基于COM的VC/Matlab混合编程及其在SAR图像分类中的应用

为实现合成孔径雷达(SAr)图像分类算法的测试与评估,将VC/Matlab混合编程技术应用到SAR图像分类平台开发中,分析与比较了4种VC/Matlab混合编程方法及各自优缺点,并着重研究了基于组件对象模型(COM)的VC/Matlab混合编程方法.使用Matlab COM编译器创建了SAR图像分类算法组件,在VC中调...     

基于声与图像融合的车辆识别硬件系统设计

该文介绍了利用无线传感网络布置传感器终端来采集声信号和图像信号.在终端节点上,利用声传感阵列采集声信号并通过信号调理电路处理再进行AD转换;在网络协调器上,利用V4L2采集图像信号并通过S3C6410的MFC模块进行H.264编码然后UDP传送.该文介绍的硬件设计实现了实时的声信号和图像的采集,最后通过信息融合可以对各...     

SAR轮式和履带式车辆三维微多普勒建模与回波仿真研究

机载合成孔径雷达(SAR)回波数据是机载SAR信号处理的基础,然而靠飞行试验得到的实测数据价格昂贵且不灵活。针对这一问题,提出了一种可以在实验室中对机载SAR微动目标回波数据进行仿真的方法。首先,叙述了SAR运动点目标回波数据模拟的理论模型,提出了三维SAR运动点目标回波数据模拟的方法,并根据轮式和履带式车辆的结构特征与运动特征分别建立了两者的理论模型,给出了模拟实验的结果;然后,通过时频分析对不同车辆在不同速度情况下的回波信号进行了分析比较。仿真和研究结果显示:该理论建模方法正确有效,能够很好地用于在实验室中实现对机载SAR微动目标回波数据的仿真,回波信号的微多普勒特性为已有的目标识别方法提供了重要辅助条件。     

密集子区域切割的任意方向舰船快速检测

目的 遥感图像上任意方向舰船目标的检测,是给出舰船在图像上的最小外切矩形边界框。基于双阶段深度网络的任意方向舰船检测算法速度较慢;基于单阶段深度网络的任意方向舰船检测算法速度较快,但由于舰船具有较大长宽比的形态特点,导致虚警率较高。为了降低单阶段目标检测的虚警率,进一步提升检测速度,针对舰船目标的形态特点,提出了基于密集子区域切割的快速检测算法。方法 沿长轴方向,将舰船整体密集切割为若干个包含在正方形标注框内的局部子区域,确保标注框内最佳的子区域面积有效占比,保证核心检测网络的泛化能力;以子区域为检测目标,训练核心网络,在训练过程对重叠子区域进行整合;基于子图分割将检测得到的子区域进行合并,进而估计方向角度等关键舰船目标参数。其中采用子区域合并后处理替代了非极大值抑制后处理,保证了检测速度。结果 在HRSC2016（high resolution ship collections）实测数据集上,与最新的改进YOLOv3（you only look once）、RRCNN （rotated region convolutional neural network）、RRPN （rotation region proposal networks）、R-DFPN-3（rotation dense feature pyramid network）和R-DFPN-4等5种算法进行了比较,相较于检测精度最高的R-DFPN-4对照算法,本文算法的mAP （mean average precision）（IOU （inter section over union）=0.5）值提高了1.9%,平均耗时降低了57.9%;相较于检测速度最快的改进YOLOv3对照算法,本文算法的mAP （IOU=0.5）值提高了3.6%,平均耗时降低了31.4%。结论 本文所提出的任意方向舰船检测算法,结合了舰船目标的形态特点,在检测精度与检测速度均优于当前主流任意方向舰船检测算法,检测速度有明显提升。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下机动目标的检测跟踪问题,提出了一种改进型的基于多模型的粒子滤波检测前跟踪算法.由于粒子退化问题,在目标信号微弱、目标发生机动或者信号幅值波动较强势,粒子滤波的TBD算法的检测概率和跟踪精度将会下降.本算法在粒子滤波的基础之上改进,即在每次循环之前加入新粒子,新粒子的分布是由平均法和前一时刻的目标估计结果进行确定.给出了粒子滤波的TBD算法推导以及数值计算过程.仿真实验表明:基于改进型粒子滤波检测前跟踪算法能够检测低信噪比的目标.     

基于DS-VSMM的声网络低空机动目标跟踪

针对低空机动目标的声网络无源跟踪问题,提出一种基于有向图切换的变结构多模型算法.首先,将多个声传感器组网并对其时延的方位角数据进行配准,改善无源声探测网络的融合性能.其次,通过变结构多模型对目标状态进行估计,并利用有向图切换方法对新激活的模型分配权重,跟踪结果为多个模型估计结果的融合输出.通过与交互式多模型算法的仿真比...     

强机动目标自适应变结构多模型跟踪算法

在强机动目标跟踪领域,采用传统基于固定模型集合的交互式多模型算法需要大量模型来描述目标机动,需要巨大的计算量,并且过多模型会带来不必要的模型竞争反而降低跟踪性能.为解决它所带来的问题,提出一种自适应变结构多模型算法,采用少量与目标运动模式相关的模型,在不同时刻根据目标当前机动水平自适应调整模型参数建立新的模型集合,并对其进行滤波估计.仿真结果显示该方法能更好的匹配目标运动规律,有效降低计算复杂度,提高跟踪精度.