交通监测毫米波雷达数据预处理方法研究

毫米波雷达交通监测场景中待检测目标较多、各目标间点迹特征接近,导致点迹凝聚精度低,对此, 文中提出一种改进的交通监测毫米波雷达数据预处理方法。首先通过短时多帧数据积累提高车辆目标点迹密度, 随后利用加权欧式距离度量点间距离以提高密集间隔目标的类间距离,并对点间距离分布进行曲线拟合实现聚类 算法参数的自适应求解,最后利用基于密度的噪声空间聚类(DBSCAN)算法对点迹进行凝聚处理。由雷达实测数据 进行实验验证,相较于传统方法,原始点迹数据经凝聚后跟踪得到车流量统计精度提高10. 97%,结果表明所提方法 能够对车辆点迹信息进行较为精确的凝聚,改善了毫米波雷达在交通监测领域的应用效果。     

基于MSC-UHT的被动多传感器多目标航迹起始技术

针对传统基于Hough变换的航迹起始方法存在的计算量大及门限和参数选取困难,进而导致算法性能不稳定的问题,提出了一种非量化Hough变换的被动多传感器航迹起始算法,将数据空间中的备选小航迹转换成参数空间中的一个点,巧妙地避开了Hough变换量化一累积～峰值提取的变换流程,进而采用MeanShift聚类方法实现在参数空间中对目标个数的判断和测量的关联。仿真实验表明了该算法的有效性和优越性,具有较高的实际应用价值。     

低概率目标点迹截获下的修正Hough变换航迹起始方法

为了在强杂波的环境下有效地起始航迹,提出一种针对低概率目标点迹截获下的修正Hough变换方法。该方法使用标签记录回波数据的时序信息,并通过速度门限和时序特征信息对截获的数据进行关联,同时结合Hough变换的方法,可以在低概率目标点迹截获下实现航迹起始。仿真实验表明,算法有效地克服了现有的Hough变换法及其衍生改进算法不能有效地解决低概率目标点迹截获下的航迹起始问题,大大提升了起始正确率,并具有较强的工程可行性。     

层次聚类的航迹起始算法

针对无源侦察数据不存在周期扫描、目标定位点迹间的时间间隔随机以及目标数量、运动特性等多项先验信息缺乏状况下的多目标检测问题,提出了层次聚类的航迹起始算法。该算法首先利用信号载频、重频、脉宽参数体制的不同对量测记录集进行粗聚类;其次对雷达工作体制相同的每一个子类,采用K-means算法对其载频、重频、脉宽三个信号参数进行精聚类;再次对属性聚类后的每一个子类构造所有可能的配对点迹,并计算其分维速度,利用速度法筛选出满足速度约束条件的点迹;最后对筛选出的点迹按接收时间重新排序,利用扩展的搜索算法从第一个时刻开始搜索目标航迹。仿真与真实数据的实验结果验证了本文算法的有效性和实用性。      

基于改进AdaBoost的密度峰值聚类法

针对雷达数据集中目标和杂波点迹的聚类不平衡问题,提出一种基于改进AdaBoost的密度峰值聚类法.介绍密度峰值聚类法的思想,基于不对称误分代价改进AdaBoost的误差函数,提高正类错分代价权重,将改进AdaBoost和密度峰值聚类结合,对由目标和杂波点迹组成的不平衡雷达数据集聚类.仿真实验结果表明,该算法在保证总体聚...     

一种基于TPH-SPIC的航迹起始新方法

密集转发脉冲干扰下,雷达站测得的目标点迹经常出现断续,且混淆大量假目标的点迹。现有航迹起始算法在处理这类问题时不能满足实用的要求。针对以上问题,本文将标准的Hough法中参数空间的划分分为两步：粗划分和细划分,并结合目标的运动特性,提出了一种适应密集转发脉冲干扰下的航迹起始算法：基于两级Hough和速度模糊聚类的航迹起始方法（TPH-SPICA）。仿真实验表明：该方法不仅有效地减少了计算量和计算时间,降低了起始航迹的簇拥性,而且减少了虚假航迹的占有率,运算实时性显著提高,具有较好的工程应用前景。     

基于点迹态势图像处理的数据关联新方法

密集杂波环境下,传统的点迹融合方法进行点迹数据关联处理时,运算量大、错误关联明显。针对这一问题,提出一种基于点迹态势图像处理的数据关联方法。首先根据传感器探测性能与目标速度范围估计实现点迹量测的图像化,生成点迹态势图像;然后对图像进行邻域连通性判别等形态学处理,实现杂波点迹的剔除。结合像素点对应点迹含有的时间信息进行连通域标记,得到不同目标点迹的归类划分,进而实现点迹数据的关联处理。仿真验证表明,该方法从原理上避免了组合爆炸,降低了运算量,且能够很好地解决错误关联问题,提高数据关联处理的准确性。     

基于点迹态势图像处理的数据关联新方法

密集杂波环境下,传统的点迹融合方法进行点迹数据关联处理时,运算量大、错误关联明显。针对这一问题,提出一种基于点迹态势图像处理的数据关联方法。首先根据传感器探测性能与目标速度范围估计实现点迹量测的图像化,生成点迹态势图像;然后对图像进行邻域连通性判别等形态学处理,实现杂波点迹的剔除。结合像素点对应点迹含有的时间信息进行连通域标记,得到不同目标点迹的归类划分,进而实现点迹数据的关联处理。仿真验证表明,该方法从原理上避免了组合爆炸,降低了运算量,且能够很好地解决错误关联问题,提高数据关联处理的准确性。     

高维数据集中局部离散文本数据挖掘方法研究

提出利用基于多目标优化软子空间聚类理论的关联规则数据挖掘方法对高维数据集中局部离散文本数据实现数据特征有效挖掘。首先,利用多目标优化软子空间聚类思想结合非支配排序遗传理论优化加权类内紧致及加权类间分离函数,获取优化后的目标函数及非占优Pareto最优解集,运用加权子空间划分方法对最优解集完成特征聚类;其次,基于关联规则思想运用一种特征提取和关联文本的识别方法,对聚类后的文本特征进行文本间及文本内部的特征识别和分类,即实现了文本信息数据的有效挖掘。实验证明,利用多目标优化软子空间聚类数据挖掘方法可以有效实现高维集中局部离散文本数据的挖掘。     

基于PF-Net的点迹过滤算法

针对杂波环境下虚假点迹造成跟踪性能下降的问题,提出一种基于PF-Net的点迹过滤算法,并给出了从标注到训练的完整实现,降低了训练难度。首先利用K-Means算法根据点迹特征将点迹聚为有限个类,并根据聚类结果对点迹类别进行手动标注,再将标注好的数据作为PF-Net的训练集;训练完成后的PF-Net可用于点迹过滤与后续自学习。利用点迹特征参数标记目标点迹并滤除杂波点迹,能有效降低数据处理负荷,提升跟踪性能。虚假点迹剔除率超过75%,且真实目标点迹损失率低于2%。     

闭合条纹图的傅立叶分析方法

在基于条纹投影的傅里叶变换轮廓术(FTP)方法中,相位信息叠加在载波条纹中,即必须存在载波条纹.当干涉图中条纹以闭合形式存在,由于没有载频存在,不能直接采用傅立叶条纹分析方法恢复物光波的相位信息.本文采用极坐标的坐标变换方法,将封闭条纹展开,用传统傅立叶滤波方法进行处理,再将得到的信息反变换到原坐标中,得到测量物体的三维分布.文中用二维FFT的迭代算法对条纹进行解析延拓可明显减小由于坐标变换引入的条纹锐截止误差,从而提高测量精度.计算机模拟证实了所提方法的有效性.     

A NEW METHOD OF BAD POINTS ELIMINATION BASED ON HOUGH TRANSFORM

In experimental tests,besides data in range of allowable error,the experimenters usually get some unexpected wrong data called bad points. In usual experimental data processing,the method of bad points exclusion based on automatic programming is seldom taken into consideration by researchers. This paper presents a new method to reject bad points based on Hough transform,which is modified to save computational and memory consumptions. It is fit for linear data processing and can be extended to process data that is possible to be transformed into and from linear form; curved lines,which can be effectively detected by Hough transform. In this paper,the premise is the distribution of data,such as linear distribution and exponential distribution,is predetermined. Steps of the algorithm start from searching for an approximate curve line that minimizes the sum of parameters of data points. The data points,whose parameters are above a self-adapting threshold,will be deleted. Simulation experiments have manifested that the method proposed in this paper performs efficiently and robustly.     

基于主元分析的倾斜车牌图像校正方法研究

文章提出了一种基于主元分析（PCA）的车牌图像倾斜校正新方法。该方法将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵，再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。校正算法的时间复杂度分析与实验结果均表明：相对于Hough变换等校正方法，PCA方法缩短了计算时间1-2个数量级，并且在污迹、光照不均等条件下也能获得较好效果。     

用于HRR雷达在非高斯杂波中进行起伏目标检测的基于Hough变换的两种算法之比较

在HRR雷达中,当目标尺寸大于雷达波长和雷达距离分辨单元时,在连续扫描过程中从目标不同散射中心返回的目标回波会产生不同的方向图,使传统杂波抑制方法无效。提出采用Hough变换来解决这个问题。Hough变换是一种在图像中识别曲线的著名变换。比较了两种基于Hough变换的雷达检测算法,一是将数据空间中的点映射到ρ-θ空间中的曲线的传统模式,另一种模式采用斜率-截距参数空间Hough变换。斜率-截距模式的效率通过仿真进行验证。与传统模式相比,Hough变换的斜率-截距模式的性能更好。针对非起伏目标及四种Swerling类目标,研究了在瑞利分布、Weibull分布、对数正态分布和K分布杂波下,Hough变换检测器的斜率-截距模式对HRR雷达信号的检测性能。还研究了目标速度和脉冲数的影响。通过Monte-Carlo仿真对Hough变换检测器的目标检测性能进行了分析。     

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。     

Hough变换在小目标检测中的应用

利用Hough变换的特性,把Hough变换应用到小目标检测系统中去,从理论上分析它的可行性,并通过仿真试验进行验证.     

一种基于Hough变换的声呐对目标航迹检测算法研究

为提高声呐对目标航迹的检测性能,从单部声呐时间融合的角度出发,提出了一种基于Hough变换的声呐信号检测算法。该算法把航迹上的观测点变换为参数空间的对应曲线,充分利用一段时间内的目标观测数据,在低信噪比下也能从背景噪声中提取目标的航迹特征,提高了声呐的检测概率,且对部分信息和数据的缺失不敏感。仿真试验证明了该算法的有效性。     

基于Hough变换的红外序列图像点目标跟踪方法

针对红外序列图像中点目标成像质量较差、跟踪困难等问题,利用Hough变换算法的抗噪性,并根据测量图像的具体特点,对算法的计算量进行了优化.通过将三维空间Hough变换降为二维,提出了一种基于Hough变换的红外序列图像点目标跟踪方法.实验结果表明,该方法对部分缺损及大小变化的目标都能够实现稳定跟踪,提高了红外目标跟踪的...     

阵列式射频仿真系统中的坐标变换

主要对阵列式射频仿真系统中坐标的变换方法进行了研究,提出了一种将大地坐标系下目标运动航迹变换为阵列坐标系下目标方位和俯仰角的坐标变换方法,该方法可广泛运用于雷达系统仿真、目标仿真等领域,因而具有重要的研究意义。     

浅地层探地雷达波速测量方法的研究

波速的测量在探地雷达的研究中一直是一个至关重要的课题,尤其是对地下目标进行定位和成像时;本文针对浅地层探地雷达接收信号的特征,抛弃传统的过零点检测和其他的边缘轮廓检测方法,提出用极值进行边缘轮廓检测的方法,从而对目标的提取更准确并且有较少的数据,减少了霍夫变换的计算量;通过对霍夫变换算法的分析,针对传统霍夫变换的缺点,提出了一种加FIR低通滤波器的改进霍夫变换;同时应用算法对实测数据进行了计算,证明所提算法比传统的霍夫变换方法有更高的测速准确度.