基于子空间约束的稳健匹配场定位

提出了一种新的基于拷贝场噪声子空间扰动约束的稳健匹配场定位方案。在每个搜索位置处,随机扰动环境参数以生成拷贝场协方差矩阵,通过特征值分解得到拷贝场信号子空间与拷贝场噪声子空间,用于约束的子空间由拷贝场噪声子空间张成。对实测数据协方差阵进行同样处理,但选择其最大特征值对应的特征向量作为真实的信号向量,与约束子空间形成定位模糊表面。使用仿真与实验数据验证了算法,结果表明算法同时具有高分辨与稳健的特性。     

应用匹配场实现矢量水平阵的三维定位

将匹配场原理应用到矢量水平阵上实现对声源的三维定位,根据声压、质点振速表达式进行推导,获得对应的Bartlett相关表达式并进行分析和仿真验证.为了同时获得距离、深度、角度的估计,需要应用垂直阵速、轴向振速、法向阵速组合.本文内容如下:第一部分推导了水平阵的Bartlett相关表达式,不同方法的仿真结果在第二部分给出,第三部分对不同方法的仿真结果进行分析,等通道数目的垂直阵速、轴向振速、法向阵速组合和声压方法仿真比较在第四部分,第五部分根据上面的一系列分析得出结论.     

合成孔径雷达图像的自适应旁瓣抑制算法分析和实验研究

合成孔径雷达是有源相干高分辨率成像系统,常规成像算法对接收数据进行二维匹配滤波,实现成像。由于成像系统的二维频域支持域有限,使成像系统的方位向和距离向脉冲响应为sinc函数,又SAR图像具有动态范围大的特点,使SAR图像中的强目标旁瓣使弱目标主瓣发生畸变,所以要对SAR图像进行旁瓣抑制。讨论并比较了两种自适应旁瓣抑制算法,并利用模拟数据和中科院电子所的L-SAR系统的雷达图像对这两种算法进行了实验研究。     

基于改进风驱动优化算法的稀疏阵列旁瓣抑制方法

针对阵列稀疏通常会引起波束方向图旁瓣电平抬高的问题,本文提出了一种基于改进风驱动优化算法和凸优化的稀疏阵列旁瓣抑制方法。该方法首先针对传统的风驱动优化（Wind driven optimization, WDO）算法缺少普遍适用的参数设置方案,提出了一种结合高斯分布的改进风驱动优化算法。将半圆阵方向图的峰值旁瓣电平作为目标函数,采用改进的WDO算法作为全局优化算法来优化阵元位置,同时采用凸优化算法作为局部优化算法来高效求解有效阵元的最优加权系数,确保了阵元位置和权值的理想匹配。仿真结果表明,在稀疏 阵列阵元数一定的情况下,算法可有效降低旁瓣水平,具有更好的全局寻优能力和更快的收敛速度,为稀疏阵列的旁瓣抑制提供了有效的优化设计方法。     

匹配场声源定位的并行计算方法研究*

为了达到有效缩短算法运行时间、加快定位速度的目的,研究并分析了匹配场声源定位算法中存在的固有并行性,构建了匹配场声源定位的并行计算算法框架。详细介绍了匹配场声源定位算法的网格法并行化方法;并以互连的双核PC机作为并行计算硬件平台,选用Windows操作系统、FORTRAN编译器,使用TCP/IP作为标准的通信协议,在MPI并行环境中对并行算法进行了测试和相应分析。研究表明,提出的并行算法运行效果较好,可以通过开发匹配场处理方法的并行性,有效解决信号匹配处理中遇到的计算量大、耗时长等问题,为实现快速声源定位提供解决途径。     

低信噪比损失的旁瓣抑制滤波器

提出一种具有低信噪比损失的旁瓣抑制滤波器设计方法.常规的旁瓣抑制滤波器通常以峰值旁瓣最低为设计目标,未考虑信噪比损失的控制.本设计先给出了滤波器信噪比损失的表达式,在设计目标函数时考虑了信噪比损失,按加权失配滤波法得到显式的滤波器系数迭代关系式.该方法适用于二相码、多相码、LFM信号和NLFM信号.对于LFM信号,在信噪比损失相同(均为1.4 dB)的情况下,本方法所得滤波器较之常规的频域加窗法,峰值旁瓣低5 dB以上;而在峰值旁瓣电平相近的情况下,信噪比损失只有1 dB.     

基于差频匹配场的深海声源定位方法

匹配场处理是水下目标定位的重要方法,其利用声场的空间结构匹配来反演声源位置,但传统匹配场处理(CMFP)对环境参数的失配非常敏感,容易产生误差。频率差匹配场处理(FDMFP)相比于CMFP具有更高的稳健性,但不适用于深海环境;仅相位匹配自积处理(POMAP)在FDMFP基础上改进后适用于深海环境,但POMAP的抗噪性较低。因此,本文在仅相位匹配自积处理(POMAP)方法的基础上,将带宽平均处理移动到匹配处理后的位置,提出了改进的仅相位匹配自积处理(IPOMAP)方法,以及将CMFP、POMAP、IPOMAP组合处理的方法(CPIP),该方法既有较好的抗噪性,又能在深海环境下保持差频匹配场处理方法的高稳健性。数值仿真和实验数据分析结果表明,CPIP在CMFP、POMAP、IPOMAP、CPIP中具有最优的定位性能,在40 km范围内具有最小的声源定位误差。这为失配环境和低信噪比时的深海声源定位方法的研究提供一种可行的思路。     

IFF系统中旁瓣抑制抗干扰技术研究

通过分析IFF系统的工作过程,研究了干扰机采用阻塞式致盲压制干扰和伪询问／伪应答信号干扰下对IFF抗干扰系统的影响,提出了一种基于旁瓣抑制的抗压制干扰技术。仿真结果表明,IFF系统采取旁瓣抑制技术,可极大提高IFF系统的抗干扰性能以及通信识别的正确率,有助于实际工程应用中有关参数的选择。     

基于RLS的脉压雷达数字旁瓣抑制滤波器设计方法

采用自适应滤波器设计中的递归最小二乘(RLS)方法,通过合理安排输入信号与期望信号的结构来设计脉冲压缩雷达数字旁瓣抑制滤波器,具有算法简单实用,适用广泛的特点,可用于线性调频、二相码和多相码等各种信号.在滤波器抽头有限的情况下,峰值旁瓣电平低于-40dB;积累旁瓣电平较同类其他方法低2dB以上;主瓣宽度仅为单位采样符号间隔.     

应用匹配场实现单矢量水听器被动定位

将匹配场原理应用到单矢量水听器上,实现对目标声源的被动定位。对常用的2种Bartlett处理器进行仿真分析,提出了一种改进的Bartlett处理器,可以抑制旁瓣个数并提高主瓣强度。通过试验数据分析,在1.3 km的范围内,接收信噪比不低于10 dB时,测距和测向误差可以控制在10%以内。该研究为单矢量水听器的实际应用提供了重要的参考依据。     

浅海环境参数失配对匹配场处理的影响分析

关于海底声波优化定位问题,浅海环境由于地形、季节等因素的影响,使得声场具有复杂的时变、空变特性,严重制约了匹配场处理的稳健性.为了给改善匹配场被动定位提供理论依据,有必要找出影响匹配场处理稳健性的主要因素.在简正波模型的基础上,采用常规匹配场处理进行了仿真.通过对比定位结果的声源位置估计偏差、-3dB主瓣宽度、阵的输出谱能量降低等参数,对深度失配、水中声速失配和基底参数失配进行了分析.结果表明深度失配对匹配场处理的影响最大,水中声速失配的影响次之,基底参数的影响最小.     

基于凸优化的3D变迹函数水下声呐成像算法

针对水下声呐成像算法中旁瓣电平过高的问题,提出一种基于凸优化的3D变迹函数优化方法,用于成像算法之前,以求在波束形成中获得较低旁瓣电平。利用凸优化算法高效求解满足约束条件的阵元激励权值,将激励权值形成一个3D变迹函数,以幅度变迹的方式作用于各阵元接收的信号,并对幅度变迹后的各阵元接收信号采用延时叠加方法波束形成并成像。以主瓣宽度和峰值旁瓣电平作为衡量波束性能的指标,将所提出方法与切比雪夫窗函数方法和未经变迹函数方法处理进行对比,并进行成像仿真。实验结果表明:所提出方法可以有效地抑制波束峰值旁瓣电平,提高成像对比度。     

一种结合节点和方向场的指纹匹配算法

指纹匹配是指纹识别中的一个重要问题,直接影响着系统的正确率。目前普遍使用的匹配算法主要是基于节点的匹配算法。Ross提出了结合节点和纹理特征的指纹匹配方法,但Ross方法时间代价大。本文提出了结合节点和方向场的匹配算法,在用节点进行旋转和平移对齐的基础上,计算两个指纹方向场的一致性。实验结果表明：该算法可以比现现有的基于节点的匹配算法更准确地区分两个指纹,同时比Ross方法更快。     

感受野特征增强的SSD目标检测算法

SSD (Single Shot multi-box Detector)算法是在不同层的特征图上,进行多尺度对象的检测,具有速度快和精度高的特点.但是,传统SSD算法的特征金字塔检测方法很难融合不同尺度的特征,并且由于底层的卷积神经网络层具有较弱的语义信息,也不利于小物体的识别,因此本论文提出了以SSD算法的网络结构为基础的一种新颖的目标检测算法RF_SSD,该算法将不同层及不同尺度的特征图以轻量级的方式相融合,下采样层生成新的特征图,通过引入感受野模块,提高网络的特征提取能力,增强特征的表征能力和鲁棒性.和传统SSD算法相比,本文算法在精度上有明显提升,同时充分保证了目标检测的实时性.实验结果表明,在PASCAL VOC测试集上测试,准确率为80.2%,检测速度为44.5 FPS.     

融合自适应感受野与多支路特征的鞋型识别算法

随着监控摄像头的普及和图侦技术的快速发展,“鞋印+监控”技战法成为公安机关侦破案件的重要手段。该技战法根据现场嫌疑鞋印推断出嫌疑鞋型,进而在犯罪现场周围监控视频中查找对应鞋型,锁定犯罪嫌疑人。然而现有鞋型识别算法无法充分提取嫌疑鞋印的重要特征,导致识别准确率降低。针对该问题,提出一种融合自适应感受野模块与多支路特征的鞋型识别算法。通过设计一种自适应感受野模块,使网络自适应选择合适大小的感受野特征,增强网络的特征提取能力,同时构建多支路特征融合模型,融合网络的深层和浅层特征,以充分利用有效特征进行鞋型识别,从而提高识别精度。在此基础上,采用中心损失函数和标签平滑损失函数联合训练的方法,在增大类间差距的同时缩小类内差距,增强模型的泛化能力。在多背景鞋型数据集上进行实验,结果表明,该算法Rank-1和mAP精度分别为79.77%和62.18%,具有较优的识别效果,为公安刑侦实战提供了一种可行方案。     

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型（Gaussian mixture model,GMM）算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科 夫随机场（Markov random field,MRF）模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图 像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马 尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能 保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到 最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.