基于MCA的FMCW交通雷达信息处理

针对调频连续波(FMCW)交通监测雷达车辆目标速度测量和长度估计问题,建立了基于逆合成孔径雷达( ISAR)原理的雷达回波数学模型,分析了待测量目标运动速度与多普勒参数的内在关系,采用基于最大对比度算法(MCA)的多普勒调频斜率的估计方法,能有效提高雷达的车辆监测效能,仿真数据分析以及实测数据的结果均验证了算法的有效性.实验结果表明,最大对比度算法可以准确地估计出移动目标的移动速度并能提供车辆长度信息,为交通监控提供了新的途径和方法.     

基于一阶和二阶聚合通道特征的实时行人检测

为了同时改善实时行人检测的误检率和检测速度,文中引入了二阶聚合通道特征(SOACF)来提高行人检测算法的性能,该算法主要基于图像中的一阶信息聚合通道特征(ACF)检测器,互补了ACF与SOACF的性能,并设计开发了一种加权非最大抑制合并算法。与ACF检测器相比,该合并检测器不仅在INRIA,Caltech和KITTI行人数据集上表现良好,而且在Caltech和KITTI数据集上的误检率分别降低了4%和2%,检测速度比基于ACF的CheckerBoards检测器快了近100倍。     

动态克隆选择的成熟检测器进化算法

基于扩展的动态克隆选择的入侵检测模型,在动态克隆中引入小生境技术对成熟检测器进行进化,以增加检测器的有效性和多样性。实验结果表明,引入小生境技术的动态克隆选择算法能够较准确地检测出已知和未知的入侵行为。     

基于毫米波雷达的非视距目标探测和定位方法研究

隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于：在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。     

基于单片机和车辆检测器的车型分析技术研究

车辆检测器的种类很多,检测方式和主要工作原理也各不相同,但车辆检测器都是基于车辆通过或存在,使检测器中能量发生变化而产生车辆感应信号。阐述地磁式车辆检测器的工作原理的,报告了国内外车型分类技术应用现状。进一步论述系统的硬件结构框图、基本功能及软件程序流程图,认为其应该是国内最有前途、最可能采用的一种车型自动分类技术。     

基于对数行列式散度与对称对数行列式散度的高频地波雷达目标检测器

高频地波雷达(HFSWR)利用电磁波绕射原理进行目标探测,具有超视距的特性。然而,探测距离的增加会使得雷达目标回波能量减弱,进而使得雷达探测能力下降。为了改善高频地波雷达的探测性能,该文提出了一种基于信息几何理论的局域联合矩阵恒虚警率(CFAR)检测器,利用信号在角度、多普勒速度和距离的多维信息进行检测;并使用对数行列式散度(LDD)和对称对数行列式散度(SLDD)代替黎曼距离(RD)作为距离度量。最后,实验结果验证了该文提出的检测器能够有效地改善雷达对目标的检测性能。     

一种基于EDDL的非侵入式负荷检测模型

针对目前非侵入式负荷检测时存在检测精确度低的问题,提出一种基于事件驱动-深度学习(EDDL)的负荷检测模型。通过零交叉检测电流数据,基于事件驱动机制从大量数据中发现关键事件;将包含关键事件的电流序列转换至图像空间,并代入基于深度学习的负荷检测模型,从而实现端对端的非侵入式负荷检测。实验结果表明,与多分类支持向量机(MSVM)、前馈神经网络(FNN)、卷积神经网络(CNN)和长短时记忆网络(LSTM)模型相比,所提EDDL模型综合性能更优,检测准确率和精确度分别为94.67%和91.76%。仿真结果验证了所提模型可基于事件驱动机制挖掘电流数据,并基于深度学习模型有效提取电流数据特征,从而实现高精确度的非侵入式电力负荷检测。该模型对非侵入式电力负荷检测研究具有一定借鉴作用。     

非瑞利杂波中的渐近最佳雷达检测器

文章论述了用于检测淹没在非瑞利杂波中的起伏目标的相干渐近最佳检测器(AOD)的合成。对于所提出的检测方案,评价了(大样本量)渐近性能。结果表明:与线性检测器相比。如果样本容量足够大。采用渐近最佳检测器一般可显著地改善性能。然而在雷达系统设计中,这一条件是受到技术方面的限制的。文章也通过计算机仿真对这种制约条件下的AOD的性能进行了研究,证明使用有限大容量的样本不能达到渐近理论的期望值。本文在最后提出了一个相当简单的混合检测方案,在实际运行环境中,其性能均优于渐近最佳检测器和线性检测器。     

一种分数低阶局部最优目标检测方法

：针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。     

改进的否定选择算法在入侵检测系统中的应用

人工免疫系统中的一个重要的核心算法就是否定选择算法(Negative Select Algorithm),该算法用来生成成熟检测器,它是对免疫细胞成熟过程的模拟。否定选择算法的检测器是随机生成的,因此检测器集合冗余度高、对非自体空间的覆盖率低。针对这一问题,本文提出一种改进算法,通过对检测器进行二次筛选来降低检测器的重复率和冗余度。实验证明,在基于免疫原理的入侵检测模型中改进算法可以将模型的正确检测率提高10%,漏检率降低3%,该算法是有效的。     

一种基于高分辨率雷达的智能交通检测仪

采用基于最大修正峰度距离对准算法的智能交通检测仪可以估计车辆的速度,并在此基础上估计车辆的长度信息.仿真数据以及城市道路采集车辆的实测数据处理结果表明,该交通监测系统可以准确地估计出移动目标的移动速度并能提供车辆长度等信息,为城市交通管理提供了一种比较准确的信息采集手段.     

一种基于视觉的交通检测方法

在实际交通图像检测中检测系统要面对照度变化、局部遮挡和道路阴影等问题，针对这些问题提出一种基于视觉的检测方法，实验表明新方法对解决上述问题的有效性，并在计算车辆数量和速度方面有较高的精确度和较快的执行速度。     

基于双目视觉的车辆检测跟踪与测距

由于道路上存在各种不安全因素,车辆检测跟踪并测距是自动驾驶技术的重要组成部分。本文将YOLOv4-tiny作为检测器使之加快模型检测速度且更适合在车辆嵌入式设备中使用。考虑到目标检测失败的情况,本文在历史缓冲区中存储以前的跟踪细节(唯一ID)和每个对象的相应标签,提出了一个基于中值的标签估计方案(MLP),使用存储在前一帧的历史标签的中值来预测当前帧中对象的检测标签,使得跟踪错误最小化,并用双目摄像头获取图像检测车辆距离。测试新网络结构后,检测精度(Mean Average Precision,mAP)为80.14%,检测速度较YOLOv4相比提高了184%,检测到的距离误差平均在0.5%左右。     

基于免疫原理的网络入侵检测

在入侵检测系统中引入生物免疫原理,建立一种基于免疫原理的入侵检测模型.在模型构建中,给出了抗体库的构建方法,并提出了出现新抗原后抗体库的更新方法以及抗体的变异策略;在对异常数据进行检测时,给出了亲和力瞬时值和综合值的计算方法;在对异常行为进行检测时,采用了成熟检测器进行异常行为的检测策略.该模型可以应用到大型网络的入侵检测,可提高检测的速度和准确性,具有较可靠的结果.     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

基于FS算法和极限学习机的通信网络入侵检测方法

针对当前复杂通信网络环境入侵行为检测中存在检测结果精确度低和召回率低的问题,在引入FS算法和极限学习机的基础上,开展对通信网络入侵检测方法的设计研究。通过通信网络入侵行为分类及检测模式匹配、基于FS算法的通信网络入侵行为特征提取、基于极限学习机的入侵行为检测及学习效果优化、基于投票策略明确通信网络入侵行为属性,提出一种全新的检测方法。通过实验进一步证明,新的检测方法与基于GA-SVM算法的入侵检测方法相比,检测结果的精确度和召回率都得到有效提升,保证通信网络环境的安全性。     

基于小波降噪的雷达时频信号互相关测速算法

为提高基于FMCW体制的双波束车流量雷达的测速精度,对其信号特征进行分析,结合Burg和广义互相关理论,提出基于小波降噪的时频信号互相关测速算法(CC-BWT)。首先,利用最大熵功率谱估计的Burg方法得到雷达回波的频谱信息,通过CFAR检测出目标车辆后提取车辆的时频信号;然后,对时频信号进行小波分解,以改进的阈值函数作为降噪依据进行信号重构,之后两路信号做互相关,估计出时延,从而测得车辆速度。结合仿真和实测数据,并与相位法和双谱法进行对比,验证了该算法的测速准确度达到96%以上且算法鲁棒性好。     

MIMO雷达双门限恒虚警检测

由于MIMO雷达的多通道特性,使得MIMO雷达各接收天线之间需要进行大量的数据传输。在MIMO雷达中应用双门限检测可以使数据传输量大大降低。本文在单元平均恒虚警检测器的基础上,提出了一种MIMO雷达双门限恒虚警检测器,设计了MIMO雷达双门限恒虚警检测器的结构,将其检测性能和单门限恒虚警检测器进行了对比,分析了MIMO雷达双门限检测器在多目标环境下的检测性能。仿真结果表明在MIMO雷达中应用双门限检测具有结构简单,数据传输量低等特点,在单目标和多目标环境中,双门限恒虚警检测器的检测性能均优于单门限恒虚警检测器。      

智慧交通雷达感知系统设计与部署

在智慧交通事业发展过程中，需解决多源信息感知难题。提出设计智慧交通雷达感知系统，精准感知路口多个车道车辆排队长度、行驶速度等车流量信息，为实时调控信号灯配时方案提供支持。在明确系统设计要求的基础上，完成了系统物理架构和数据架构设计，对雷达检测器点位和系统功能实现情况进行分析，通过升级中心系统满足特勤优先控制需求。     

利用逆正态得分函数修正秩的非参量检测器

提出了2种新型基于修正秩检验的非参量检测器:广义符号修正秩检测器和Mann-Whitney修正秩检测器.通过Monte-Carlo仿真分析了这2种检测器对起伏雷达目标的检测性能,并分别与4种经典的非参量检测器:广义符号检测器、Mann-Whitney检测器、修正秩方检测器和Savage检测器的检测性能进行了比较.广义符号修正秩和Mann-Whitney修正秩检测器是通过设计秩统计量的逆正态得分函数来获得检验统计量,通过Monte-Carlo仿真实验得出比修正前的非参量检测器有更好的检测性能.这2种新型修正秩检测器对积累分布函数连续且概率密度函数服从对称分布的数据具有恒虚警性能.