一种基于信号强度的室内定位干扰抑制新方法

针对WiFi、蓝牙等基于信号强度的室内定位技术易受遮挡、反射等影响,导致较大定位误差的问题进行研究.在室内信号传播模型的基础上,推导出基于信号传播模型的场强测距模型,根据该模型对现有定位解算中的牛顿迭代算法进行改进,对不同信号计算不同权值,采用加权最小二乘法求解,在不增加解算复杂度的情况下,提高定位精度.仿真表明,该算法抑制干扰能力强,有效提升了定位精度.     

一种高效2.45 GHz低输入功率微带整流电路

提出了一种高效的2.45 GHz低输入功率微带整流电路,它可以有效地吸收低输入射频能量。该整流电路主要由一个倍压二极管BAT15-04W、开路枝节匹配电路和谐波抑制电路组成。所用的倍压二极管BAT15-04W是一个适用于低输入功率能量收集的低功耗肖特基贴片二极管。开路枝节匹配电路用于将整流电路匹配到50Ω。谐波抑制电路则是用于转换效率的优化设计。实测结果显示在直流负载为5 kΩ、输入功率为5 d Bm的情况下,该整流电路的RF-DC整流效率可达75.3%,所得到的直流电压超过3.45 V。     

结合阴影抑制的混合高斯模型改进算法

混合高斯模型背景法作为运动目标检测的一种经典方法,已经广泛应用于智能视频监控系统中。但是,传统的混合高斯模型背景法容易将阴影误检测为运动目标的一部分。因此,针对该方法在区分阴影和运动目标方面的不足,提出了一种将混合高斯模型背景法和HSV空间阴影抑制相结合的运动目标检测算法。这种改进算法首先将颜色空间转换到HSV空间,初步提取运动目标,然后再利用阴影的灰度值比背景中的灰度值小,而前景的灰度值比背景中灰度值大的特性,检测出运动目标中的阴影。实验结果表明,这种改进的算法明显提高了检测效果,有效抑制了阴影对运动目标检测的干扰,算法实时性也较好。     

红外背景抑制与小目标检测算法

目的 针对Robinson guard滤波器的局限性和红外图像背景抑制问题,提出一种新的红外背景抑制滤波算法。方法 首先通过形态学Tophat算子对图像背景进行抑制,然后对背景抑制后的图像采用改进的Robinson guard滤波器进一步凸显目标,并通过阈值化分割出感兴趣区域,在此基础上,利用Unger平滑去除小的噪声点,最后用局部信杂比（SCR）和移动式管道滤波剔除伪目标,实现运动小目标的准确定位。结果 采用3组不同的红外背景图像序列进行实验,所提算法对不同背景均有很好的抑制效果,与传统Robinson guard滤波方法相比,本文算法不仅能更有效地保留目标的特征信息,而且对3组图像序列的小目标的检测率分别提高了1.1%、2%、11%,虚警率分别降低了14%、12%、16%。结论 本文算法能有效地检测出小目标,具备较高的准确性,对于低信噪比的图像具有良好的适应性。同时,本文算法具有较高的实时处理能力,有利于实现实时性技术应用。     

机载雷达级联降维空时自适应杂波抑制方法

提出一种机载雷达杂波抑制的级联降维空时自适应算法,即,先对全空时两维接收数据进行预滤波处理,将杂波局域化,降低杂波自由度;然后对预处理输出的信号的相关矩阵进行子阵划分,求解低维权向量,进一步降低运算量和采样要求。理论分析和实验仿真结果表明,所提算法具有良好的收敛性能和杂波抑制能力,并且对于阵元随机幅相误差和杂波起伏具有很好的容差能力。基于实测数据的实验验证了算法的有效性和稳健性。     

复杂背景下弱小目标的检测*

复杂背景下低信噪比弱小目标的检测是当今目标捡测的一个热点课题。为了检测到弱小目标,首先对图像进行复杂背景抑制,以达到抑制背景、提高信噪比的目的,然后比较三种方法的背景抑制能力,最后对抑制效果好的图像进行图像分割来进行弱小目标检测。     

Pulse-order recursive method for inverse covariance matrix computation applied to space-time adaptive processing

The conventional space-time adaptive processing(STAP) method such as the typical sample matrix inversion(SMI)-based STAP method is difficult to implement for a practical system because intense computational complexity arises in calculating the inversion of a space-time covariance matrix directly.According to the block Hermitian matrix property of space-time covariance matrix,a new pulse-order recursive method is proposed in this paper to calculate the inverse covariance matrix for the STAP adaptive weight,which can reduce the computational complexity significantly.The proposed method requires initially calculating the inverse covariance matrix of the first pulse-order recursively based on the block Hermitian matrix property.In the following,the inversion of space-time covariance matrix is obtained recursively based on the previous pulse-order inverse covariance matrix.Next,the STAP adaptive weight is calculated based on the inversion space-time covariance matrix previously obtained.Compared with the conventional SMI-based STAP algorithms,the computational complexity of the proposed method is reduced to more than 50% for the same clutter suppression performance.This method can be applied to practical systems benefiting from small computational complexity and stable clutter suppression performance.     

HSV自适应混合高斯模型的运动目标检测

在目前的计算机视觉应用中,从视频序列中提取出运动目标是一个研究热点。针对传统方法在复杂多变环境下不能很好地检测出运动目标且运算量较大的问题,根据HSV颜色空间的特点,提出了一种基于HSV颜色空间的自适应混合高斯背景建模和阴影消除的方法。首先,在传统的混合高斯背景建模的基础上,引入了一种新的混合高斯模型高斯成分个数的自适应选择策略以提高建模的效率。其次,根据阴影在HSV向量空间的特点,融入了一种新的阴影消除方法,以检测出带阴影的运动目标。该方法能够快速准确地建立背景模型,准确分割前景目标。与传统的阴影消除方法相比,该方法可以在不需要设置阂值的情况下,对运动目标的阴影进行很好的消除,有很好的鲁棒性和实用性。     

相交过渡的识别与抑制算法

通过分析相交过渡识别与抑制的难点,提出一种简单高效的相交过渡识别与抑制算法.该算法基于过渡抑制前后尖边的去留状态预测模型的拓扑变化,实现相交过渡的识别与抑制:对过渡面的尖边进行分类,将其分为删除边、保留边和分割保留边3类;基于分类结果,将含有保留边的过渡识别为相交过渡;根据相交过渡中尖边所对应的过渡抑制后的拓扑变化重构过渡周围面边界,实现相交过渡抑制.实验结果表明,文中算法能快速、有效地简化相交过渡,具有较高的效率和较强的鲁棒性.