超宽带穿墙探测雷达的运动目标检测技术

提出了利用低频超宽带(UWB)脉冲信号实现穿墙探测的设想,研究了超宽带穿墙探测雷达(UWB—TWDR)的运动目标回波信号模型,并基于运动目标回波信号的相关性,利用相干叠加原理对多次观测的结果实现运动目标的检测。最后通过具体的穿透混凝土砖块墙壁实测实验验证了上述设想和算法。     

基于小波与EMD级联的穿墙雷达动目标检测

超宽带穿墙雷达受墙体对电磁波衰减作用,目标的反射回波很弱,提出一种基于小波与EMD级联的方法检测,用于提高信噪比和信杂比。介绍了穿墙雷达实验系统,对墙后人体运动目标进行探测实验,获得实测数据进行分析。实验结果表明,超宽带穿墙雷达对非金属墙体具有较强的穿透性,对墙后处于径向运动的人体目标具有较好的探测能力,提出的算法可以有效提高信噪比和信杂比。最后利用幅度排序点迹凝聚算法进行目标检测,得到理想的检测结果。     

基于DCS 的统计MIMO 雷达信号模型及参数估计

分布式压缩感知(Distributed Compressed Sensing, DCS)将单信号的压缩采样扩展到信号群的压缩采样,利用信号内相关性和互相关性对多个信号进行联合重构。统计多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达系统通过多发多收配置,在发射机、目标以及接收机之间构成对目标的分布式探测系统。该文将DCS应用到统计MIMO 雷达中,通过对该场景中目标回波的延时在距离空间稀疏性的分析,提出联合所有接收信号重构目标场景的设想,建立了接收信号的联合稀疏模型,并实现了目标参数估计的联合重构算法。仿真结果表明与基于压缩感知(Compressed Sensing, CS)的算法相比,基于DCS 的算法在进一步降低采样数目的同时提高了参数估计精度,同时也验证了DCS-MIMO 雷达可以有效克服目标的雷达散射截面积(Radar Cross Section, RCS)起伏。      

基于时空压缩特征表示学习的毫米波雷达手势识别算法

针对现有无线射频信号的手势识别研究中的数据预处理和特征利用问题,该文提出一种用于调频连续波(FMCW)雷达的时空压缩特征表示学习的手势识别算法。首先对手部反射的毫米波雷达回波信号的距离-多普勒(RD)图进行静态干扰去除和动目标点筛选,减少杂波对手势信号的干扰,同时减少计算数据量;然后提出一种压缩手势时空特征的表示方法,利用动目标点的主导速度来表示手势的运动特征,实现多维特征的压缩映射,并保留手势运动的关键特征信息;最后设计了一个单通道的卷积神经网络(CNN)来学习和分类多维手势特征信息并应用于多用户和多位置的手势识别。实验结果表明,与现有其他手势识别算法相比,该文提出的手势识别方法在识别精度、实时性以及泛化能力上都具有明显的优势。     

基于子空间技术中奇异向量分析的穿墙雷达杂波抑制方法

穿墙雷达成像中,墙体反射杂波干扰严重,严重影响目标成像效果.子空间技术对回波信号矩阵进行奇异值分解后去除墙体子空间,可以有效的抑制墙体杂波干扰,在穿墙雷达成像中具有广泛的应用.该文针对子空间技术中墙体与目标子空间的划分这一难题,提出一种基于奇异向量平稳度分类的墙体子空间提取技术.该方法利用墙体回波信号的相关特征,根据奇异值分解后各个左奇异向量的平稳程度来精确划分墙体与目标子空间.实验结果表明,与现有技术相比,该方法对墙体子空间的确定更加精准有效,提高了穿墙雷达墙体杂波干扰抑制能力,改善了墙后目标的成像质量.     

基于先验信噪比估计的超宽带穿墙雷达呼吸信号检测算法研究

废墟下呼吸信号的检测对地震救援具有重要意义.在实际中,障碍物(如墙体)后的人体呼吸信号会被环境中的噪声所掩盖.如何提升穿墙呼吸信号的信噪比(SNR)仍是一项具有挑战性的工作.该文提出一种基于先验信噪比估计的检测算法,用于增强穿墙弱呼吸信号的输出SNR.该算法在谱减法中典型的决策导向(DD)算法基础上加入了自适应权重因子...     

基于调频连续波雷达的多维信息特征融合人体姿势识别方法

为实现在复杂多样的环境下人体姿势的识别,该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息,在采用具有噪声的基于密度的聚类算法(DBSCAN)和Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取,然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征,并通过域鉴别器进一步获得与环境无关的特征,最终使用活动识别器获得姿势识别结果。为了实用性,在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明,在复杂的环境下该方法的识别精度可达到91.5%。     

IR-UWB穿墙雷达动目标探测实验

在穿墙雷达实际工作场景中,杂波对墙后动目标的探测造成严重的干扰。分析回顾经典IR-UWB穿墙雷达动目标检测原理,通过分析其数学解析式探讨其检测性能。介绍了IR-UWB穿墙雷达系统及其工作原理,基于该IR-UWB穿墙雷达系统上进行非金属墙体后动目标探测实验。针对目标处于不同运动状态的雷达回波数据进行处理分析,验证经典动目标检测算法的工作性能。针对指数加权算法,通过实验数据处理给出了其参数的调节范围。实验结果表明,IR-UWB穿墙雷达可以对非金属墙体后人体目标进行探测。对于墙后作径向运动的人体目标,3种经典算法的检测性能处于同一水平;对于墙后作切向运动、原地踏步的人体目标,指数加权算法与积累平均背景相消法具有较好的检测性能。     

一种基于QR分解的稳健干扰对齐算法

大多数干扰对齐算法都假定发送端可以获得理想的信道状态信息(CSI),由于信道估计误差、反馈延迟等原因,实际通信系统中CSI往往是有误差的。为此,该文提出一种基于QR分解的稳健干扰对齐算法。对含有误差的联合接收信号进行基于QR分解的预处理,消除一半有误差的干扰;然后在有误差的等效信道联合矩阵下,充分考虑信道误差和干扰的影响,通过最小化发送端泄漏到非目标接收端的干扰信号功率来设计预编码矩阵,并基于最小均方误差(MMSE)准则来设计干扰抑制矩阵。最后,在理想CSI和误差CSI的情况下,通过实验仿真,证明了该算法有效地提高了系统性能。     

基于CP分解的MIMO-OFDM系统接收信号盲检测

多输入多输出-正交频分复用( MIMO-OFDM)无线通信系统中接收信号从空间、时间、频率的维度形成多因素的阵列信号,传统的矢量或者矩阵代数的建模方法在处理多因素信号问题上显得不足,无法利用多因素间的关系,而张量分析在解决多维阵列信号处理的问题上具有优势。针对MIMO无线通信系统,结合OFDM技术,研究了张量信号的建模及分解方法,并充分利用张量信号的分解唯一性提高无线接收信号的检测能力。提出了基于CP( CANDECOMP/PARAFAC)张量分解方法对未知信道状态( CSI)的MIMO-OFDM系统进行接收端的张量信号建模和盲检测,并通过仿真分析验证了模型的可行性。仿真结果表明,在接收天线数目大于发送天线数目且各径信道独立情况下,基于CP分解的接收信号盲检测算法在误码率为10-4时,随着接收天线数目增加,信噪比可获得约5 dB的增益。     

基于多模复合探测方法的无人艇目标识别研究

随着水面无人艇技术的不断发展和应用,其对于舰船的威胁程度也日益加剧。以末敏弹打击水面无人艇为背景,为了提升多元激光/红外/毫米波探测器对水面小型目标的识别性能,提出了一种基于多通道卷积神经网络(Multi Channel Convolutional Neural Network,MCCNN)和极端梯度提升决策树(Extreme Gradient Boosting,XGBoost)的复合探测信号识别方法MCCNN XGB,同时构建了单通道CNN识别网络与基于人工特征提取的XGBoost识别算法作为对照,最终通过水面目标无人机载探测试验数据对上述三种模型的目标识别性能进行评估与对比。测试结果表明,基于MCCNN XGB的识别算法表现最佳,测试准确率达到了97.26。本文所提出的识别方法能够有效进行复合探测信号的特征提取,并且能够降低误识别率与漏识别率,具有较好的识别效果。     

基于Hankel矩阵分解的天波超视距雷达机动目标检测算法

机动目标检测是天波超视距雷达的研究重点之一。目前已有的算法在高信噪比条件时对单个机动目标的检测效果较好,但在低信噪比时对多个机动目标的检测性能有待提高。该文提出一种基于Hankel矩阵分解的机动目标检测算法,该算法将机动目标信号构造为Hankel矩阵的形式,通过矩阵分解将信号时频估计转化为线性主成分分析的凸优化问题,从而实现匀速与机动目标的分离以及多个目标的同时估计。仿真结果证明了该算法具有估计精度高,信噪比条件低,可以同时多目标检测等优点。     

基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹。通过上述分级检测机制,可实现快速高精度的目标短时航迹检测。结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法。最后使用实测声呐图像数据验证了算法的检测精度和检测速度。     

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方（NLMS）自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。     

采用机会照射源的杂波抑制与弱目标检测方法

在利用机会照射源进行目标探测时,目标信号经常淹没在强直达波与多径杂波中;同时,由于强目标信号旁瓣的遮盖效应,经常存在弱目标的漏检。针对以上问题,本文提出基于梯度变遗忘因子递推最小二乘的杂波抑制算法抑制直达波与多径杂波,同时提出了一种基于内插的改进CLEAN算法来实现强目标的抑制。该算法首先进行杂波抑制,然后与参考信号作二维时频互相关,估计出强目标信号的时延与多普勒频率;利用经过内插的时延点构造强目标干扰矩阵完成强目标的抑制,因此而达到检测弱目标信号的目的。经仿真实验证明该算法对于目标回波的时延与多普勒估计误差不敏感,且在强目标时延为分数倍采样周期时仍然能达到很好的抑制性能,有效检测到弱目标信号。      

海面漂浮小目标的特征联合检测算法

该文研究了高距离分辨海杂波背景下漂浮小目标的检测问题。漂浮目标使得周围海面的散射特性发生了改变,目标所在的分辨单元的回波满足非加性模型,导致该模型中依赖于目标的参数难以统计建模。为了避开参数建模,该文将检测问题转化为二元分类问题,即确定海杂波所属于的类,目标检测就是判别回波是否属于该类。针对此分类问题,提出了基于非加性模型的特征联合检测算法,首先在回波中提取两个特征组成归一化向量,然后利用凸包训练算法获得判别区域,最后以判别区域是否包含该向量作为判别准则。实测的IPIX雷达数据实验结果表明,该文算法在高分辨海杂波下的检测性能优于对比算法,为海事雷达检测小目标提供了新的检测方案。     

基于低秩稀疏约束的穿墙雷达成像算法

针对穿墙雷达(TWR)成像过程中墙杂波与成像空间分别具有低秩性和稀疏性的特点,提出了一种基于低秩稀疏约束的穿墙雷达成像算法.所提成像算法通过奇异值软阈值法和l1范数最小化技术进行迭代求解低秩稀疏约束优化问题,实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建.仿真和实验数据的处理结果验证了所提成像算法的有效性和准确性.     

基于相似度的雷达目标识别灰关联分析算法

针对参数重叠的雷达目标识别算法准确率较低、对复杂体制雷达目标识别效果较差的问题,提出了基于相似度的灰关联分析算法,实现对复杂体制雷达目标的融合识别.该算法首先提取各参数间的相似度矩阵,然后运用灰关联分析得出相应的灰关联系数,同时根据各参数匹配程度确定其权重值,与灰关联系数组合获得待识别信号与库信号的灰关联度,根据灰关联度完成目标识别.仿真实验结果表明,该算法能很好地降低参数重叠给识别带来的影响,提高识别正确率,快速实现复杂体制雷达目标的识别.     

多尺度语义信息融合的目标检测

针对当前目标检测算法对小目标及密集目标检测效果差的问题,该文在融合多种特征和增强浅层特征表征能力的基础上提出了浅层特征增强网络(SEFN),首先将特征提取网络VGG16中Conv4_3层和Conv5_3层提取的特征进行融合形成基础融合特征;然后将基础融合特征输入到小型的多尺度语义信息融合模块中,得到具有丰富上下文信息和空间细节信息的语义特征,同时把语义特征和基础融合特征经过特征重利用模块获得浅层增强特征;最后基于浅层增强特征进行一系列卷积获取多个不同尺度的特征,并输入各检测分支进行检测,利用非极大值抑制算法实现最终的检测结果。在PASCAL VOC2007和MS COCO2014数据集上进行测试,模型的平均精度均值分别为81.2%和33.7%,相对于经典的单极多盒检测器(SSD)算法,分别提高了2.7%和4.9%;此外,该文方法在检测小目标和密集目标场景上,检测精度和召回率都有显著提升。实验结果表明该文算法采用特征金字塔结构增强了浅层特征的语义信息,并利用特征重利用模块有效保留了浅层的细节信息用于检测,增强了模型对小目标和密集目标的检测效果。