一种基于单元筛选的CFAR检测方法

提出了一种基于对参考单元进行比较筛选的雷达恒虚警检测方法,并对其在不同背景条件下的检测性能进行了分析。结果表明,该方法可以在不降低均匀环境检测性能的条件下,明显改善CA和OS－CFAR的抗多目标干扰能力与在边缘杂波非均匀环境下的检测性能。     

基于压电振动能采集器的无线频率检测节点

振动频率检测在旋转机械运行状态监测和大型建筑物结构健康监测等领域具有重要应用,为了实现振动频率检测节点的自供能,该文设计了基于压电振动能采集器的无线振动频率检测节点,该节点由两个压电振动能采集器、电源管理电路和无线测频电路组成。利用LTC3588-1和LT3009芯片组成的电源管理电路,将采集器一输出的交流电压整流稳压转换为直流电压为节点供电,采用低功耗微控制器MSP430F149对采集器二的输出电压进行处理得到环境振动频率,进一步利用无线收发芯片nRF24L01实现信号的发送。振动台实验表明,在加速度幅值为1 g(g=9.8m/s2),振动频率为53Hz时,该节点可每隔120s无线发送环境的振动频率。     

基于位置相关的高分辨雷达目标检测方法

本文研究了毫米波高分辨雷达杂波背景下目标信号的检测问题，提出了基于高分辨雷达目标一维距离象位置－径向距离相关信息的非参数检测方法。该方法不但计算复杂度低，而且还具有检测沿距离“走廓”上多个扩展目标的能力。通过毫米波高分辨步进频率雷达实测数据证实，这是一种非常有效的扩展目标信号检测方法。     

步进频率雷达目标运动补偿方法研究

介绍了步进频率信号及目标运动对合成一维距离像的影响,分析步进频率雷达中目标运动补偿的思路,在此基础上提出应用最小脉组误差准则对步进频率信号进行速度补偿的方法,对该方法进行分析和仿真,证明该方法具有较高的实用价值.     

一种基于频率相关的MPSK信号检测方法

针对负信噪比条件下MPSK通信信号的盲检测问题,通过对MPSK信号频域特性进行理论分析,提出了一种基于频率相关的MPSK信号检测方法。该方法利用MPSK信号的相位变换状态有限而造成频域上谐频分量对称的特点,采用频率相关方法,将信号由于相位翻转而产生的频率谐波分量集中起来,从而获得较高的处理增益,能够在负信噪比下实现MPSK信号的快速搜索和截获。理论分析和工程实践均证明了该算法的有效性和正确性。     

检测杂波中运动目标的阶跃频率波形的设计和处理

消音室里的测量雷达，已经应用阶跃频率波形业获得静止或旋转目标的一维或二维高分辨力图像。然而，在对运动目标进行探测时，阶跃频率波形扩展了目标回波信号并偏移目标蹁，从而导致目标精度和距离分辨力的损失。本文设立了目标回波的模型，提出了与阶跃频率波形有关的一些问题。     

一种高脉冲重复频率雷达微弱目标检测跟踪方法

针对高脉冲重复频率(PRF)雷达对微弱目标的检测跟踪问题,该文提出一种雷达测距模糊条件下基于检测前跟踪(TBD)的微弱目标跟踪方法.该算法借用TBD的思想精髓,对于每一时刻的量测,既不进行目标有无的检测也不解距离模糊,而是将目标检测和解距离模糊统一在目标真实航迹的获取中.首先通过批处理把目标的模糊量测在所有模糊区间进行多假设扩展,从而提取量测的时空相关信息;然后基于目标真实航迹在时空上的连续性和不同PRF量测之间的相关性,通过TBD方法得到目标航迹,同时实现解距离模糊.与同类研究相比,该方法将微弱目标解距离模糊问题统一到目标航迹的检测确认过程中,避免了低信噪比(SNR)造成的航迹漏检,为实现高脉冲重复频率雷达微弱目标的检测跟踪提供了一种新的思路.最后,通过仿真验证了该算法的有效性.     

基于位置相关的高分辨雷达目标检测方法

本文研究了毫米波高分辨雷达杂波背景下目标信号的检测问题,提出了基于高分辨雷达目标一维距离象位置-径向距离相关信息的非参数检测方法。该方法不但计算复杂度低,而且还具有检测沿距离走廊上多个扩展目标的能力。通过毫米波高分辨步进频率雷达实测数据证实,这是一种非常有效的扩展目标信号检测方法。     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

融合无线射频与激光信息的多目标识别和定位研究

为提升多目标识别和定位技术水平,满足实际目标识别与定位需求,研究融合无线射频与激光信息的多目标识别和定位方法.利用RFID阅读器与传感器获取动态多目标的相位和激光信息,经过RFID相位差估算速度、DBSVAN算法聚类激光数据并估算径向速度后,依据匹配情况,采用粒子滤波利用随机预测或激光预测的方式实现多目标的识别与定位....     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

基于毫米波InISAR成像的运动目标探测与定位

介绍了基于运动补偿的运动目标ISAR成像方法,将雷达成像的概念引入到低信噪比运动目标探测的过程中,在成像的同时获取目标的径向和横向运动速度,采用多基线图像干涉处理的方法完成运动目标的定位和横向尺寸估计.建立了运动目标成像几何模型,给出了多天线时分复用接收机的通道间信号补偿方法,以及多基线相位解缠实现不模糊干涉测角定位的方法,分析了信噪比对图像干涉定位精度的影响.利用仿真数据和实际数据验证了本方法的有效性.     

基于CDMA蜂窝网的运动目标检测与定位技术

利用CDMA蜂窝网中多个基站发射的导频信号实现对三维运动目标检测和定位的方法.根据直达干扰分量的多普勒频移为零,而目标反射信号的多普勒频移非零以及伪随机序列自相关函数的特点,采用级联对消方法滤除各个基站直达分量的干扰;再根据基站间的位置关系及各个导频序列的偏移量,采用该文提出的"簇"方法实现基站与多径时延的配对,完成对定位参数的估计;最后,将Chan提出的TDOA定位方法[7]推广到三维情况,实现运动目标的定位.仿真结果证明了该方法的有效性.     

基于散斑图像的远程振动频率提取方法研究

为了得到远程物体的微米级振动的频率信息,采用基于散斑图像的远程振动频率提取方法,以波长为532nm连续激光器作为光源照射50m远处被测物体表面,通过高速摄像机记录物体表面反射空间内的散斑图样提取物体的微振动频率。采用激光散斑图像的数据处理方法,进行了研究分析和实验验证,利用长焦镜头对远程散斑图像进行适当散焦处理,然后提取视频散斑图像间互相关系数峰值点与原点之间的矢量大小来获取散斑的变化信息,同时对一定宽频率范围内的振动频率进行提取。结果表明,用该方法得到的激光散斑远程微振动频率的提取准确度达99.22%。该数据结果为激光散斑应用于远程频率振动检测提供了一定的论证依据。     

动态下红外热释电传感器的目标定位方法

为了提高热释电传感器的探测灵敏度,拓宽其传统使用范围,提出了一种动态下热释电传感器发现人体目标并测向测距的新型使用方法。该方法大大扩展了热释电传感器的探测范围,根据波形能准确判定目标的方向,利用经验值推断出人体的目标距离。该系统采用热释电红外传感器作为探测器,创新运用红外透镜代替传统用法中的菲涅耳透镜,在步进电机的匀速带动下,单片机记录测量区域的原始红外波形(在环境基本不变且没有目标进入的情况下,波形具有一定规律且基本保持不变);目标进入测量区域内时将引起原始规律变化,单片机利用帧间差分法求出变化的波形,判断目标有无及方向、距离等结果。与热释电传感器的传统使用方法相比,该方法具有反应迅速、探测灵敏、探测范围大、可测向测距等新特点,大大拓宽了热释电传感器的使用范围,进一步提升了其在安防和智能家居系统中的应用。     

基于FrFT空间目标探测与高精度频率估计

针对空间目标探测中低信噪比下信号检测与频率精确估计的问题,提出了基于分数阶傅里叶变换(FrFT)的实现方法。首先介绍FrFT进行参数估计的基本原理,在对接收回波信号的动态特性进行分析的基础上,为满足信号检测概率和实时处理要求,设计FrFT在空间目标检测应用中的相关参数,并提出频率估计精度的改进措施,分析了目标检测和频率估计性能。仿真分析结果表明该方法满足工程要求。     

基于高速视觉的振动频率测量方法研究

针对传统视觉无法提取高频率振动信号的问题, 提出了采用高速视觉的方法。首先, 对高速相机拍摄的原始图像进行去噪和二值化预处理;然后,通过采用选取较大周围圆半径 和减小候选点数目的方法快速提取特征点;最后,提取特征点的位移量并进行频谱分析即可 得到振动频率。以钢锯条悬臂梁为实验对象分析其振动频率,实验结果表明提出的方法在保 证实时性的前提下与理论计算结果基本一致,证明了基于高速视觉的振动频率测量方法是可 行的,具有一定的理论意义和实用价值。     

基于改进Laplacian算子的弱小目标检测

由于图像中的背景复杂、目标弱小,在面对具有强噪声或者目标存在遮掩的情况下没有很好的检测算法。提出一种改进的Laplacian算子和Hog特征及Adaboost分类器相结合的算法。该方法根据拉普拉斯算子的边缘检测特性,先通过中值滤波滤掉一部分随机噪声,然后利用改进的Laplacian算子对图像进行卷积,获取图像使用稀疏矩阵表示的Hog特征,输入到Adaboost分类器后最终得到一个最准确的目标,并且在仿真实验中的准确率高达93.5%。