星载毫米波亚毫米波辐射计定标的初步研究

星载微波辐射计采用平方律检波,物体的辐射功率与接收机的输出电压成线性关系。因此星载微波辐射计采用高低温两点定标。其中高温定标源采用处在环境温度下的黑体,低温定标源为冷空背景辐射。由 Rayleigh-Jeans公式计算的物体的辐射功率与其物理温度成线性关系,但是随着物体频率的升高,Rayleigh-Jeans公式与Planck定律的近似误差越来越大,此时应根据Planck定律计算物体的辐射功率。从Planck定律出发,对毫米波、亚毫米波辐射计的定标方程进行了推导,并给出了高低温定标源的辐射功率在毫米波和亚毫米波段的表达式。     

基于时频分析的ISAR成像

目标平稳飞行时,只需要对接收到的回波序列作傅里叶变换,就能得到清晰的ISAR像。而对于机动目标,在成像的观测期间内其多普勒将发生时变,需要用时频变换的方法来分析目标成像。常用的有WVD变换,它能够获得良好的时频分辨率,但存在严重的交叉项干扰,为了有效抑制交叉项,在此采用加窗平滑的方法将其削弱,这种方法称为平滑伪Wigner—Ville分布(SPWVD),其在抑制交叉项的同时还可以获得较好的时频分辨率,仿真结果表明对于机动目标使用时频变换可以得到更清晰的目标像。     

基于尺度不变特征的目标识别与跟踪方法

针对复杂电磁环境下目标实时识别追踪的复杂性和多样性, 利用图像配准技术提出了一种基于尺度不变特征的目标识别与跟踪方法, 有效地反映了目标图像的特征分布, 提高了跟踪与识别系统的可靠性。实验表明, 当目标进行较大角度改变和背景发生剧烈变化时, 该方法能有效减小目标跟踪误差, 精确识别目标位置, 提高目标跟踪精度。     

基于特征匹配的目标实时识别

本文介绍了一个基于特征匹配的运动目标实时识别系统。该系统能对二十九种以上不同形状的目标或十一种形状相似的飞机模型实现正确识别,而且其识别结果与目标的平移、比例缩放及旋转无关,正确识别率高于98％,识别时间小于34ms,满足实时要求。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

弹载毫米波辐射计仿真信号输出的设计与实现

以弹载毫米波辐射计的目标信号数学模型为基础,获得了模拟辐射计工作状态的仿真信号,并通过KPCI-823模拟量输出接口卡,将数字仿真信号输出给信号处理板。     

基于分块背景更新的目标特征识别与跟踪

提出了基于背景分块更新的目标特征点识别、匹配和跟踪算法。该算法对视频检测区域进行分块处理,以图像帧差结果判定前景目标的状态,从而完成背景更新,可有效消除传统的基于概率模型背景更新方法的弊端。在此基础上提出了以目标位置和颜色作为特征信息的匹配、跟踪算法;并将算法成功应用于DM648硬件平台实现了4路PAL视频客流量统计。结果表明,该算法可将客流量统计准确率稳定在95%。     

基于SPWD时频脊特征提取的汉语声调识别

针对语音信号的非平稳性,采用SPWD(smoothed pseudo Wigner-Ville distribution)将韵母语音信号在时频面清晰地表现出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将SPWD时频矩阵转变成二值矩阵图像,利用Hough变换提取脊线;而第三声时频脊是曲线,将Hough变换求取的线段用最小二乘法多项式进行拟合;在脊线段上等间距选取若干个点,将点集和其一阶差分作为时频脊特征,利用高斯混合模型进行识别分类。仿真实验结果表明,该方法很好地对声调进行了识别,平均识别率为86.48%,第二声识别率提高的幅度最大,提高了5.18%;在不同的信噪比下,识别率最大可提高5.62%。     

优化的线谱特征在水下目标识别中的应用

水下目标舰船辐射噪声中有很强的线谱成份,这些成份对分类识别是非常有价值的,因此利用线谱特征射舰船目标进行识别是水声领域研究的重要内容。采用最小二乘曲线拟合方法提取了舰船辐射噪声的连续谱。在此基础上主要研究了线谱特征的提取方法,获得了线谱的4维特征,对所提取的4维线谱特征进行了优化处理。基于这些优化的线谱特征采用BP神经网络对海上实录的三类水下目标辐射噪声进行了分类识别,实验结果证明了方法的可行性和有效性,识别率达到90％以上,分类效果很好。     

智慧交通中的目标识别技术研究

该文对智慧交通中的目标识别技术进行研究,介绍了常见的对车辆等目标进行特征提取的方法,阐述了基于目标特征的车辆识别,并在对图像数据进行预处理后使用聚类算法进行目标识别;对智慧交通中的多目标跟踪技术进行归纳,分析了多目标跟踪的流程及主要步骤.     

被动声纳目标识别综合仿真系统

针对舰艇目标识别与分类对海军作战的重要性，提出了被动声纳目标识别综合仿真系统的设计方案。设计了包括声纳信号仿真、噪声回放、目标分类识别、目标噪声特性库以及综合显示在内的系统总体结构及其相应功能，建立了系统仿真模型和仿真软件，仿真试验结果表明了系统设计的合理性和有效性。     

基于水下探测器信息融合的目标识别

在证据理论基本概念的基础上,引入证据权的概念,依据证据权的不同对各条证据进行转化,解决多传感器信息融合中不同等重要信息源的数据融合问题.应用文中的加权证据组合推理模型进行水面舰船识别的仿真,仿真结果表明提高了水下探测器目标识别的准确性和有效性.     

不锈钢管表面缺损涡流检测信号的仿真计算

阐述了用数值仿真计算获得不锈钢管表面周向缺损涡流检测信号的方法，除了概述该仿真计算的数学模型、有限元法以及计算步骤外，还将计算结果与实验结果作了比较，以证明该仿真计算的可行性。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

一种低功耗水下目标识别系统设计

针对新一代水下长期值更的被动目标识别系统的开发需求,研究并开发了一种低功耗、识别实时、准确的目标识别系统,该系统以低功耗芯片MSP430F5438与TMS320C5509A处理器为核心,配合大动态范围的模拟预处理系统,构建硬件平台,利用目标信号的小波变换域特征和轴频特征,实现了对舰船目标信号的识别和大小船分类;湖上和海上实验识别结果表明设计的系统平均正确检测概率达到83%,满足实际应用要求;由于采用周期性上电识别模式和超低功耗设计理论,设计的系统工作功耗低,识别算法全速运行时仍小于70mW,满足水下长期值更工作的特殊要求,有很好的开发应用前景。     

一种ISAR图像中飞机目标识别的新特征

在逆合成孔径雷达(ISAR)图像飞机目标的识别中,传统的特征是ISAR图像的低频傅里叶系数、几何不变矩、形状特征和能量特征等,但上述特征都没有考虑ISAR的纹理。为此,引入一种新特征用于ISAR图像中飞机目标的识别,即提取ISAR的LBP特征来描述图像的纹理,用k近邻分类器进行分类。实验结果表明,该方法达到98.7%的识别率,表明该特征的有效性。     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

目标识别追踪算法系统设计及分析

通过植入到机器人控制单元,帮助机器人在感知环境的前提下更好的识别和追踪目标,本文研究设计了一种基于本地数据采集处理的目标识别追踪算法系统,通过对本地和云端两个方案测试验证设计系统在综合性能的优越性,主要解决室外机器人在实际场景中识别目标出现的高延迟、不稳定等问题。     

实时浮游生物图像目标智能识别系统设计

根据浮游生物目标的现场分类统计需求,提出一种改进的实时目标识别系统设计方案。使用CCD传感器进行实时图像采集,在逐帧图像处理中引入目标帧筛选以减少运算。采用背景减算法替代传统的迭代算法实现快速目标分割,利用自适应特征选取的快速线形分类器进行目标分类,并通过多核负载均衡实现并行处理。实验结果表明,该系统的平均单帧识别时间低于29.1 ms,识别率高达91%,达到实时识别要求。     

基于机器学习的无人船目标识别系统研究

针对无人船装置在复杂视域环境下的目标识别准确率低、运算率高等不足,提出了采用OpenCV视觉处理框架,建立基于机器学习的无人船目标识别系统。利用HAAR级联分类器训练算法建立了目标物的机器学习库,通过多组训练目标物对比实验,分析出最大识别率和最小虚警率的关系,及正负样本尺寸和比例对训练时间和精确度的影响,得出参数值的最适设定范围。还通过水面的镜面效应,采用相位相关性法水岸线识别算法,准确地识别出水岸线,提高了水中目标物的识别效率。