基于 D-S 证据理论的地质雷达目标识别

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。为解决地质雷达目标识别信息的融合问题,采用D-S证据理论方法,先对目标进行雷达扫描,然后对可能的目标类型进行基本概率分配,最后利用D-S组合公式进行融合识别。试验结果验证了该理论在地质雷达目标识别上的有效性和可行性。     

双基地雷达目标速度计算的FPGA实现

为了解决双基地雷达目标速度计算复杂的问题,基于CORDIC算法并利用FPGA设计了双基地雷达目标速度计算模块。仿真结果表明,所设计的双基地雷达目标速度计算模块计算精度高,工作速度快,资源消耗少,能很好地应用于双基地雷达中。     

超宽带探地雷达目标回波信号特征提取与材质识别

基于探地雷达信号传输机理,建立了超宽带探地雷达宽带回波模型,揭示了多谱分量对目标回波信号特征提取与材质识别的影响。超宽带探地雷达由于回波信号信息丰富的特点,特征向量的选取成为目标识别的关键。利用子波变换在宽相关处理中的应用,对回波信号进行滤波和典型数据提取。提取纵向和横向典型数据用于目标形状识别;提取回波道数据进行Welch功率谱分析,用于目标材质识别。     

基于小波包的去噪方法在地雷识别中的应用

作为一种新的探雷方法,探地雷达在探雷领域得到了广泛的应用。由于雷达回波信号包含有很多杂散信号,目标信号很容易被强噪声信号所淹没,为了提高雷达回波信号的信噪比,有利于地雷的识别和检测,提出了一种基于信息熵的最优基选择与小波包阈值去噪相结合的方法对回波信号进行杂波抑制,采用该方法对DeTeC的数据进行分析的实验结果表明,该方法在有效地去除了直达波的同时,抑制了背景噪声,分离出目标信号。     

基于小波能量特征的探雷方法研究

根据对探地雷达回波信号的分析，提出了利用小波域能量特征进行地雷探测的新方法。整个过程包括预处理、特征提取及目标分类三个步骤。在预处理阶段，使用波头相关法进行延时校正，设计了维纳滤波器滤除系统及环境噪声，并采用瞬时频率估计选取含有目标的信号；在特征提取阶段，采用小波包分解方法并按频段的能量和形成目标的特征提取；在识别阶段，利用Fisher线性判别函数和Mahalanobis距离对目标进行分类研究。将地雷目标及大小与其相近的物体对比试验的数据进行分析处理，结果表明，提取的特征能有效地将地雷目标与干扰物区分开，提高了地雷目标的探测率。     

地下管道图象的自动处理和识别

对地下管道探地雷达图象给出了自动处理和识别方法,管道的位置和深度直观地显示在 计算机屏幕上,此方法已应用于一种实际探地雷达,对地下管道目标具有良好的识别能力.     

压缩感知在雷达目标探测与识别中的研究进展

压缩感知理论是针对采样率和计算复杂度的一种新的信号处理模式,它以远低于奈奎斯特频率对信号进行采样,并能准确重构出原始信号.随着宽带高分辨雷达技术发展,目标相对于背景的高度稀疏,与复杂的雷达系统、海量数据呈现极度的不平衡,压缩感知是有效地减弱这种不平衡的可能技术之一.以雷达稀疏信号的压缩测量及重构为主线,本文综述了压缩感知理论在雷达目标探测与识别中的研究进展,分析了压缩感知理论在PD雷达、穿墙雷达、MIMO雷达、雷达目标参数估计、雷达成像以及目标识别等领域的潜在应用,描述了国内外的相关研究进展.文中对研究中现存的难点问题进行了探讨,并展望了未来的研究方向.     

克希霍夫积分偏移在探地雷达中的应用及实现

详细分析和论述了克希霍夫积分偏移原理及其在探地雷达成像中的应用,针对单目标和多目标做了仿真实验.实验结果证明:将克希霍夫积分偏移原理应用在探地雷达成像中具有精度和效率较高、算法简单等优势.     

探地雷达品质因子Q值估计方法

实现了利用探地雷达直达波的包络峰值处瞬时频率来估计品质因子Q值的方法。地震理论 中的子波可以由４个参数：调制频率,子波的能量衰减因子,以及子波的幅度和相位来确定 。在水平层状介质中,设每层的Q值为常数 (即Q值和频率无关),从平面波的单程波 传播理论的频率域方程出发,借助包络峰值处瞬时频率的定义,经过公式推导可知,Q值由 包络峰值处的瞬时频率的变化,传播时间以及子波能量衰减因子共同确定,得到了利用探 地雷达垂直雷达剖面数据(Vertical radar profiling,VRP)资料直达波的包络峰值处瞬时频率来估计Q值的方法。利用理论合成的实验数 据以及野外实际数据对该算法的有效性和准确性进行了验证。     

基于隶属度和D-S理论的雷达目标识别方法

研究了D—S证据理论在雷达目标识别中的应用。D—S推理的关键问题是基本概率赋值函数的构造。针对目标识别中的不确定信息，本文引入了观测样本的模糊隶属度函数，求得单个传感器对目标的相关系数，进而给出该传感器对于识别框架的基本概率赋值．再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果证明了该方法的正确性和有效性。     

基于TD—SCDMA的便携式侦察雷达情报传输系统

为了提高便携式战场侦察雷达情报传输的灵活性、机动性,提出了一种基于TD-SCDMA的便携式战场侦察雷达情报传输系统。该系统主要由TD—SCDMA收发单元、网络传输部分和雷达情报处理中心组成。TD-SCDMA收发单元负责数据传输,雷达情报处理中心主要接收各雷达送来的点迹、航迹及目标特征信息,并进行融合跟踪、综合识别处理。为保证该系统传输雷达情报的稳定性,设计了网络传输QoS自适应控制机制。系统性能分析表明,该传输系统能够满足情报数据实时性、可靠性、安全性的传输要求。     

Bayes理论在机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究的主要问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。文章介绍了将Bayes经典推理理论应用于机器人对未知环境的探索、感知过程,确定了具体的实验方案和实现步骤,完成了一个简化的仿真算例,并通过仿真结果对该方法的有效性和性能进行了验证和评估。     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。     

D-S证据理论在移动机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究中主要的问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。详细介绍了将D-S证据理论应用于移动机器人对未知环境的探索、感知过程,并通过仿真结果对D-S证据融合方法的性能进行研究与改进,确定了D-S证据融合方案的具体实现步骤,并完成了一个简化的仿真算例,得出了相关结论。     

多传感器数据融合在飞机地面防撞中的应用

针对我国目前对于飞机在地面经常发生的相撞或刮蹭方面的研究较少的现实情况,研究用多传感器数据融合的方法实现飞机的地面防撞。根据现有的多传感器数据融合理论,在分析数据融合过程的基础上,建立混合式数据融合模型,结合模糊神经网络方法实现面向目标的数据融合算法。同时,选用毫米波雷达、红外传感器等多类进行地面多目标的身份识别和威胁评估,从理论上验证了多传感器数据融合思想在飞机地面防撞理论中的可行性,为进一步建立飞机地面防撞系统提供理论基础。     

基于毫米波雷达和CCD摄像机信息的D-S融合方法

研究了毫米波雷达和CCD摄 像机两种传感器信息的D-S融合方法,论述了毫米波雷达信息采集、滤波、计算障碍物的距 离和方位及判别障碍物是否在无人地面平台ROI(Region of interested)内;CCD摄像机的信 息处理、分割和障碍物的宽度、高度和方位角的计算。通过建立坐标系和坐标系间的齐次变 换实现其空间配准。按D-S融合方法首先建立障碍物鉴别框架,通过实验确定它们对应于鉴 别框架中障碍物指数的基本概率分配值,再根据D-S证据方法的组合规则计算所有证据联合 作用下的融合结果,得到障碍物在无人地面平台ROI内的距离、方位和大小。在无人地面平 台ROI内进行验证,本文的研究成果可行,并且具有较好的鲁棒性。     

基于DTW 距离的探地雷达数据可视化

提出一种基于动态时间弯曲算法距离度量的探地雷达数据可视化方法,利用动态 时间弯曲算法在时间轴方向上伸缩的优越性,结合可指定类数的聚类算法对探地雷达数据进行 聚类和可视化分析。可用于实测的探地雷达数据集,实验结果表明,相对于传统的聚类算法, 本文算法能得到更好的聚类结果。     

要地防护反无人机系统设计与实现

提出了一种要地防护反无人机系统设计与实现方法,重点解决了雷达、光电红外、无线电侦测等异类传感器的数据融合以及协同探测等问题.针对小型无人机目标特性,提出了基于多源异类传感器的航迹融合规则;针对雷达与光电红外协同精度不匹配的问题,提出一种光电扇扫搜索的方法,实现了对小型无人机的多传感器接力探测与连续稳定跟踪及有效反制.该系统已在某国家公祭日安保、某核电站低空保障等实践中得到应用实践,有效提高了对小型无人机的探测、跟踪、识别、处置能力.     

多摄像头移动识别技术的研究

目前,单摄像头移动对象识别的相关技术已比较成熟,但仍然存在场景切换、目标遮挡等问题,为了解决上述问题及达到更好的识别效果,提出了多摄像头移动对象识别方法,将多视频数据融合技术细化为数据层、目标跟踪层及决策层三个层次的信息融合:数据层通过融合多摄像头移动目标的大小、方向等参数实现了移动目标的准确描述;目标跟踪识别层采用粗集理论和BP神经网络结合的方法,增强了识别系统的稳定性;决策层通过D-S证据理论来融合多个摄像头节点的决策结果,提高了目标识别的准确度。