一种分布式目标滑窗检测方法

随着成像雷达图像分辨率的不断提升,对分布式目标的探测性能指标要求越来越高,然而现有的恒虚警检测算法尚未形成适用于多分辨单元的目标检测性能评估理论体系。提出一种分布式目标滑窗检测方法。首先,基于待检测目标RCS(radar cross section, RCS)、平面尺寸以及雷达二维分辨率等先验信息对二维滑窗进行设计,实现了任意航向目标的最优匹配。接着,利用M/N准则对滑窗内目标占据的多分辨单元回波进行直接处理,避免了人为构建扩展检测量引起的检测性能损失。最后,从系统虚警指标要求出发,通过挖掘分布式目标与所占据单个分辨单元的检测性能关系,设计了一套分布式目标探测性能的定量评估方法,可在满足虚警性能前提下大幅提升分布式目标的检测概率。该算法不需要人为进行复杂的扩展检测量设计,为高分辨图像目标稳健检测和性能评估开辟了一种新途径。     

基于测量数据积累的弱目标检测前跟踪算法

检测前跟踪(TBD)算法是一种有效的弱目标联合检测与跟踪方法。当目标强度参数未知时,基于点目标假设的主流TBD算法通常将其建模为增广目标状态变量,在贝叶斯框架下联合估计目标运动状态与强度信息。本文研究发现强度参数估计精度受限于点扩散函数(PSF)的设置,提出了一种基于测量数据积累的弱目标TBD算法。该方法利用目标的航迹,积累多帧间目标占据分辨单元的测量数据,在实现弱目标的联合检测与跟踪的同时,对目标强度参数完成准确估计,为后续目标分类或识别提供有用的目标强度信息。仿真结果表明:在低信噪比条件下,所提算法的强度参数估计精度和稳健性优于主流TBD算法,并最终收敛于参数完全已知时的最优联合检测与跟踪结果。     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

多假设多目标跟踪算法评估

本文对多假设多目标跟踪算法进行性能评估。文中主要研究了作为性能量度的目标探测／航迹起始能力。通过蒙特卡罗模拟就从目标回波建立航迹的概率和虚假航迹密度两个问题评估了多假设跟踪算法。选用了一台雷达作为传感器，并在蒙特卡罗模拟中使用了一个普通的多假设多目标跟踪算法。模拟结果预示了从一个目标回波建立一条航迹的概率以及一单位时间每个扫描空域内的虚假航迹密度。如同研究检测门限和航迹质量门限的影响那样，文中研究     

再入末修舱对邻近微弱弹头目标检测性能的影响

基于微波暗室静态测量数据,结合弹道学理论,分析了战术弹道导弹(TBM)弹头在再入段的运动学特性和电磁散射特性。研究表明,典型战情下再入舱的RCS比弹头目标的RCS大10~30dB。当采用LFM波形时,会导致较为严重的旁瓣遮掩效应,即脉冲压缩后末修舱的旁瓣会遮掩邻近微弱弹头目标的主瓣,导致弹头漏检。从理论和仿真的角度分析了相关设计参数（例如带宽）以及伴随物相关参数（速度、相对距离、相对RCS等）对弹头目标CFAR检测性能的影响,并提出了改善检测性能的建议措施。     

在轨高效目标检测加速技术

针对深度卷积网络目标检测算法参数量大、计算量大以及受星上计算资源、存储资源及功耗的限制，难以实现在轨部署的问题，提出了一种在轨高效目标检测算法加速框架与实现方法。首先，设计了一种可以同时兼容三种卷积算子的计算引擎，有效提高了资源利用率;其次，从通道和卷积核两个维度将目标检测算法模型展开，实现了加速器的高度并行化和可扩展性;最后，在多种FPGA平台上实现了该加速器并对其性能进行了评估。实验结果表明：所提出的加速器计算性能可以达到1843.2 GFLOPs(每秒千兆次浮点运算)，推理时间为0.22 ms。与同类加速器方案相比，所提出的加速器框架在性能、功耗、能效比及推理时间方面具有很大优势，适合部署在资源受限环境中，具有良好的星上应用前景和价值。     

杂波环境下的机动目标检测和跟踪算法

交互多模式(IMM)是一种有效的机动目标跟踪算法,但由于其要求具有很多的先验前提条件而不利于工程实现.研究了一种杂波环境下更适合于工程实现的机动目标(同样适用非机动目标)的跟踪算法,该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测,并通过改变Kalman滤波的相关参数,实现自适应跟踪.该算法克服了IMM算法的模式限制和复杂性,同时也避免了对非机动目标的跟踪中,在跟踪模式间相互切换时所换造成的影响.通过在空管系统(ATC)的大量模拟实验,验证了该算法的有效性和重大应用价值.     

复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

近场目标散射特性与数据处理技术

论述了无线电引信物理仿真的内容,以及目标散射截面积(RCS)的动态和静态测量方法.介绍了对所测试数据的处理方法(包括相对比较法、用雷达方程计算).对RCS进行数理统计分析.对目标头部RCS的计算方法进行了探讨,最后给出某目标的头部的RCS计算结果.     

杂波环境下的机动目标检测和跟踪算法

交互多模式（IMM）是一种有效的机动目标跟踪算法，但由于其要求具有很多的先验前提条件而不利于工程实现。研究了一种杂波环境下更适合于工程实现的机动目标（同样适用非机动目标）的跟踪算法，该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测，并通过改变Kalman滤波的相关参数，实现自适应跟踪。该算法克服了IMM算法的模式限制和复杂性，同时也避免了对非机动目标的跟踪中，在跟踪模式间相互切换时所换造成的影响。通过在空管系统（ATC）的大量模拟实验，验证了该算法的有效性和重大应用价值。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

基于RCS曲线的SAR图像点目标变化检测

地物目标的物理结构、表面粗糙度或地物目标类型发生了变化,则其后向散射能量一 般会发生相应的变化,对应的雷达散射截面(Radar Cross Section,RCS)也会发生变化,这 将导致合成孔径雷达(Synthetic Aperture Radar, SAR)图像的亮度和色泽发生变化。提出 了一种新的基于RCS曲线特性的SAR图像目标变化检测算法。该算法不同于以往的基 于图像域的变化检测算法,从目标的散射特性提取目标的变化信息,避免了不同时相的SAR 图像对误配准所带来的错误。并进行了仿真实验,实验结果表明可行。
     

引信目标RCS理论算法的发展及应用

论述了引信近场雷达散射截面(RCS)计算的特殊性及难点，同时介绍了计算引信目标RCS的多种高频理论预估方法，着重比较了物理光学面元法与几何光学法，并讨论了其他一些理论方法的特点。通过某型导弹的应用实例，指出了引信目标模型在雷达引信目标系统仿真中的重要作用。     

基于递推贝叶斯的检测跟踪一体化方法

在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

不同推力下的非合作空间目标轨道机动检测

针对非合作空间目标轨道机动检测问题,创新性地提出具备普适性的不同推力下的轨道机动检测算法与检测流程。首先给出不同推力作用下轨道机动动力学模型,在此基础上提出普适性轨道机动检测策略,包括：全模型地基与天基观测数据仿真策略,数据处理软件平台,脉冲推力、连续大推力与连续小推力轨道检测算法与流程,精度评估策略。该策略利用不同推力作用下的检测算法与流程,可以满足多数非合作目标轨道机动检测需求。结合地基与天基观测数据,仿真分析不同推力下的非合作目标轨道机动检测情况与轨道精度恢复情况,结果表明该策略能对轨道机动进行有效检测,为工程实际提供了有益借鉴。     

基于孪生支持向量机的无人机目标检测算法

无人机属于机动目标,有时会集群出现,这对传统的目标检测与跟踪技术提出了更高的要求。如何提升目标检测与跟踪算法的性能一直是研究人员密切关注的问题。针对传统目标检测算法在低信噪比下无人机检测性能不佳的问题,提出了一种基于孪生支持向量机的无人机目标检测方法。利用仿真软件对雷达探测到的无人机回波数据进行仿真建模,得到不同信噪比下的回波数据。在此基础上,对回波数据进行预处理形成无人机目标检测数据集,并使用数据集对检测方法进行训练与测试。然后与恒虚警检测算法和基于支持向量机的雷达目标检测算法进行性能对比分析。实验结果表明,该方法不仅能保证传统算法在高信噪比下优越的检测性能,与此同时在低信噪比下也能实现精准目标检测,缓解了传统检测方法在低信噪比时的检测精度下降的问题。     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

飞机目标头部雷达截面的算法分析

主要叙述在引信动态仿真实验目标模型雷达截面(RCS)研究课题时,把目标人为地分成头部、腹部、机翼和尾翼等部分,然后算出弹目的相对速度和目标头部通过天线波束的时间.根据事先决定的采样周期,就可以算出目标头部通过天线波束时所采集的样本点数.然后,再同散射截面积已知的金属球进行比较,从而算出目标头部的RCS.经1:1和1:1.35缩比试验,证实算法结果与实测结果很接近.