汽车防撞雷达多目标识别测量算法研究

针对目前汽车防撞系统中常用的调频连续波测距雷达对多目标识别的不足,基于频移键控雷达的联合作用,提出一种新型的测量方法,该算法采用一种类梯形调频波形,利用调制频率的周期性变化特征分别对单目标和多目标实现有效检测,使雷达不仅可测量单目标在不同运动状态下的距离和速度,同时也可识别多目标,并对其完成测距与测速。利用Matlab对所提出的算法进行了仿真与验证,表明该算法不仅能准确捕捉所探测目标,并且在测量中有着较高的精度,适用于毫米波汽车防撞雷达在行驶中的目标测量。     

基于时频信息融合网络的非干扰呼吸检测方法

为了能够克服复杂环境中的噪声影响,实现基于多普勒雷达的鲁棒呼吸信号检测,本文提出了一种基于时频信息融合网络的非干扰呼吸信号检测方法。该方法利用多普勒雷达采集用户的胸腔运动信息,提取双通道混频信号(I和Q通道),从时域和频域2个维度,构建时频信息融合网络进行呼吸频率的识别。针对时域信号,使用长短期记忆(LSTM)网络提取信号的有效周期信息;针对频域信息,使用选带傅里叶变换(ZoomFFT)实现细粒度的频域特征计算,并结合卷积神经网络(CNN)提取频域特征的有效信息;最后,融合2个层面的信息,通过Lowess平滑方法,实现对用户呼吸频率的精准检测。实验表明,该方法比其他常用信号处理方法识别平均误差、标准差更小,对不同距离、不同朝向的呼吸都可以进行有效识别。     

基于多尺度特征融合的遥感图像小目标检测

本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法.考虑到常用的特征提取网络参数量庞大,过多的下采样可能导致小目标消失,同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟.因此,根据数据集中所有目标尺寸的分布情况(即:先验知识),首先提出了一种基于动态选择机制的轻量化特征提取模块,它允许每个神...     

基于变尺度多稳随机共振的微弱信号检测研究

针对强噪声背景下微弱信号难以检测的难题,提出基于变尺度多稳随机共振的微弱信号检测方法。多稳随机共振系统比双稳随机共振系统具有更好的微弱信号检测能力,为强噪声背景下微弱信号的检测提供了新方法。首先对大频率信号进行尺度变换使之满足随机共振条件,将频率压缩后的信号通过多稳系统,调整参数使其发生随机共振得到信号的频谱特征,并与双稳随机共振方法得到的特征频率进行比较,仿真和实例结果均表明:相同条件下,多稳随机共振方法比双稳随机共振方法得到的频率准确,可以增强信号的幅值,有效地检测出被噪声淹没的微弱信号。     

基于拉普拉斯金字塔分解的多尺度边缘检测

边缘表现为图像中具有奇异性点的集合,利用改进的拉普拉斯金字塔分解捕获这些奇异性点,得到各尺度下的带通图像,通过分析,得出分解后的带通图像在边缘处产生零交叉点,构造统计量帮助提取零交叉点,再通过多尺度边缘融合实现多尺度边缘提取.与LOG和Canny边缘检测的对比实验表明,所建立的算法能够可靠、有效、精确的获得图像的边缘.     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

融合多尺度上下文卷积特征的车辆目标检测

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题,提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图,并在每个尺度的特征图中通过区域建议网络定位出候选目标区域,然后引入候选目标区域的上下文信息,与提取的目标多尺度特征进行融合,最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。     

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性.利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法.新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题.为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案.通过对比实验,新算法明显地提高了图像角点检测性能.     

基于Transformer的多尺度物体检测

目前,Transformer基本模型对同一场景内不同尺寸物体的检测能力不足,其主要原因为各层等尺度的输入嵌入无法提取跨尺度特征,导致网络不具备在不同尺度的特征之间建立交互的能力。基于此,提出一种基于Transformer的多尺度物体检测网络,该网络采用跨尺度嵌入层初步对图像特征进行嵌入处理;利用多分支空洞卷积对输入进行下采样,通过调整并行分支的膨胀率使该结构具有多样的感受野;然后,由残差自注意力模块对输出嵌入结果进行处理,为特征图的局部和全局信息构建联系,使注意力计算融入有效的多尺度语义信息,最终实现多尺度物体检测。模型在COCO等数据集上进行训练,实验结果表明该方法与其他物体检测方法相比具有显著优势。     

基于多尺度信息融合的车道线检测方法

针对超快速车道线检测方法中,其特征提取方法未充分利用低层次特征引起的车道线定位不准问题,提出一种融合多尺度信息的车道线检测方法,将低层次特征中包括的位置信息传递到高层次特征中,丰富高层次特征的语义表达能力。试验结果表明,所提出的方法提高了车道线检测精度。     

基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法.该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象.实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性.     

基于多尺度融合方法的无人机对地车辆目标检测算法研究

由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难。因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测。使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88%,与其它算法相比提升了3.8%以上。     

Prony算法在步进频率雷达多 目标检测中的建模研究

步进频率信号是一种以增大信号带宽为代价来提高雷达距离分辨力的宽带信号。在步进频率雷达中,将接收的基带信号看作是包含目标信息的指数函数的线性组合;而Prony算法是用指数函数的一组线性组合来描述等间距采样数据的数学模型。将扩充的Prony算法应用到步进频率体制的雷达中,可以得到更为精确的目标信息,并且可以克服直接采用IDFT合成高分辨距离像的一些缺点。相应的建模分析和实验仿真,说明了该算法的优越性。     

基于MCSSD的转子碰摩故障早期检测

提出了基于多尺度线调频基信号稀疏分解(Multi-scale Chirplet Sparse Signal Decomposition,简称MCSSD)的转子碰摩故障早期检测方法,该方法用MCSSD方法对转子碰摩故障振动信号进行单次分解,从原信号中分离出具有最大幅值的工频(或倍频)信号分量。由于MCSSD方法是采用线性直线逐段自适应逼近分析信号的各分量频率,分解得到的信号分量与真实信号分量具有很好的频率匹配特性,不会产生频率混叠现象,因此,与小波分解与EMD分解相比,MCSSD能更有效地从转子早期碰摩故障振动信号分离出最具最大幅值的工频(或倍频)信号分量。将该信号分量从原信号中去除,对残余信号分量做频谱分析,即可有效诊断转子早期碰摩故障。应用实例证明了该方法的有效性和优越性。     

多目标环境下跑道异物监测雷达的CFAR检测技术

强地杂波下的弱固定目标检测是机场跑道异物监测雷达需解决的关键问题之一,传统的恒虚警检测算法在多目标环境下会出现“自屏蔽”效应,不能有效地检测到目标。本文提出了一种剔除平均杂波图恒虚警检测算法,在分析系统特性和跑道环境的基础上,结合调频连续波雷达体制建立了多目标回波信号模型。在剔除若干个样本值后,由余下的样本值估计背景杂波强度,对多次连续扫描测量值作递归滤波处理,获得了平稳的检测门限,有效地检测到了目标。最后,进一步讨论了相关参数对检测性能的影响。     

基于多尺度分析的航空相机自动调焦系统研究

提出了利用面阵CCD交汇测量和图像小波变换边缘特性相结合自动调整航空相机焦距的方法,并给出了该试验系统的硬件和软件设计方案。     

基于自适应尺度的小目标检测方法

传统的光电成像跟踪系统中,通常采用固定尺度的滤波器对图像中的小目标进行检测。由于目标与系统距离的改变,通常会带来其成像特征尤其是大小的不断变化,这种特点导致传统的固定尺度检测器难以适应目标大小的改变,无法获得最优的提取结果。针对这一问题,提出了一种尺度自适应的小目标检测方法。基于拉普拉斯尺度空间理论,利用对尺度归一化的拉普拉斯图像的分析,达到了目标信号增强的同时抑制背景杂波的效果,分别在空间与尺度上求得了最优的目标特征参数,完成了对不同尺度最优的小目标检测。通过仿真与外场试验表明,该方法显著提高了系统对小目标尤其是大小不断变化目标的检测能力。     

基于DSP的全景视频多目标实时检测

全景视频由于具有360?的视角,非常适合用于智能视频监控中的多目标检测。首先介绍了以DSP处理器为核心的系统处理平台;接着介绍了全景图像的展开算法和MHOEI多目标检测算法;然后针对全景展开设计了适合DSP平台的分块查表展开方法,针对MHOEI设计了降分辨率处理方法;最后在DSP处理器上进行了优化实现。实验表明,在所选的DM6437处理器上,将720×576大小的全景图像展开为896×180大小的目标图像,展开帧率可达120帧每秒;再经过多目标检测后能达到平均35帧每秒,满足实时要求,同时能有效检测出全景视频中的运动和静止目标。     

地铁车轮不圆度多点非接触检测系统设计

为准确、快速测量地铁车轮不圆度数据,设计一种多点激光检测系统。系统采用非接触检测方式,利用三个激光位移传感器实现对车轮踏面的多点检测。三个激光传感器同时测量可以提升维保检测效率,检测结果能更全面地评估车轮状态。采用最小二乘法拟合圆确定车轮几何圆心,通过小波滤波去除信号中的高频噪声,结果表明此方法在处理车轮不圆度这类随机信号时,可以快速去除信号中的高频噪声,筛选出有效信号。检测设备具有体积小、质量轻、操作简单等优势,可为车轮维护工作提供依据。     

基于特征点的光纤位置检测方法

介绍对光纤端部位置的非接触检测方法。以面阵CCD为传感器,检测光纤端部出射光斑,采用“重心法”提取光斑的特征点表征光纤的位置。着重分析了光源稳定性、CCD性能、AD采样位数对测量结果稳定性的影响。实验表明,基于特征点对光纤端部检测,重复精度达到0.7%的CCD像素,系统具有良好的稳定性。