基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中的关键性环节,为解决雷达辐射源信号模式识别困难的问题,在深入研究粗糙集理论的基础上,将其同辐射源信号识别问题相结合,给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念,给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素,能有效处理辐射源识别中的模糊性和不确定性,具有广阔的应用前景。     

双光谱智能体温检测与健康大数据管理系统

公共安全视频监控在新型冠状病毒肺炎防治攻坚战中发挥了重要作用。针对中国人口密度高、人流量大、新型冠状病毒肺炎易传播的特点，建立了融合可见光和红外光双光谱成像监控的智能体温检测与健康大数据管理系统，实现了无接触快速体温检测与佩戴口罩情况下的人脸识别，快速完成人员信息登记。系统已在多地完成部署，通过了有效性和可靠性验证，测量速度快，响应时间在30 ms以内；测量精度高，测量温度误差在±0.3℃以内；测量范围广，可监控距离0.1~10 m；人脸抓拍率99%以上，识别率95%以上；健康大数据管理系统能实时监控和追踪回溯人员流动，在多维度上对人员信息和疫情发展大数据进行统计分析，并对疫情发展动态进行建模和预测，根据分析结果完善疫情防控策略，开展精准高效的疫情防控。      

非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了 一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对 最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下, 约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的 杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭 代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。
     

基于时频重排与WHT的多分量LFM信号识别

辐射源识别中多分量线性调频雷达信号在实际信号环境中广泛存在,对其进行识别尤为重要.由于多分量LFM信号有严重的交叉项,传统的基于Wigner-Ville分布的时频分析技术对其难以奏效,因此提出了一种基于时频重排与WHT的多分量LFM信号识别法.该法通过盲源分离提取各独立分量,利用时频分布矩阵的联合对角化法抑制交叉项,再对其谱图进行时频重排,最终利用Wigner-Hough变换识别各LFM分量.与WVD方法相比,实验结果表明,在低信噪比下能很好地识别多分量LFM信号.     

基于CNN和LSTM的航天用涂层型自润滑关节轴承寿命预测及可靠性评估

为探索适用于涂层型自润滑关节轴承的寿命预测和可靠性评估方法,提出一种基于卷积神经网络（CNN）和长短期记忆（LSTM）神经网络的轴承剩余寿命预测模型。首先利用CNN对关节轴承的摩擦扭矩信号进行失效特征提取,然后将通过主成分分析（PCA）和滤波处理后的扭矩信号输入LSTM神经网络中进行训练,得到涂层型自润滑关节轴承寿命预测模型,可实现对轴承剩余寿命的准确预测。最后,基于加速寿命试验数据,采用两参数Weibull分布模型对涂层型自润滑关节轴承的服役可靠性进行评估,结果表明涂层型自润滑关节轴承在轻载低频工况下能够维持在高可靠性水平（90%）下进行长时间稳定服役。     

基于动态规划的低可观测目标检测与跟踪

动态规划算法用于检测与跟踪低可观测的运动目标,它是一种“检测置前跟踪”技术,在检测到目标的同时得到目标航迹。通过仿真,给出了动态规划算法的处理结果并分析了动态规划算法的性能。结果表明该算法在低信噪比时可以观察到较好的性能,但是当信噪比进一步下降时,其性能会迅速下降。     

小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

联合足迹识别与监控视频分析的智能刑侦系统

刑侦破案是打击违法犯罪和确保国家长治久安的基本要求。刑侦破案的一大关键是如何有效地利用采集到的信息。为了更好地配合刑侦工作，提出了联合足迹识别与监控视频分析的智能刑侦系统。该系统基于深度学习方法，首先根据足迹信息，包括鞋印长度、宽度、受力分布情况、步长、步幅等，利用卷积神经网络技术实现嫌疑人个人特征的预测；其次联合周边监控视频大数据进行智能分析比较，利用大数据技术快速处理信息，分析视频中行人的个人特点；最后运用虚拟现实仿真技术构建足部压力和鞋底受力分析有限元模型，利用模型获得各种复杂场景下的仿真足迹。三者相互印证，有机结合，快速筛选刑侦对象。实验结果表明，该系统可以高效准确地根据足迹特征实现身高预测，并且与视频监控大数据相结合，可以迅速缩小排查范围并锁定凶手。      

图像融合技术检测低可观测目标评述

阐明了利用图像信息空间覆盖范围大的特点,运用图像融合的手段来对低可观测目标进行检测.通过综合处理来自多个传感器图像包含的检测对象信息、环境特性信息、运动信息、空间信息、时间信息,获得的融合信息包含任何单一传感器无法提供的信息,进而提高检测性能.扼要介绍了像素层图像融合、特征层图像融合以及符号层图像融合的基本概念.列举了图像融合技术一些应用实例,阐述了用图像融合技术检测低可观测目标的优点.着重强调了检测低可观测目标需要进一步研究的问题.