悬停直升机回波信号检测和分类

 分析了直升机回波信号的特征,根据其旋翼回波信号周期平稳的特点,通过对长观察时间获得的直升机旋翼回波信号的相关处理,提高对低信噪比闪烁脉冲串信号的检测能力以增大雷达对悬停直升机的检测距离。在此过程中,根据闪烁脉冲出现的周期,提出的基于互相关系数的检测器,可同时完成对悬停直升机的分类。给出了仿真和实际直升机回波信号的分析处理结果。     

一种提高SAR目标识别率的有效方法

在合成孔径雷达自动目标识别SAR ATR中，SAR像的预处理是提高识别率的关键技术之一。给出了一种简单有效的SAR图像预处理方法，该方法首先对SAR目标像进行对数变换后，再做傅立叶变换。经预处理后的SAR像用支持矢量机SVM分类器进行目标识别。实验结果表明：本方法不但有效地提高了目标识别率，而且保证了目标的平移不变性并具有良好的推广能力。     

目标运动要素解算方法的探讨

提出了适用于水下目标运动要素估算数据融合、最小二乘估计和Kalman滤波估计模型,本模型被用于航空反潜作战中目标运动要素估算,具有良好的效果。     

用于非线性跟踪问题的一种新的粒子滤波器

机动目标跟踪系统通常是非线性而且不完全观测的 ,所以问题的关键在于每一时刻的目标机动性都是高度不确定的。提出了一种新的平滑粒子滤波算法 ,该算法在粒子滤波器中加入了对系统模型的概率分布密度的平滑处理 ,从而很好的解决了目标的机动性估计问题。在仿真研究中 ,与辅助粒子滤波器的比较验证了本文算法处理非线性跟踪问题的优越性     

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。     

简化概率数据关联算法

基于所有落入目标关联域内的点迹并不都与目标关联的事实,提出了一种新颖的工程概率数据实用算法--基于聚矩阵分解的概率数据关联算法。仿真结果表明该算法具有计算量小,关联性能好等优点。     

基于神经网络的机动目标信息融合与并行自适应跟踪

基于“当前”统计模型和 BP神经网络 ,提出一种新的机动目标神经网络信息融合与并行自适应跟踪算法 ( NIFPAT)。该算法采用双滤波器并行结构 ,利用全状态反馈 ,通过 BP网络调整系统方差以适应目标的运动变化 ,具有对目标各种运动状态的良好自适应跟踪能力     

基于重构算法的一种微弱目标检测后处理方法

 重点研究了形态学重构算法在微弱目标检测和跟踪中的应用,主要体现在对原始图像的背景估计过程和检测后处理过程。对于经过背景估计和二值化后的图像,若直接进行跟踪算法,由于虚警点数目太多,会严重影响跟踪算法的效率,同时也给跟踪结果造成了负面效应。因此,考虑在二值化之后,跟踪之前,引进后处理过程,以消除虚警点。在已知目标大致尺寸的情况下,选用不同的两个标记重构,同时消除小于目标的虚警点和大于目标的虚假目标。     

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。     

基于注意力机制和改进YOLOv3的红外弱小目标检测

红外弱小目标检测技术是红外探测系统的核心技术之一。针对远距离复杂场景下红外弱小目标对比度低、信噪比低和纹理特征稀疏分散导致目标检测率低的问题,提出一种融合注意力机制和改进YOLOv3的红外弱小目标检测算法。首先,在YOLOv3的基础上,用更大尺度的检测头替换最小尺度的检测头,在保证推理速度的基础上有效提升了红外图像中小目标的检测概率。然后,在检测头之前设计了Infrared Attention模块,通过通道间的信息交互,抽取出更加关键重要的信息供网络学习。最后,用完全交并比损失(Complete IoU Loss)替代交并比损失(Intersection over Union Loss)来衡量预测框的检测能力,通过梯度回传实现更好的模型训练。实验结果表明,提出的YOLOv3-DCA能完成多种场景下红外弱小目标的检测任务,且检测准确率、召回率、F1和平均准确率分别达到91.8%、88.8%、93.0%和88.8%,平均准确率比YOLOv3基线提升约7%,与主流的SSD、CenterNet和YOLOv4模型对比平均准确率也取得了目前最优。