基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

一种改进的扩频BPSK信号载频检测估计方法

检测与估计扩频信号的载波频率是截获扩频通信的重要手段,在分析直扩 BPSK 信号特点和传统平方载波检测方法的基础上,根据对称相关变换的性质,提出了一种改进的基于对称相关变换的平方载波检测扩频信号检测与参数估计方法.通过平方检测器,信号在载波的倍频处产生离散线谱,检测离散线谱可实现扩频信号的检测与载波估计.为了提高算法的检测性能,通过对称变换,进一步抑制噪声,有效地改善了输出信噪比,实现了低信噪比下直扩信号的检测.仿真结果验证了所提出方法的有效性.     

基于循环自相关的PSK信号码速率估计的噪声影响分析

采用循环自相关函数或基于循环自相关的循环统计量可以有效地估计PSK信号的码速率.与理论分析结果不符的是,实际中不具有循环平稳性的平稳噪声仍对基于循环自相关处理的PSK码速率估计有影响.该文分析了这类影响产生的原因,推导了循环自相关处理后,不期望项(即由平稳噪声所产生的项)的均值和方差的数学表达式,并给出了高斯白噪声情况下的简化表达式.仿真实验证明了这些结论的正确性.     

α稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在α稳定分布噪声环境下无法有效地实现参数估计.该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计.Merid滤波器可以有效地抑制α稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计.仿真结果表明,在α稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法.     

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为:同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪.首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵.然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新.最后,将该算法应用于多传感器多目标纯方位角跟踪.仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度.     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态.算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题.针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计.算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题.仿真实验验证了该算法的有效性.     

多红外传感器观测系统跟踪精度分析

针对多红外传感器观测系统的配置问题,本文首先采用扩展卡尔曼滤波与集中式融合相结合的算法进行被动目标跟踪,给出了算法的克拉美-劳下限,在此基础上分析比较了防区内对不同目标航迹的跟踪性能,给出了跟踪精度的几何分布,分析了系统参数对跟踪精度的影响,给出了提高系统性能的措施.     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰，并对去除背景后的图像进行分割，然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真，实验结果表明了该方法的有效性。