密集杂波背景下的水下多目标跟踪方法

水下多目标跟踪是水声信号处理领域研究的热点和难点问题。高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器以其高效的计算效率为解决水下多目标跟踪问题提供了保证。然而,GM-PHD滤波器在跟踪目标时需要先验已知新生目标的强度,否则其性能会出现严重退化。针对该问题,提出一种滑动窗两步初始化高斯混合概率假设密度(sliding window two step initialization GM-PHD, SWTSI-GMPHD)滤波器。将提出的滑动窗两步初始化方法嵌入GM-PHD滤波器,利用滑动窗两步初始化方法估计新生目标强度,减少杂波干扰导致跟踪结果中出现的虚假目标。仿真实验表明,在杂波密集环境下,相较于其他跟踪方法,提出方法将跟踪精度提高69.84%,52.62%和41.05%。     

非高斯随机振动的模拟方法

随机振动台根据功率谱密度（PSD,Power Spectral Density）生成的信号为高斯信号,而实际振动环境有时是非高斯的,因此随机振动实验常常无法准确模拟产品在真实振动环境下的失效情况。通过两个案例分别对均方根值（RMS,Root Mean Square）不随时间变化和随时间变化的非高斯随机振动进行了模拟方法研究。案例1利用Hermite多项式法对高斯信号进行了转换,在保证功率谱密度不变的同时得到了具有指定峭度的RMS不随时间变化的非高斯信号,但该方法对于输入的峭度有限制,当输入峭度大于10时,误差达到了20%。案例2利用一种新方法对实测的RMS随时间变化的非高斯振动进行了模拟,模拟后得到的非高斯信号和实测信号具有相同的功率谱密度、峭度以及概率分布,验证了新方法的准确性。     

距离门信号级的机载双基雷达地杂波模拟方法

由于几何配置的多样性,双基雷达地杂波模拟比较复杂.虽然单基雷达杂波散射元划分的方法可用于双基地杂波仿真,但不利于特定距离门信号的分析.在比较了单双基地雷达地面散射元等距线的基础上,提出一种距离门信号级的机载双基雷达地杂波模拟方法,距离向以双程斜距分辨率划分椭圆环,推导出地面椭圆表达式和散射元坐标解析解,方位向引入椭圆中间参量,在保证多普勒分辨率基础上划分杂波元网格,给出杂波模拟中未知参量的计算.该方法不仅能进行所有观测区域杂波功率谱的仿真,且可完成某些或某个距离门杂波回波信号的计算分析,实现距离门信号级杂波的模拟.仿真结果验证了该方法的有效性.      

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。     

复杂背景下目标散射信号测量与提取技术

在复杂环境条件下的宽带雷达目标散射特性测量中,场地周围环境产生的零多普勒杂波（ZDC）会严重影响目标测量数据的准确性。为了有效地抑制背景杂波、提高目标散射信号的测量精度,提出了一种基于最大概率提取技术。该技术首先通过方位滑窗平均得到每个频点的初始固定背景杂波估计,然后对每个频点的杂波初始估计进行统计直方图处理得到最大概率幅度统计量,并依据该统计量完成门限处理得到最终的杂波估计值,从而消除方位滑窗平均处理中的剩余目标信号分量、实现精确的背景提取与抵消。对典型目标的外场测量数据处理结果验证了本文方法的有效性。      

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

机载脉冲多普勒雷达海杂波仿真及加速

为了提高杂波仿真的精度和速度,提出了一种对现有杂波模型的改进方法,即改用Petts的海杂波后向散射系数模型提高仿真精度,通过预先存储网格单元面积积分、只实时计算主杂波和查表实现旁瓣杂波提高仿真速度。仿真结果表明:该算法有效地提高了杂波仿真的精度和速度。     

海杂波谱的机理及时变特性分析

针对海杂波背景下目标检测问题的实际需求,在机理分析的基础上,利用实测数据对海杂波谱的时变特性进行了分析。首先,分析了波束照射区域内由海表面波浪运动引起的多普勒频移和展宽现象,以及随雷达工作参数之间的依赖关系;然后,对已有海杂波谱机理研究结果进行了分析和总结。在此基础上,利用加窗的周期图法估计得到海杂波的时间-多普勒谱,进而从相关时间的统计特性、谱宽与时域海杂波拖尾程度的依赖关系两个层面对海杂波谱的时变特性进行了分析。分析结果可为海杂波谱建模、海杂波抑制及目标检测方法设计提供理论指导。     

海天混杂闪烁背景下运动点目标检测新方法

针对海天混杂闪烁背景及单像素运动点目标的特征,设计了海天相连区域快速定位及基于模式分类的环域全向差分扩展中-均值滤波的预处理算法,二次进行全向差分均值滤波后,利用基于直方图的自适应阈值分割得到初步侯选目标点.形态学滤波保留有效的单像素侯选点,最后进行帧间侯选目标点之间的相关性分析和目标短时丢失的直接再搜索.仿真实验采用两个实拍场景中加入单像素仿真目标生成的220帧图像,结果为:信噪比≥0.5时单帧检测率为91%,3帧以上的连续检测中检测率达到95%;对照组22帧不含仿真点目标,3帧以上的连续检测虚警数为0.      

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。