空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

地基雷达探测中的空间碎片微弱信号检测技术概况

空间碎片的日益增多。已对航天活动构成严峻威胁。空间碎片的精确监测是对航天员和飞行器实施安全防护的重要前提,也对空间微小碎片探测能力提出了更高要求。文章对国外地基雷达探测空间碎片现状,以及对在雷达微弱信号检测技术方面比较常用的以信号处理为基础的长时间积累检测技术和基于时频分析的雷达微弱信号检测技术研究现状进行了综述。     

数字化组合测量辅助飞机装配质量检测技术

针对单独使用激光跟踪仪测量大型飞机壁板类组件装配质量时存在曲面数据细节信息不易采集、测量效率低等问题,提出基于激光跟踪仪和关节臂测量仪的大型飞机壁板类组件数字化复合测量方法.在保证测量精度的前提下,将关节臂测量仪(AACMM)融入到激光跟踪仪测量场中,使用两种设备进行集成检测,对大型飞机部件成形细节信息进行全面采集.同时根据飞机部件装配过程测量环节的测量特征,在Spatial Analyzer软件基础上开发了飞机壁板类组件数字化复合测量工具集,实现了对测量过程中所涉及到的设备、数据的集中管控.通过实例,验证了测量方法的有效性和效率.      

钛合金蜂窝结构蒙皮脱焊缺陷锁相红外热成像检测

蒙皮脱焊是钛合金蜂窝结构制造和服役过程中最常见的缺陷类型。受钛合金材料热导率低的影响,钛合金蜂窝结构中蒙皮越厚,红外热成像检测时其表面反映脱焊缺陷信息的温度差异信号就越弱,检测难度就越大。针对这一问题,研究了不同蒙皮厚度钛合金蜂窝结构锁相红外热成像检测时调制频率的选取范围。建立了钛合金蜂窝结构锁相红外热成像检测有限元模型,分析了蒙皮表面温度在调制热流作用下的变化历程,基于相关算法提取了蒙皮表面对应缺陷区和非缺陷区的相位差,分析了相位差与调制频率、蒙皮厚度的关系。利用锁相红外热成像检测系统对预制脱焊缺陷的蜂窝试件进行了实验研究,获得了缺陷区与非缺陷区信号相位差与调制频率的关系。研究结果表明,针对蒙皮厚度为0.6~2.0 mm的钛合金蜂窝结构,采用0.04~0.10 Hz的调制频率能够获得最佳检测结果。研究结果为钛合金蜂窝结构实际检测提供了工艺指导。      

进动弹道目标平动补偿与分离

弹道目标在中段高速运动时会造成微多普勒曲线的叠加折叠,此时传统的平动补偿方法并不适用于弹道目标。在分析进动锥体弹道目标各个散射点的频率特性后,发现曲线交点处的频率完全是由平动引起的。根据这一特性,提出一种利用时频图交点信息进行平动补偿的方法。首先,得到回波信号的时频骨架图;然后,采用基于双边滤波器的Harris角点检测方法提取出时频骨架中的角点进而得到时频图中的交点坐标;最后,利用交点坐标估计出平动参数进行平动补偿。针对传统Viterbi算法在曲线交点容易产生错误关联的问题,提出一种利用交点信息的分段Viterbi算法对补偿后的时频曲线进行分离。仿真实验验证了所提方法的有效性。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题,本文提出一种新的图像特征——相对最值点,并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络,并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点,进而利用最小二乘拟合方法获得该疑似直线的拟合方差,最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明,本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比,检测直线的精度更高,检测速度更快。