的广义似然比检测算法相比,当检测概率为80％时,本算法至少有1.4dB的改善．     

用于异常检测的免疫实值检测器优化生成算法

针对已有实值可变半径检测器生成算法的不足,提出一种优化的检测器生成算法。通过对检测器生成过程的统计分析,给出了基于假设检验的检测器生成过程,并将假设检验的结果作为算法结束的一个控制参数,有效减少了冗余检测器的产生。同时,算法充分利用自体空间的分布,优化检测器生成的中心位置,扩大检测器的半径,尽可能生成覆盖范围大的检测器,提高检测性能。通过人工合成数据集2DSyntheticData以及实际的Iris数据集和Biomedical数据集对算法进行了验证。实验结果表明,本算法用于异常数据检测,提高了检测率,所需的检测器数量减少,整体检测性能较优。     

基于超宽带雷达基带信号的多人目标跟踪

针对超宽带（UWB）雷达多人目标跟踪中的距离扩展问题,提出基于基带信号的方法. 该方法对射频回波信号进行下变频和抽取,通过动目标指示滤除杂波. 在基带CLEAN检测提取得到量测后,采用凝聚和跳窗方法确定目标初始状态. 运用联合概率数据关联和卡尔曼滤波进行跟踪. 在3种室内环境下开展实验. 结果表明,相对于选用射频回波直接进行处理,提出的方法对多目标跟踪的均方根误差（RMSE）小于0.26 m,在数据存储空间上减少了87.5%,在目标检测的处理时间上减少了39.7%.     

基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree,GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明:本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13％以上.     

一种云计算中Accrual失效检测器

为更好地解决云计算中网络环境的动态性对失效检测性能的影响,提出一种适用于云计算环境的双滑动窗口accrual失效检测器(Two Windows Accrual Failure Detector, 2WA-FD).首先,对不同网络环境下心跳消息到达时间间隔的概率分布进行实验分析,发现威布尔分布是一种更加合理的描述心跳消息到达时间间隔的概率分布模型,以此概率分布模型作为计算accrual失效检测器怀疑值的依据能够获得更高的精确度;其次,通过对accrual失效检测器实现架构的分析,通过采用双滑动窗口处理机制处理心跳消息能够更好地应对网络环境的突然变化;最后,通过开源实验数据以及租用云服务器搭建的实验平台比较和分析5种不同的accrual失效检测器实现的性能.实验结果表明,该失效检测器较其他同类型失效检测器在同样的检测负载情况下,能够获得更好的检测速度与检测准确性.因此,本文所提出的基于威布尔分布的双滑动窗口的accrual失效检测器2WA-FD能够准确、快速地发现云计算中的节点失效,有效地降低网络环境动态性对失效检测性能的影响.     

利用先验知识的空时自适应检测方法

针对雷达空时自适应检测中非均匀杂波造成可用均匀训练样本数少的问题,研究了在自适应检测器设计过程中融合先验知识的方法．自适应检测器中的协方差矩阵通常由多个独立同高斯分布向量估计得到,由于这些向量的外积之和服从Wishart分布,所以假定Wald检测器中的协方差矩阵是随机的且服从逆Wishart先验分布,该分布的参数矩阵可根据雷达探测环境的先验知识获得．基于上述假定推导出融合先验知识的Wald准则检测器,不仅利用了训练样本中的信息,还充分利用了探测环境先验信息．仿真实验表明,小样本情况下利用先验知识的Wald检测器的检测性能优于传统的检测器．     

基于改进Mask R-CNN的交通监控视频车辆检测算法

针对交通监控视频车辆检测常易受到遮挡导致目标车辆出现漏检或误检的问题,提出一种基于改进Mask R-CNN的交通监控视频车辆检测算法. 采用基于bottleneck结构的主干网络,提高主干网络提取特征的能力; 通过基于预测mask分数的掩码分支,融合目标的类别分数和掩码质量分数,提高车辆的掩码质量; 通过基于Arcface Loss的目标检测损失函数设计,提高不同特征之间的可判别性,提高目标的检测精度. 实验结果表明,改进的Mask R-CNN模型可更好地检测到被遮挡的车辆,目标车辆的检测精度超过Faster R-CNN、YOLO v3和Mask R-CNN模型,可解决目标车辆漏检或误检问题.     

基于对抗学习与深度估计的车辆检测系统

随着目标检测技术的不断发展，用于道路场景的车辆检测系统在自动驾驶领域得到了广泛应用。与传统的目标检测器相比，车辆检测的目标比较单一，但同时需要解决两大问题，一是在复杂的道路场景中，提供给检测器的车辆特征通常是不完整的，会出现遮挡和形变等问题；二是在自动驾驶过程中，需要对不同车辆的距离做出估计才能保证智能车及时地做出规避动作，即对图像的目标区域进行深度估计。针对这两个问题，提出了基于对抗样本生成与深度图重建的车辆检测方法。为预训练目标检测网络Faster⁃RCNN设计一个对抗网络，用于在训练过程中产生大量的训练样本，并利用这些样本对车辆检测器进行训练；根据检测结果，通过重建3D场景与相机位姿恢复深度图，对车辆的距离做出估计，以通知系统及时做出规避动作。实验结果表明，在不增加数据训练样本的情况下，该检测系统可以较好地提升车辆检测效果及估计目标车辆的距离。