基于Wilcoxon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 Wilcoxon 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 Wilcoxon 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 Wilcoxon 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。     

基于脉冲噪声中信号检测的模糊检测器

本文提出了一种基于脉冲噪声中信号检测的模糊检测器的设计方法。该方法将贝叶斯检测理论与通过样本数据学习到的关联模糊规则集中于一体，可改善系统的品质和适应能力，因而大大降低了信息符号的误差概率。数字仿真结果表明，对比传统的最大似然检测器和最优贝叶斯检测器，这种新型的模糊检测器取得了良好的控制效果。     

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.     

一种稳健的分布式检测算法

在多雷达分布式检测系统中各个雷达的信噪比各不相同且没有办法对实际的信噪比进行有效估计时,基于N选k融合的分布式检测策略最稳健的方法就是选择N选1融合,但是这种方法相对于系统所能达到的检测性能有很大的损失,该文提出了一种基于4元局部判决的方法,融合中心作3种N选k融合,然后将3种融合结果进行或运算以得到最终判决结果。仿真表明该方法比N选1融合具有更好的检测性能,能适应各个雷达输入信噪比剧烈变化的情况,是一种稳健的多传感器分布式检测方法。     

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。      

基于注意力机制的单发多框检测器算法

单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法.SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒.该文提出一种基于注意力机制的单发多框检测器算法ASSD.ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然后利用提出的联合注意力单元进一步挖掘重点特征信息进而指导模型优化.最后,公共数据集上进行的一系列相关实验表明ASSD算法有效提高了传统SSD算法的检测精度,尤其适用于小目标检测.     

基于注意力机制的单发多框检测器算法

单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法.SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒.该文提出一种基于注意力机制的单发多框检测器算法ASSD.ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然...     

多尺度上下文融合的交通标志识别算法研究

针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法.以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使...     

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。     

引入自上向下特征融合的小目标检测算法

针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。     

一种新的基于 Goertzel算法的DTMF信号检测方法

首先根据高频组和低频组的不同频率特性,对计算窗口N的值进行了优选,提出了一种基于Goertzel算法的双滑动窗信号解码方案,比较好地满足了ITU规范,降低了计算复杂度。实验表明,该算法比其他的方案更加有效。     

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NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。