基于信号幅相特性的副瓣跟踪自动识别方法

传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论:副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增大。在此基础上提出一种基于信号幅相特性的副瓣跟踪识别方法:构造以差和幅度比、和差相位差为描述子的幅相特征向量,采用支持向量机(SVM)对特征向量进行分类完成识别过程。实验结果表明,该文方法识别准确率高,鲁棒性、实时性、通用性强。     

街景图像中基于级联特征的行人检测方法

针对街景中的行人检测问题,提出了一种基于级联特征的行人检测方法.首先采用简单特征提取可能包含行人的潜在区域;然后采用基于概率接受的方法,结合方向梯度直方图(HOC)特征进行密集扫描分类;最后用非最大化抑制(NMS)过程聚合分类结果.实验结果表明一方面这种基于级联特征的方法使两类特征互补提高了检测精度;另一方面基于概率接受的方法进行密集扫描分类使得检测时间显著缩短.     

基于核函数最大值点跟踪的弹道实时融合方法

针对目前火箭弹道实时融合方法抗干扰性差、对初值敏感、依赖于理论弹道方程等问题,从测量误差的统计特性出发,证明了从有限样本构造的高斯核密度估计函数最大值点是产生该组样本高斯分布期望的无偏估计量这一结论,提出了一种基于高斯核密度估计函数最大值点跟踪的方法:根据各设备的测量数据构造高斯核密度估计函数,将弹道融合问题转化为求该函数最大值点的问题; 由于经典的迭代求解法耗时较长,对前一帧估计结果进行平移采样,将采样结果作为当前帧最大值点的近邻进行一阶泰勒估计,最后取核函数值最大的估计位置,从而完成跟踪。对方法的有效性进行了理论分析,并与经典迭代法的时间消耗进行了对比理论计算。结合实验从抗干扰性、初值敏感度、伸缩性能、稳定性方面,与目前的选优法、样条约束法、无迹卡尔曼滤波法进行比较,证明了该文方法具有估计精度高、鲁棒性强、可扩展性强、平滑度高的优势,且满足实时性要求。     

基于计算机视觉的光电误差参数自动标校方法

针对传统人工方法进行雷达光电误差参数标校精度低、耗时长等问题,提出了一种基于计算机视觉的方法,依次通过局部色彩均值向量匹配、非极大值抑制（ NMS）聚类、方向梯度匹配的方法实现光标的自动定位。实验表明,该方法与脉冲耦合神经网络（ PCNN）方法相比鲁棒性强,具有较高的识别准确率;与人工标校方法相比,提高了标校精度并减少了耗时。