弱小运动目标空时增强检测的仿真研究

提出了一种序列图像中弱小运动目标空时增强检测技术并进行了计算机仿真研究.目标被假设为在单帧图像上具有一定尺寸,利用二维空域模板对目标能量进行增强并作二值化处理.根据目标最大速度条件,在二值化后的图像序列中搜索可能目标轨迹,并与预定义的轨迹表(track table)进行匹配从而获得检测结果.该技术最大的优势在于同时在空域和时域对目标作增强处理,大大改善了信噪比,十分有利于实时实现.理论分析和大量仿真实验表明该技术在5帧图像集成时能稳定检测SCNR=2dB、大小超过3×3的弱小运动目标.     

基于相空间重构和卷积神经网络的电能质量扰动分类

为了提高电能质量扰动信号分类的准确率,首先利用相空间重构将一维时间序列电能质量扰动信号重构到多维相空间,获得扰动信号轨迹并投影到二维相平面,形成二维轨迹图像。然后对该图像进行二值化处理,减少信号的数据量,凸显轨迹轮廓。最后通过卷积神经网络对处理后的轨迹图像进行特征提取,并对相应的扰动信号进行分类识别。在卷积神经网络框架Caffe下进行仿真实验,仿真结果表明该方法具有很高的识别准确率和良好的抗噪能力。     

一种视频图像序列人脸检测方法

根据高阶统计量对高斯噪声不敏感的特点,本文提出了一种新的从连续图像序列中检测人脸的方法.首先,设计了运动图像序列帧间差的高阶统计量的计算公式,以自动分离运动人体和背景.为了提高速度,对计算过程进行了优化处理.然后使用一种边缘人脸检测方法检测运动人体中的人脸,并对该人脸进行尺度归一化处理.实验表明,该方法简单易行,速度快,能准确地提取出运动图像序列中的人脸.     

基于快速傅里叶变换和互相关的多频微弱信号重构法

针对强噪声背景下恢复多频微弱信号波形的难题,提出一种新颖的基于快速傅里叶变换(FFT)和互相关的多频微弱信号重构法。首先使用FFT获取被测微弱信号的频域信息,根据FFT变换数据计算出被测微弱信号的各个频率成分的频率估计值;根据获取的频率估计值于存储空间中生成正交参考序列,使用生成的正交参考序列和被测微弱信号进行互相关运算;进而使用获取的互相关计算值完成对微弱信号中各个频率分量的幅度和相位的估算,最终使用得到的频率、幅度及相位的估计值完成对微弱信号的重构。还给出了FFT变换的数据长度N同微弱信号信噪比之间的关系。方波作为一种典型的多频信号被用于验证该算法,仿真分析和硬件实测结果均表明该方法可以有效得从强噪声中重构并恢复多频微弱信号。     

基于小波变换和形态学细化算法的真空电弧形态检测

真空开关电弧的形态特征是电弧特性的外在反映,与真空开关的分断能力直接相关。为了研究真空开关电弧燃弧过程及其形态特征,建立了真空电弧图像实验采集系统,通过高速CCD相机采集真空电弧燃烧过程图像。为了获得电弧形态的细节特征,基于小波变换及形态学细化算法对真空电弧图像进行了形态细节特征提取研究。主要通过电弧图像的分解与重构、多尺度边缘检测及多尺度-细化算法实现电弧图像的形态特征检测。对多尺度-细化算法实验结果与经典算子和多尺度边缘检测算法的检测结果进行了对比分析。结果表明,采用多尺度-细化边缘检测算法可得到更完整、更清晰的细节特征,为研究真空电弧的调控理论提供了技术基础。     

一种基于行程编码的图像背景重构

背景差法是一种重要而且实用运动目标检测方法。该算法的难点在于如何进行背景图像的重构。本文针对该问题,提出一种基于行程编码的背景图像重构算法,即在假设背景图像以最大概率出现在图像序列中的前提下,选择频率最高的图像作为背景图像进行背景重构。利用序列图像时间上的相关性进行行程编码,用编码数据进行背景图像点得重构,使重构具有实时性和节省运算空间的特点。在慢运动目标的图像序列中,即观测时长较长时,利用本文算法进行实时背景重构具有明显的优点。仿真结果表明,该算法能够准确地重构背景,从而实现对运动目标的完整提取,以便进一步识别或跟踪。     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

基于B样条的外弹道测量数据野值处理方法

针对常规野值剔除方法依赖门限容易造成漏检和误判的现象,根据外弹道测量数据的特点,提出了基于B样条外弹道测量数据野值剔除与重构的方法。介绍了该方法原理及实现的具体算法,并采用"多项式+正态测量误差"模型的仿真数据对该方法进行了验证。结果表明,利用该方法既剔除了测量数据中的野值,又保证了数据的原始形态。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于Duffing振子的微弱信号检测方法研究

利用Duffing振子相变对微弱信号敏感和对噪声免疫的特点,可以对淹没在强噪声背景中的微弱周期信号进行检测,但传统的Duffing振子相变检测方法仅能检测特定频率的周期信号并且会受过渡带的影响.针对上述问题,给出了一种基于Duffing振子变尺度逆相变的微弱周期信号检测方法,通过引入变尺度系数将待测信号进行重构,进而减小了系统参数对检测的影响.建立了仿真模型并进行了仿真实验.分析和仿真结果表明,该方法能够仅利用一组固定的参数来对任意频率的周期信号进行有效的检测,且减少过渡带的影响,具有较好的检测性能.     

基于卡尔曼滤波的高精度弹道滤波算法研究

在弹道轨迹估计中,卡尔曼滤波算法是一种普遍使用的算法,常规卡尔曼滤波算法适用于线性离散系统.对于非线性离散系统模型,为了提高滤波的精度,减小系统模型误差以及未知的量测噪声和过程噪声统计特性对滤波精度的影响,提出了一种带有噪声统计估计器的拟线性最优平滑滤波算法.将该算法应用到弹道系统模型中,对弹道轨迹进行滤波估计.通过计算机建模仿真改进的算法和传统的拟线性最优平滑滤波算法,得到的实验结果表明,改进后的算法可以减小由于系统模型不精确带来的误差,很大程度上提高了弹道轨迹滤波估计的精度.     

一种基于射向约束的预警卫星弹道估计方法

天基预警系统是战略预警系统的重要组成部分,又分为双星探测与单星探测。传统单星探测方法基于标准弹道模板先验信息的支持,而标准弹道模板信息难以获取。针对预警卫星对弹道导弹进行弹道估计的问题,提出了一种基于射向约束的预警卫星对导弹弹道的估计模型。分别运用单星、双星探测弹道导弹的主动段数据对其弹道进行估计和预测并进行了定量计算。单星探测时,卫星位置与导弹平面夹角越小误差越大,当夹角达到5°以上,误差较小,基本可以满足远程预警雷达位置引导需求。双星探测时,预测误差进一步减少,精度进一步增加。上述仿真结果表明,该方法的弹道估计精度可为地基预警雷达提供足够的目标交接引导精度。     

目标弹道数据实时融合方法研究

由于数据种类的多样性和实时性,数据融合方法在多信源弹道实时处理中应用尚不成熟。结合实际需求,提出一种多信源弹道数据动态加权实时融合方法。首先,根据模糊聚类算法,建立反映导弹目标当前状态信息的弹道隶属度矩阵,实时计算弹道集合中各弹道的权值,最后依据不同的权值进行弹道数据融合。仿真计算表明,该方法可以获得1条尽可能完整的目标飞行弹道,数据平滑、趋势正确,满足实际需求。     

C-RAM系统的弹道数据建模及航迹融合仿真

尽管基于弹道数据建模和航迹融合的研究紧密性很强,但大多数人只是将针对两者的研究独立开来,并没有应用到实际的情况。为满足某军队对空情状况预警和防御的训练,在对C-RAM（counter rocket,artillery and mortar）系统深入研究的基础上,就火箭、火炮及迫击炮（RAM）等火力威胁武器的弹道进行了建模并依此设计了多弹丸飞行目标仿真模型。在完成时间、空间校准基础上,该模型进行了基于多探测站点、多目标航迹关联以及数据融合的系统设计。实验结果表明,该系统能较好地完成C-RAM系统中对目标弹道仿真、关联及融合与目标跟踪定位等任务。     

基于空间矢量的快速电压暂降检测方法

提出了一种基于空间矢量的快速电压暂降检测方法。该方法通过对三个不同时刻的三相电压信号进行Clark Transform,结合快速椭圆重构算法计算出空间矢量在复平面上的轨迹方程,根据轨迹形状进行电压暂降的检测并识别出故障相。同时由椭圆参数求解出电压暂降过程中电压相位角跳变值,进而根据相位角跳变值对原始电压数据进行移相处理,最终可快速计算出电压暂降深度。仿真实验验证了文中方法的有效性。     

Band-to-Band Tunneling by Monte Carlo Simulation for Prediction of MOSFET Gate-Induced Drain Leakage Current

Gate induced drain leakage (GIDL) current caused by band-to-band tunneling is studied by Monte Carlo simulation with ballistic least-action trajectory integration. Together with weak inversion and early subthreshold simulation by drift-diffusion formalism, the entire range of the OFF-state drain current can be predicted for technology evaluation. The methodology is demonstrated by a case study for source/drain asymmetry super-halo design.     

基于ISGMD-DHT的电压暂降特征提取方法研究

针对电压暂降特征信号在谐波、噪声环境下的准确提取问题,提出了一种基于迭代辛几何模态分解-差值希尔伯特变换(iteration symplectic geometry mode decomposition-difference Hilbert transform,ISGMD-DHT)的提取方法。首先,基于哈密顿矩阵与辛QR分解构造重构轨迹矩阵,结合辛几何相似变换得到初始辛几何分量。其次,根据相似度准则拟合初始辛几何分量并计算残余分量,再根据残余分量构造轨迹矩阵。然后,重复上述操作直至满足迭代终止条件获得最终相互独立的辛几何分量。最后,通过差值希尔伯特变换提取暂降特征量。仿真和实测数据的分析结果表明,该方法能在严重噪声、谐波扰动情况下准确提取暂降特征量。     

基于相空间重构与平均电导特征的配电网单相接地故障辨识

配电网接地故障类型辨识可为故障巡线提供指导,缩短故障巡线时间。针对10 kV配电网线路的不同接地故障类型,提出基于相空间重构与平均电导特征的配电网线路故障辨识方法。通过试验采集配电网中典型接地故障的波形。针对不同介质接地故障零序电流中电弧特征,对零序电流进行相空间重构得到相平面轨迹图,计算信息维数以及吸引子面积特征,依据特征识别量将故障区分为可靠接地故障和不可靠接地故障。进一步通过计算各类型故障平均电导作为故障辨识判据,将故障区分为不同类型。试验结果表明所提方法能够有效辨识不同介质接地故障类型。     

融合小波分解和 LSTM 的目标轨迹预测

随着目前空战武器装备的迅猛发展,对于高空高速大机动目标的轨迹预测越来越占据重要的战略地位。为了解决目前存在的目标轨迹预测不足的问题,本文提出了融合小波分解(wavelet decomposition, WD)和长短期记忆(long short term memory, LSTM)网络的模型来对机动目标的轨迹进行预测。首先,通过小波分解将输入的轨迹时间序列分解为1个低频分量(CD1)和3个高频分量(CA1,CA2,CA3)。然后,利用长短期记忆网络对时间序列处理的优势进行分量预测。最后,将分量预测结果进行重构并与原始轨迹进行对比验证,结果表明所提模型对于轨迹预测具有较高的精确度。为了排除实验结果的偶然性,本文用两组数据进行验证。通过对比实验显示,所提模型与其他两种模型相比预测误差更小。     

基于异构传感器的弹道导弹主动段融合跟踪

针对远程预警系统中基于天波超视距雷达和天基红外卫星这两种异构传感器的弹道导弹主动段融合跟踪问题,本文首先建立弹道导弹主动段运动模型和传感器量测模型,在不敏卡尔曼（UKF）非线性滤波算法框架下,分别采用分布式和集中式融合策略,实现对弹道导弹主动段的估计跟踪,数据仿真结果显示采用本文提出的融合方案对主动段弹道估计RMSE曲线能够快速平稳收敛,相对于单传感器估计精度明显提高,说明本文提出的融合估计方案是可靠有效的。