基于卷积神经网络的人体动作识别方法

针对较小数据集识别时的过拟合和误差传递问题,提出了一种基于卷积神经网络的常见人体动作识别方法.该方法首先利用经典雷达信号处理方法对人体动作回波进行预处理,生成人体动作的时频图像;然后构建卷积神经网络(CNN),并以时频图作为CNN输入数据对网络参数进行训练;最后利用网络公开数据集对所提方法进行了实验验证.实验结果表明,构建的CNN能够准确识别4类不同的人体动作,准确率不低于97%.     

基于延时相关和FRFT的编队目标架次分辨方法

为较好满足窄带雷达的防空作战需求,提出了一种基于延时相关和分数阶傅里叶变换(FRFT)的空中编队目标架次分辨方法.该方法首先利用延时相关法粗略估计出回波信号的多普勒调频斜率,依据调频斜率和FRFT阶次的对应关系,获得最优变换阶次的粗略值;然后以FRFT后信号的熵值为最小化目标函数,提出一种精确搜索最优变换阶次算法,并以此最优变换阶次对回波信号进行FRFT,从而实现在分数阶多普勒域的目标架次分辨.仿真结果表明,本文所提方法具有较好的多普勒分辨性能,编队目标架次识别准确率较传统的短时傅里叶变换(STFT)、维格纳分布(WVD)分析方法有显著提高.     

多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。     

一种旋翼类飞机的架次分辨方法

针对旋翼类飞机回波中数据缺失和微多普勒调制干扰的问题,提出了一种旋翼类飞机的架次分辨方法.该方法首先利用平滑l0范数重构算法(SL0)将稀疏回波重构成原始回波;然后利用复数经验模态分解(CEMD)方法对旋翼类飞机回波进行分解,从中分离出旋翼回波和机身回波;最后在多普勒域对机身回波进行处理,分辨出目标架次.仿真结果表明,该方法能够有效解决回波数据缺失问题及去除旋翼回波在多普勒域产生的干扰,有效提高常规预警雷达对旋翼目标的架次分辨能力.     

基于卷积神经网络的值班室智能监控系统

为增强常态化疫情防控中值班员值班状态的监控,提出并设计了一种基于卷积神经网络的值班室智能监控系统.该系统基于树莓派(Raspberry Pi)开发平台,首先利用光学传感器采集值班室图片数据,通过OpenCV框架中的人脸检测应用接口判定值班员在位情况;然后定义值班员精神状态和值班员防疫状态,构造5层的卷积神经网络,以人脸检测数据作为输入样本,对值班员值班状态情况进行智能识别.实验结果表明,该系统在自然光和灯光环境下均能对值班员值班状态作出智能评估.     

一种基于SAR稀疏采样数据的动目标运动参数估计方法

该文针对地面动目标运动参数估计问题进行研究,提出一种利用单天线合成孔径雷达(SAR)稀疏采样数据的动目标2维速度估计方法。首先以目标2维速度为参数构建一个等效参数化模型将动目标回波数据转化为小斜视回波数据,然后利用改进的迭代阈值算法实现不同参数条件下的动目标2维成像,最后以成像结果的图像熵值为优化准则对初始模型参数进行搜索,从而获得准确的动目标运动参数。该方法以稀疏采样数据为输入,可以减少所需数据量,并且能够有效避免多普勒模糊问题,在较低信杂比条件下仍然能够准确估计出目标运动参数。仿真实验结果验证了所提动目标参数估计方法的有效性。     

多节λ/4阻抗变换器的频率特性与变换比

多节λ/4阻抗变换器是微波工程中一种常用的匹配元件,能很好地改善频率特性,且变换比不同,改善的程度也不同,但一般教材却没有详细分析这一结论,容易引起读者的困惑。基于此,对两节λ/4阻抗变换器的频率特性与变换比进行了理论推导与仿真分析,在验证其频率特性的同时,还找到一仅与负载有关的最佳变换比使得多节λ/4阻抗变换器具有最佳频率特性,为宽带阻抗变换器的快速设计提供依据。     

军校专业导论课程开设需求的调查与分析

为培养学员的专业学习兴趣和增强岗位任职能力,对军校专业导论课程开设需求进行了调查分析.基于问卷调查结果,首先分析了军校专业导论课程的定位与意义,然后提出了具体的课程实施方案,最后阐述了开设专业导论课程的预期效果.这为军校专业导论课程的建设提供参考.     

基于改进多重测量向量模型的SAR成像算法

近年来,基于压缩感知(Compressed Sensing, CS)理论的稀疏场景SAR成像成为研究热点。在CS理论中,对于具有相同稀疏结构的联合稀疏目标信号源,多重测量向量(Multiple Measurement Vectors, MMV)模型可以获得优于单重测量矢量(Single Measurement Vector, SMV)模型的重构性能。然而,在距离徙动(Range Migration)不可忽略的应用场景,SAR各脉冲回波1维距离像具有不完全相同的稀疏结构,这使得无法在SAR应用中直接引入MMV模型。该文针对MMV模型与SAR距离徙动的矛盾,提出一种改进的MMV模型。在该模型下,各方位向位置对应的1维距离像的稀疏结构不要求完全相同,而是符合距离徙动特性。论文所提出的RM-OMP算法根据符合距离徙动特性的稀疏结构搜索稀疏信号支撑集,可以准确地重建稀疏信号源。论文采用仿真数据和实测数据实验验证了所提模型和算法的有效性。