双基地前向散射雷达探测与成像

前向散射雷达(Forward Scatter Radar, FSR)作为一种特殊的双基地雷达,可以利用目标在穿越收发机之间基线的运动而形成的前向散射信号进行探测、成像与识别。由于前向散射效应对提高目标雷达截面积具有重要意义,因此,前向散射雷达在反隐身探测方面具有显著的优势。文章首先综述了前向散射雷达截面积、前向散射雷达目标探测及阴影逆合成孔径雷达(Shadow Inverse Synthetic Aperture Radar, SISAR)成像的国内外研究现状,重点分析了前向散射杂波的统计特性、高精度参数估计与多目标分辨等关键难题;在此基础上详细介绍了前向散射雷达探测和SISAR成像研究的最新理论和实验进展,首次给出了基于北斗导航卫星的民航客机前向散射探测实验结果;最后,对前向散射雷达探测和成像的研究前景和发展趋势进行了展望,为隐身目标的探测与识别研究提供一种新的技术手段。      

雷达目标检测的最优波形设计综述

充分利用雷达目标和环境特性,设计最优发射波形,能够从本质上提高雷达目标检测性能,具有重要的研究价值。该文将近几年发表的雷达目标检测的最优波形设计文献进行总结和归纳,为面向目标检测的波形优化设计研究提供方法和依据,具有一定的参考价值。      

一种基于广域高分SAR/GMTI系统的高精度径向速度估计方法

方位向多通道广域高分合成孔径雷达运动目标指示（SAR/GMTI）系统的各通道回波存在多普勒模糊,参数估计时会出现严重的速度模糊。针对这一问题,本文提出了一种高精度无模糊径向速度估计方法。首先利用动目标Chirp傅里叶变换（CFT）后的空时谱在空间维度上无模糊的特点,在空域自适应滤波时避免了动目标模糊分量的影响,降低了算法所需通道数目;然后分别使用谱估计和Radon变换的方法估计基带径向速度和模糊数,最终得到高精度无模糊的径向速度。仿真结果验证了当待检测距离单元内存在多个运动目标时该方法的有效性。      

低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

基于多目标的双聚类算法

双聚类算法是一种同时对行和列聚类的算法,在基因表达数据分析领域多有应用。传统基因表达数据分析的双聚类算法多是单目标,同时筛选既有一定数量又有显著关系的基因的多目标挖掘又往往忽略负关联模式。但是正关联和负关联信息都有重要的生物学意义。通过在多目标中加入可以包含负关联信息的新目标函数可以在约束聚类解质量的同时包含负关联信息。     

红外传感器地面定位能力研究

战场侦察地面传感器系统中,多用声/震传感器结合时差定位法对地面目标进行定位,但其在近点定位效果较差,且若需在远点的测距精度达米级时,测时精度需达纳秒级,要求过高。系统中的无源红外传感器测向误差在毫弧度级,但目前未有用其进行定位的先例,现结合多重采样相关法进行目标定位问题研究。建立蒙特卡洛仿真模型,对基于红外传感器的地面目标定位算法进行验证,结果表明:该算法对装备要求不高,且对地面战场目标定位精度可满足实战化需求。     

运动目标检测方法综述

运动目标检测是机器视觉领域中的一个非常重要的研究课题,它为运动目标识别、运动跟踪等复杂的处理过程奠定了基础。运动目标检测的任务是识别特定区域内目标的物理运动。近年来,运动目标检测技术已经被应用到视频监控、人体运动分析、机器人导航、智能交通系统等领域,越来越受到人们的重视。文中将传统的运动目标检测算法做了简要的分类,并且总结了近年来该领域的最新研究成果,指出了这些方法的优势和局限性。     

基于非完备字典的舰船特征提取和识别

提出了一种基于非完备特征字典的舰船特征提取和识别算法。借鉴稀疏表示理论的思想,根据红外图像中舰船的外形特征数据集构造特征字典,将目标信号进行分解,根据匹配字典中每个特征基原子得到特征响应,从而获得目标的特征表示,最后采用 SVM 一对一投票方法进行目标识别,得到最终的目标识别结果。仿真实验表明,与简单的标量区域描述方法和矩特征方法相比,本文方法得到的特征不仅具备更快的提取速度,而且可以更好地区分目标,提高目标识别的正确率。     

基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

一种检测红外点目标的方法

提出了一种用二次阈值检测红外点目标的方法，该方法对于提高红外警戒系统的探测率和控制虚警率具有较好的效果