基于符号检测器的修正双模融合检测算法

针对双模复合制导中的融合检测问题,提出了一种修正的符号检测器融合检测算法。通过对两局部统计量增加一个修正系数并使用修正的检验统计量进行判决,融合后系统的检测性能比传统符号检测器融合检测算法有明显提高。文中给出了修正系数和融合检测器的虚警概率表达式,仿真结果表明,文中提出的算法使检测概率比传统符号检测器略有下降,但虚警概率却大大降低,修正算法检测性能有很大改善,仿真结果还验证了修正系数和虚警概率关系的正确性。     

一种双模导引头目标检测的模糊数据融合算法

本文利用模糊集合来描述传感器的检测率和虚警率,提出了一种双传感器目标检测的模糊数据融合算法,并将其应用于双模复合导引头的目标检测,仿真结果表明算法合理。     

相关局部判决下基于N-P准则的分布式检测融合算法

研究了在相关局部判决条件下的基于N-P准则的分布式检测融合算法，给出了利用相关系数来表示的最优融合规则的表达式，解决了相关系数的求解问题，并在实验仿真的基础上，给出了部分有益的结论。     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

基于分布式检测的浮标信号检测级融合算法研究

针对单枚浮标对目标检测能力有限的问题,为了提高对目标的检测性能,根据多枚空投浮标的位置和信息特点,对多枚浮标的检测级融合进行了研究;在对分布式检测融合理论进行研究的基础上,研究了基于分布式检测的浮标信号检测级融合体系结构、融合规则、融合算法等.通过仿真验证,给出了各浮标及融合系统的检测性能曲线,及相关系数、接收机信噪比等参数与检测性能的关系.仿真分析结果表明:经过融合后的浮标信息检测性能优于单枚浮标的检测性能.     

基于局部检测统计量的分布式CFAR检测理论研究

本文系统研究了融合中心接收局部检测统计量的分布式CFAR检测技术。在假设局部检测器背景杂波功率水平相同以及不同传感器测试单元之间服从独立同分布的前提下,首先推导了局部采用单元平均（CA）检测器时融合中心的检测概率与虚警概率的解析表达式,在此基础上利用Laplace变换的频域微分性质,将其推广到局部采用其它检测器,获得了普适性的融合方法,可适用于局部采用任意数量、形式的均值（ML）类和有序统计量（OS）类CFAR检测器时的情形,避免了传统的融合中心采用MOS类方法时所需要的局部信杂比相同的假设,实验结果表明了算法的有效性。      

基于双模型融合的监控视频人数统计

针对垂直角度监控视频下的人数统计任务所遇到的角度特殊、检测精度较低等问题,提出了一种基于双模型融合的监控视频人数统计方法。在基于COCO数据集的YOLOv3预训练模型上,加入了垂直角度的训练样本进行迁移学习。分别训练两个模型,一个检测俯视视频中的行人,另一个检测俯视视频中的人头。将迁移学习训练后的行人检测模型和人头检测模型的检测结果进行融合,并引入基于卡尔曼滤波的跟踪方法得到了运动轨迹,利用运动轨迹信息实现了人数统计。通过多次实验,验证了在垂直角度监控视频中双模型融合方法较单一检测模型和预训练模型能取得更好的检测效果,最终获得更准确的人数统计结果。     

分布式网络雷达检测融合处理算法

针对分布式网络雷达的特点,提出将检测融合应用于数据处理系统,给出了检测融合处理算法,并对子网融合的性能进行了仿真。仿真分析表明,将检测融合应用到分布式网络雷达数据处理,对提高系统的探测性能是有效的,尤其是对提高对低空、慢速、小目标的发现概率,有较大的实际意义。     

基于功率控制的分布式检测融合算法

研究了多传感器分布式检测融合问题,提出了一种基于模糊机会约束规划(FCCP)的发射功率分配算法。首先推导了表征系统检测融合性能的J散度表达式。然后,针对现代战场电磁环境的复杂性和不确定性,基于可信性理论,将系统的J散度门限看作梯形模糊变量,以最小化融合时各传感器与融合中心的发射功率为目标,在满足系统检测融合性能不小于给定门限的概率超过某一置信水平的条件下构建FCCP模型。最后,利用梯形模糊数的性质,将FCCP模型转化为清晰等价形式,并采用基于非线性规划的遗传算法(NPGA)对该非凸、非线性模型进行求解。仿真结果验证了算法的可行性和有效性。     

采用信息融合的红外目标检测算法

针对空中红外目标检测过程中存在的检测精度不高、易受干扰等问题,本文提出了一种信息融合的目标检测算法。首先,针对单一滤波模式的不足,采用降采样方式将多种模式的滤波方法进行融合,有效提高了滤波后的图像信噪比,减少了预处理时间。然后,对质心检测选定的检测区域进行显著性检测和边缘检测,并将结果进行融合,增强了目标区域的信号强度,改善了算法的检测精度。文中从理论上介绍和分析了该算法对红外目标检测的有效性,并通过Matlab仿真实验与其他单一检测算法进行了对比。实验结果表明,信息融合的检测算法能够在多种复杂情况下有效检测出空中红外目标,证明融合检测算法的抗干扰性和适应性上更强、检测精度更高、算法的鲁棒性更好。     

一种基于多特征参数融合的弱小目标检测算法（英文）

基于特定场景的先验信息,通过分析多个特征参量对弱小目标检测的性能,利用各参量对弱小目标检测的长处,设计了一种基于多特征融合的目标检测算法。以空域匹配模型、区域加权信息熵和频域滤波自适应阈值分割3种方法为单特征量,基于各个特征量对特定应用场景下的大量目标检测的先验结果,利用概率论的知识,构造了有利于提升计算速度和检测概率的两种多特征融合方法。实验表明,该方法能够有效地提高单帧弱小目标的检测性能。     

一种改进的基于FG-Turbo多用户检测的软干扰消除算法

基于因子图与和积算法,给出了基于LDPC的FG-Turbo多用户检测扩展模型,仿真比较了最优MAP算法和软干扰消除算法的性能,并提出了一种基于敏感比特的软干扰估计新方法。仿真结果表明,改进后的软干扰消除算法在复杂度不变的情况下,有效地改善了系统性能。     

基于改进的量子遗传算法的多用户检测

为了加快量子遗传算法(QGA)的收敛速度,减小基于QGA的多用户检测的计算复杂度,提出了一种基于改进的量子遗传优化算法(MQGA)的多用户检测算法.通过引入小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略,改善了QGA的收敛性能和寻优能力.仿真结果表明,提出的多用户检测算法在收敛速度、误码率、抗远近能力及系统容量方面都优于遗传算法多用户检测器、量子遗传算法多用户检测器和传统多用户检测器.     

基于决策级融合的RX高光谱影像异常检测算法

对高光谱影像的RX异常检测算法进行了研究。针对RX算法中对高维数据局部背景协方差矩阵估计存在较大误差的局限性,提出一种基于决策级融合的RX算子高光谱影像异常目标检测算法。首先,对同一场景下的可见近红外数据和短波红外数据分别运用经典的RX算子进行异常检测,得到初步异常检测的目标判决。在此基础上,利用传感器获取信息的冗余性和互补性特性,结合基于规则的决策级融合方法,得到最终的RX异常检测判决结果。在实测高光谱数据上进行了实验仿真,验证了本算法的有效性。     

基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码（Fan-shaped Cloud Pillar Code,FCPC）,将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块（Convolutional Block Attention Module,CBAM）对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP) 还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。     

基于双分支特征融合的无锚框目标检测算法

针对无锚框目标检测算法CenterNet中,目标特征利用程度不高、检测结果不够准确的问题,该文提出一种双分支特征融合的改进算法。在算法中,一个分支包含了特征金字塔增强模块和特征融合模块,以对主干网络输出的多层特征进行融合处理。同时,为利用更多的高级语义信息,在另一个分支中仅对主干网络的最后一层特征进行上采样。其次,对主干网络添加了基于频率的通道注意力机制,以增强特征提取能力。最后,采用拼接和卷积操作对两个分支的特征进行融合。实验结果表明,在公开数据集PASCAL VOC上的检测精度为82.3%,比CenterNet算法提高了3.6%,在KITTI数据集上精度领先其6%,检测速度均满足实时性要求。该文提出的双分支特征融合方法将不同层的特征进行处理,更好地利用浅层特征中的空间信息和深层特征中的语义信息,提升了算法的检测性能。     

基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。      

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

基于自适应空间特征融合的轻量化目标检测算法

针对目前深度学习中单阶段目标检测网络结构复杂、训练困难与在移动与嵌入式设备难以部署的问题,提出了一种基于自适应空间特征融合的轻量化目标检测算法.所提算法以YOLOv4为网络基础框架,采用轻量级MobileNet作为特征提取网络,降低网络深度与训练难度,提高检测速度;采用一种自适应空间特征融合(ASFF)方式改进PANe...