基于CNN的天气雷达异常回波图像识别算法研究

针对支持向量机算法在对天气雷达回波图像出现异常的识别中存在识别率低、时效性不高、对原始图像特征提取较复杂等问题,因此该文采用基于深度学习技术中的卷积神经网络(CNN)算法对雷达回波图像进行异常判别.研究中结合了传统经典的LeNet-5网络和在图像处理中比较有优势的VGG网络,将VGG网络中的小卷积核级联思路代入了LeN...     

基于脉冲多普勒雷达时域回波的直升机识别算法

针对窄带雷达不同类直升机的识别问题,本文提出了一种基于时域回波信号的分类方法。首先分析了直升机主旋翼转动的运动模型;然后分析主旋翼奇偶性对桨叶反射信号强度以及间隔的影响;最后根据两类目标回波的不同,提出了桨叶反射回波强度以及间隔等特征对不同直升机的识别。基于实测数据的实验结果表明,所提方法对这两类直升机具有较好的识别效果。     

基于雷达回波识别的杂波抑制

非均匀非平稳的杂波抑制历来是情报雷达的一个难点.本文从雷达回波分类识别的角度利用支持向量机对剩余杂波做进一步的抑制.实测数据分析表明,杂波图迭代方差和信噪比可以作为区分杂波和目标的两个特征.在用支持向量机对实测数据进行分类的情况下,杂波抑制率达60%,目标损失低于10%.     

相控阵天气雷达回波强度标定方法研究

相控阵技术是未来雷达提升探测能力的重要发展方向,我国相控阵雷达研究水平处于世界先进行列.天气雷达要求定量测量回波强度,随着相控阵技术在天气雷达中的应用,急需解决相控阵天气雷达的强度标定问题,本文以一种X波段相控阵天气雷达的工程研制为例,介绍了相控阵天气雷达回波强度的标定方法.     

激光跟踪雷达回波概率设计方法研究

论述了激光跟踪基本原理,分析了影响激光跟踪回波概率的几种主要因素,提出了保证跟踪回波率的几项基本措施和环路参数选择原则。所研制的激光跟踪系统的室内、室外实验和靶场实验结果验证了分析结果和设计方法的正确性。     

基于IRSRCKF高超声速目标跟踪

以临近空间高超声速目标作为研究对象,提出一种迭代简化平方根容积卡尔曼滤波算法(IRSRCKF)。该算法以平方根容积卡尔曼滤波算法(SRCKF)为理论框架,针对SRCKF算法对于系统的状态方程为线性时需用容积点进行加权求和的缺点,对SRCKF算法的时间更新环节线性简化,提高了实时性;结合迭代运算的思想,充分利用量测信息,对量测更新过程进行迭代运算,提高了跟踪精确度。仿真验证结果表明,该算法具有较高的精确性和有效性,为临近空间高超声速目标的跟踪提供了一种新方法。     

基于雷达回波的特征提取算法研究

特征提取是目标自动识别的关键。本文给出了改进的回波预处理算法、基于图像处理理论的目标特征提取算法以及基于统计和变换特征的目标回波特征提取算法。第一种算法能有效提高识别效率,后两种算法相互补充,在实际工程应用中有较强的适应性。     

宽带雷达回波的高频电磁散射快速算法

提出一种将射弹跳射线法和等效边缘电磁流法与线性调频信号雷达信号处理过程相结合的高频电磁散射算法,该算法能够快速准确计算复杂电大尺寸目标的大时宽带宽雷达回波信号.利用宽带雷达回波计算结果,获得了目标的一维距离像和二维ISAR成像,验证了方法的正确性.     

天气雷达回波数据的压缩实验

针对网络天气雷达系统中回波数据的数据量大,难以通过国内窄带通讯网络传输的问题,本文提出了一种天气雷达回波数据的压缩方案,先对数据进行小波变换,然后对变换系数进行均匀量化,再通过无损编码,结合BWT（Burrows Wheeler Transformation）的压缩速度和PPMD（Predictionby Partial Matching）的压缩效率,使得数据的压缩率达到10倍以上。同时比较了一维、二维小波变换对算法性能的影响。结果表明,算法能在达到一定压缩比的同时满足信噪比的要求。     

基于Adams预估校正的UKF跟踪外推算法

不敏Kalman滤波(UKF)算法可以广泛用于各种目标运动的非线性估计中,传统的UKF滤波算法对于时间更新(即一步预测),一般采用对目标运动方程进行离散化或线性化处理,其结果不可避免地产生离散化误差,当目标运动非线性较强时,会导致跟踪误差增大,甚至无法给出正确的预测结果.文中提出的基于阿当姆斯(Adams)预估校正的UKF算法(即Admas-UKF),很好地解决了弹道目标过顶点的跟踪外推问题,仿真结果显示,与传统的UKF算法相比,此算法提高了跟踪外推精度,而计算时间远少于龙格库塔不敏Kalman滤波(Runge_Kutta-UKF)算法.     

一种相控阵雷达自适应数据率目标跟踪算法

为了提高相控阵雷达机动目标跟踪的系统资源利用率,给出了一种高效快速的自适应数据率交互多模型目标跟踪算法（FAIMM）,将目标数据更新时间与模型概率关联起来,使每一节拍的数据更新率随目标的瞬时机动特性自适应调整。仿真结果表明,与AIMM跟踪算法相比,自适应数据率跟踪算法准确率更高,系统资源消耗更少。     

一种基于三坐标雷达的点迹凝聚方法

提出了一种基于三坐标雷达信号处理的点迹凝聚方法,根据实际目标回波信号在距离、方位、仰角3个维度上典型特性进行了较为深入的研究,以软件的方法分别对3个维度的展宽信号提出了可行的凝聚准则和算法。同时,通过多个重复周期（FR）的积累,运用统计学的方法,提高了点迹凝聚的可信度和精度。     

基于矩阵分解的多输入多输出雷达解相关算法

多输入多输出(Multi-input Multi-output,MIMO)雷达的多发射正交波形自相关和互相关特性会影响目标参数估计的性能,完全正交的多组波形又很难获得,针对此,提出一种基于矩阵分解的双基地MIMO雷达多发射波形解相关算法,使不完全正交的多组波形解相关.本算法通过对多发射波形相关矩阵做矩阵分解和迭代运算,实现波形解相关.通过对收发角度联合估计精度的分析,验证了所提算法的可行性和有效性.     

基于强跟踪AUKF的目标跟踪算法

针对无迹卡尔曼滤波器在递推过程中不具有对测量条件变化和系统模型不确定性的自适应性,在模型不准确或出现不良测量条件时跟踪效果不佳的问题,提出一种新的目标跟踪算法,即基于改进强跟踪的自适应无迹卡尔曼滤波器(STF-AUKF)。该算法一方面基于自适应滤波的思想,利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应UKF;另一方面,依据改进强跟踪滤波的思想,采用时变渐消因子实时调节矩阵增益以此应对模型突变,保证跟踪效果。仿真结果表明,STF-AUKF算法在目标突发机动时仍然具有较好的稳定性和跟踪效果。     

基于交互多模算法在非线性测量方程下的机动目标跟踪

针对非线性测量下的机动目标跟踪问题，本文基于交互多模型算法（IMM），采用去偏转换测量卡尔曼滤波（CMKF－D）的方法，把在极坐标系下得到的测量值转换到直角坐标系中，用统计的方法求出转换测量值的误差均值和方差，将转换测量值去偏后再进行卡尔曼滤波，仿真结果表明，算法提高了基于非线性测量方程的机动目标跟踪性能。     

基于CamShift的压缩跟踪方法

针对压缩跟踪算法在目标旋转、尺度变化的情况下,容易出现跟踪漂移和跟踪失败的问题。本文采用改进的CamShift和压缩跟踪算法相结合的方法从不同角度对目标位置进行预测;然后,根据目标大小对跟踪窗口尺度进行自适应调整;最后,利用前后两帧图像的匹配程度自适应更新参数,提高算法的准确性。测试结果表明,本文算法不仅在目标外观变化的情况下具有较好的鲁棒性,而且在目标受到相似色干扰、遮挡和出现运动模糊时,仍能准确实时的跟踪目标。     

基于SIFT的压缩跟踪算法

为了克服基于灰度特征信息的跟踪算法在复杂的环境下无法区分目标和背景的缺陷,提出基于SIFT的压缩跟踪算法。该算法采用改进的SIFT特征提取方式,结合压缩感知理论对特征进行有效的降维,以在线多实例学习算法训练分类器,实现在出现目标偏移、姿态变化和光暗变化等情况下对目标实时准确的跟踪。实验结果表明,该算法能够在复杂环境下实现目标的准确实时跟踪。     

基于交互多模型的路面机动车辆跟踪算法

机动目标跟踪一直是智能汽车环境感知领域的研究重点和难点,为了实现对目标车辆的准确跟踪,研究了将交互多模型(interactingmultiplemodel,IMM)算法应用到智能汽车对目标的跟踪中。首先,根据目标车辆的真实运动情况提出一种基于"当前"统计模型和Singer模型的模型集,然后,在PreScan中搭建模拟场景,将此模型集应用到IMM目标跟踪算法,并将本算法与基于"当前"统计模型和基于Singer模型的两种单模型目标跟踪算法进行仿真比较。结果表明此IMM算法在智能车辆目标跟踪方面具有较高的应用价值。     

基于自适应子空间追踪的层析SAR成像算法

在对分布式SAR进行数据降采样下会信号的三维处理增加不少难题。其中在解决频域距离弯曲校正时,由于方位向的降采样使数据不再满足奈奎斯特定理,导致在多普勒域计算距离偏移量时会出现数据的混叠。针对该问题,提出了基于LMS估计的距离弯曲校正算法,该方法根据最小均方估计思想估计权值系数完成方位向的插值,有效解决了该条件下的距离弯曲问题。针对高层成像中稀疏阵列导致基线数量有限且不均导致成像分辨率差的问题,提出了基于压缩感知的自适应子空间追踪方法来提高高度维成像的分辨性能,相比于正交匹配追踪算法,它能实现对迭代得到候选解的同步检验,避免了错误结果积累的问题,有效提高了成像的质量。     

基于改进粒子滤波跟踪算法的运动视频跟踪

为了进一步提高目标跟踪的准确率,提出一种基于改进粒子滤波的运动视频跟踪算法。首先,通过高斯混合模型实现动态背景建模,从而降低噪声和局部动态背景的干扰;然后,在RGB颜色直方图分离的基础上,结合粒子滤波和迭代递归实现目标运动检测,提高了前景检测的准确性。仿真试验结果显示,相比典型粒子滤波算法、遗传粒子滤波和DCEM,改进粒子滤波跟踪算法得到的前景目标的轮廓更好,因此运动目标检测精确度更高且处理时间更短。