基于机器视觉的带钢表面缺陷检测研究进展

热轧带钢是钢铁行业的主要原材料之一,其表面质量控制一直是生产过程智能检测的重点任务。针对带钢表面缺陷自动在线检测逐步取代人工检测的现状,概述带钢表面缺陷检测方法,着重阐述基于机器视觉的表面缺陷检测方法,比较分析传统机器视觉、深度学习方法在带钢表面缺陷检测的应用,探讨带钢表面缺陷检测中存在的关键技术问题,并对其未来发展趋...     

雷达操作系统架构设计

介绍了雷达操作系统(ROS)的定义及其特点,然后,对其与传统操作系统的差异进行了对比分析,并给出了设计需求描述。针对雷达设备的特殊性,提出了ROS的整体架构,包括开发环境、程序结构和运行模式。面向底层硬件的驱动设计方面提出了三类驱动方式,并给出了相关标准数据结构。文中以国产“飞虹”雷达操作系统为例,对所提出架构的设计要素分别进行了说明和验证。     

OTHR数据处理仿真系统的设计与实现

主要描述了天波超视距雷达数据处理仿真系统的设计框架、模型建立及系统实现的内容。针对天波超视譬雷达的特点，采用了相应的模型来仿真电离层各类效应对回波的影响，将其体现至数据处理输入端的点迹数据中。Matlab平台下实现了上述系统，在设计中充分体现了兼容性和可扩展性，为天波环境下数据处理新算法的开发和设计提供了一个集成化的环境。     

多扫频接收方案改善电离层相位失真估计的算法

提出了一种新的多扫频接收方案，以改进对电离层相位路径失真的估计精度。该方案无需对发射端进行改动，只在接收端采用多扫频信号进行混频，即可分离出含有相同的电离层相位路径失真信息的多通道数据。利用多通道数据可获得比单通道数据更好的相位失真估计。通过理论推导和仿真实验，验证了提出方案的有效性。     

OTH雷达图像的粗糙度指标及用于射频干扰自适应抑制

针对OTH (Over-the-horizon) 雷达距离?多普勒(Range-Doppler, RD)图, 本文首次提出采用纹理粗糙度作为RD图质量的评价指标, 即计算RD图所转化灰度图的Tamura纹理粗糙度. 分析表明, 粗糙度指标能准确反映RD图受干扰情况, 对于不同灰度转换函数具有稳健性. 作为应用举例, 本文将图像粗糙度用于改进射频干扰抑制算法, 使干扰抑制达到自适应优化. 实验结果表明, Tamura粗糙度能够正确反映RD图干扰抑制情况, 优化粗糙度指标能够使干扰抑制自适应达到最优.     

超视距雷达海杂波与干扰信号的多域特征与海杂波检测

针对超视距(OTH)雷达接收信号成分复杂的问题,该文提出基于多域组图的信号分析方法,讨论海杂波、瞬态干扰和射频干扰的多域特征。运用时域、频域、距离域、重复周期和多普勒5域,组合为6种2维矩阵图,提出雷达接收数据的“五域六图”(5D6M)方法。通过五域六图,各种接收信号成分在多个域得以分离,海杂波和干扰在不同域的特征得以体现,清晰展示海杂波的频谱和多普勒谱特性、瞬态干扰的大功率和短时性以及射频干扰的窄带与多普勒特性。基于五域六图的信号特性分析,能够为雷达信号分析与处理提供很好的帮助。该文以海杂波为例,设计了基于频域-多普勒域的海杂波多普勒单元检测的新方法。     

天波超视距雷达目标RCS模拟新方法

基于天波超视距雷达探测距离远、覆盖范围大和受外界环境影响等特点,提出了一种利用可移动式应答机模拟天波超视距雷达目标雷达反射截面(RCS)的方法,并对所模拟的RCS的精度进行分析,提出精度校准办法。车载移动应答机具有机动性强、结构简单的优点,若用来模拟目标的雷达反射截面,并利用到天波超视距雷达探测威力的评估中,则能获得较好的效果。     

分布式天波超视距雷达体制研究

论述了天波超视距雷达及多输入多输出体制近年来的发展和研究状况.同时,从分布式天波超视距雷达所面临的任务需求和技术体制等方面展开分析,给出了雷达系统架构以及2种配置方式,并就其资源配置和信息融合进行了设计.最后,根据技术难点和成熟度提出了分布式天波超视距雷达"三步走"的技术发展路线及相应的阶段目标,对其中的关键技术还进行了评述.     

天波超视距雷达目标录取方法的研究

天波超视距雷达（OTHR）的工作方式和工作环境比较复杂,雷达的定位精度、检测概率和数据率与常规雷达不同,容易受外部噪声和杂波的影响。由于电波要通过电离层传播来探测目标,电离层的瞬时变化和多模式会污染雷达回波信号,并产生多路径效应,使超视距雷达测量得到的目标数据存在不确定性和模糊性,要从这种数据中正确识别出目标并能自适应关联跟踪处理是很困难的事。文中根据OTHR雷达的实际情况,参照常规雷达的目标录取方法,在自动跟踪的基础上,研究并开发出适合超视距雷达工作的人工录取和半人工录取方法,使得雷达在恶劣环境下也能充分发挥正常的工作能力。     

超视距雷达中距离-多普勒图的瞬态干扰自动识别方法

为提高瞬态干扰处理的稳健性,超视距雷达可采用先识别后抑制的思路.本文研究基于距离-多普勒(Range?Doppler,RD)图的瞬态干扰自动识别方法,将RD图转化为灰度图,提取其纹理特征,再基于机器学习设计分类算法.首先,提出新的瞬态干扰模型,仿真产生干扰数据,避免训练依赖实测数据;其次,建立RD灰度图图库,分强干扰、弱干扰和无干扰三类情况;然后,提取局部二值模式(Local Binary Pattern,LBP)纹理特征,基于支持向量机设计二分类器,结合纠错输出编码设计三分类器.最后,通过实测数据和文献RD图,验证本文所提识别方法的准确性,并比较分析不同图像特征及参数的影响.