一种新的广义 Gamma分布下的 SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

基于数据扩充和特征增强的雷达回波无人机检测

针对基于雷达无人机目标识别难度高、精确度低、适应性差等问题,本文提出了利用深度学习的方法,对雷达回波进行无人机检测。首先,利用相参累积的方法生成雷达回波的距离-多普勒图像,增强目标特征并提高信噪比;其次,采用生成对抗模型对距离-多普勒图像进行数据扩充,以获得充足的图像数据减小网络的过拟合并提高网络鲁棒性;最后,使用基于位置感知的卷积神经网络增强特征,通过构建基于距离-多普勒图像的感知模块,实现对目标距离和运动速度的检测。通过在雷达回波序列中弱小飞机目标检测跟踪数据集上验证的结果表明:最终检测结果在召回率89%的情况下达到了91%的准确率。相比于基准方法,本文提出的方案具有更高的检测精度和更好的网络运行效率。     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

基于完全图的对地电磁探测需求融合分析方法

不同用户提出的对地电磁探测需求之间可能存在关联性.以对地电磁探测需求为研究对象,根据对地电磁探测需求的关键特征量,包括空域要求、时域要求和频域要求,分析对地电磁探测需求之间的关联性,判断需求融合的条件以及建立融合图模型,然后提出了基于图的完全子图的算法求解模型,最后设计示例验证了该方法.     

遥感器真空成像三维光学检测装置的设计与应用

在以往的遥感器真空成像试验中, 光学检测装置每次装配完毕只能完成单一状态下的光学测试, 且建立成像试验所需工况的周期较长。文章设计研制了一种三维光学检测装置, 使用该装置可实现中小口径相机在空间环境模拟装置内的光电综合性能检测。试验人员可在空间环境模拟容器外对该装置进行平移、旋转和俯仰的精确调整, 完成对单台或多台相机全视场的精确测试。试验验证了该装置方案设计的可行性。     

关联维数和Kolm ogorov熵在航空发动机故障诊断中的应用

总结了关联维数和Kolmogorov熵的计算方法,给出详细的计算步骤,并通过对某型发动机在不同状态下关联维数和Kolmogorov熵的计算和混沌特性分析,提出一种将关联维数和Kolmogorov熵结合使用的新的故障诊断手段。实验结果表明:由于不同故障的动力学产生机制不同,通常也具有不同的关联维数和Kol-mogorov熵,故关联维数和Kolmogorov熵可用于故障的特征提取。      

基于局部顺序统计量的分布式多脉冲检测

目标融合检测问题是分布式雷达的研究热点。传统的基于单元平均恒虚警率（Cell-Averaging Constant False Alarm Rate,CA-CFAR）的融合检测算法在非均匀背景下面临探测性能损失的问题。为了解决这一问题,针对分布式多脉冲（Distributed Multi-Pulse,DM）雷达,提出了一种基于顺序统计量恒虚警率（Ordered-Statistics Constant False Alarm Rate,OS-CFAR）的融合检测算法（DMOS-CFAR）：首先,在局部雷达的每个多普勒通道进行OS-CFAR并行处理;然后,将各距离单元不同多普勒通道上的统计量最大值传输至融合中心,并在融合中心实现给定虚警下的信号级融合检测。数值仿真表明：在多假目标干扰与杂波边缘场景下,DMOS-CFAR算法比分布式多脉冲CACFAR算法（DMCA-CFAR）检测性能更优;在均匀背景下,顺序值约为3n/4时,DMOS-CFAR算法检测性能最佳。