光子成像静止点目标的管道滤波探测方法

构建了具有单光子成像能力的光子成像系统,提出应用管道滤波方法实现对光子受限静止点目标的探测。分析了光子图像静止点目标与点状噪声特征,根据静止点目标在序列图像中位置的确定性以及噪声点的不相关性,研究了基于管道滤波的光子成像静止点目标探测方法。为降低目标探测的虚警概率,优化了管道滤波直径。以实验采集得到的多组光子图像序列为样本,获得了探测概率、虚警概率与信号光子数、噪声光子数、管道长度以及检测阈值的关系。检测结果显示,对信号与噪声的平均发生率为0.4和5.215的序列图像,当管道长度为9、检测阈值为2时,探测概率达0.9以上且虚警概率〈0.08。对比多组图像序列的检测结果表明,影响探测概率的主要参数是信号光子数,而影响虚警概率的主要参数是噪声光子数。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标(试验采集)成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明:该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

一种宽带幅度调制信号的自动检测方法

给出了一种自动检测解调谱线谱的方法。该方法是一种双门限检测过程,首先通过选择低的检测门限和利用线谱的形状特点进行线谱识别来完成第一次检测,延迟一段时间后利用该时刻前后多个时刻的解调谱的线谱识别情况剔除噪声、自动生成中间丢失的线谱来完成第二次检测。分析表明,此线谱检测方法并不需事先知道调制信号的幅值、根数、位置、起止时间等信息,却能在低信噪比下自动地以高检测概率和低虚警概率检测解调谱的线谱。     

一种利用窗口结构提取红外弱小目标的方法

在分析红外弱小目标检测的检测概率和虚警率的基础上,引入了一种基于窗口结构的红外弱小目标检测方法.该方法无需进行图像差分,利用局部小范围内目标相对背景的灰度变化检测目标,可以在较低信噪比的情况下获得较高的检测概率和较低的虚警率.实验表明了该方法的有效性.     

一种被动声呐信号检测的低虚警率方法

针对被动声呐多目标信号检测中的噪声背景归一化问题,提出了一种基于数学形态学滤波的噪声背景归一化新方法。该方法利用数学形态学处理中的膨胀和腐蚀算子,以及基于多项式拟合的数据均值估计方法,构造出了一种能够较为准确的估计噪声门限的方法,并以之进行噪声背景归一化,在较好保留信号信息的前提下较大程度的抑制了噪声,有效降低了多目标信号检测的虚警概率。通过计算机仿真对比了该算法与S3PM算法、OTA算法的性能,结果表明该噪声背景归一化算法能够在检测概率损失较小的情况下较大幅度地降低检测的虚警率。实际被动声呐数据处理的对比结果同样验证了该算法的有效性。      

基于轨迹预判的空间小目标在轨检测方法研究

空间目标监视和检测是维护空间环境安全的重要保障，天基观测是其中的一个重要观测手段。在天基观测图像中，恒星和空间小目标形状、大小相似，影响空间小目标的检测。且空间环境复杂，图像的噪声也会对空间小目标检测造成干扰。针对以上问题，提出了一种基于轨迹预判的空间小目标在轨检测方法。首先对图像进行预处理，包含使用图像滤波剔除坏像元和背景影响以及阈值分割。对相机进行畸变误差校正，再进行坐标系转换以及匹配星表剔除大部分恒星。然后采集多帧图像，对候选目标进行轨迹关联、预判，确定搜索范围。最后实现对空间小目标的检测。本检测方法具有以下几方面的优势：在低信噪比下，实现高检测精度和低虚警率；减少搜索范围，提高在轨实时检测能力；具备对连续帧图像上目标不连续出现的检测能力，适应更复杂的空间环境下目标检测需求。本检测方法的检测能力在硬件系统上得到了验证，实验结果表明，该算法在检测信噪比为2的目标时也具有99.9%的检测率和0.002%的虚警率，为在轨空间小目标检测提供参考。     

室内高压电弧/电晕的紫外特性分析和测量研究

随着我国电力技术的迅猛发展,因电弧/电晕放电造成高压设备损坏、高压线传输损耗的问题愈加引起重视。完成了电弧/电晕目标在200～1 000 nm的光谱特性测量,发现电弧电晕光谱强度分布主要集中在200～400 nm紫外波段。提出了使用紫外面阵成像技术用于探测研究电弧/电晕的方法,通过一套自制的紫外面阵成像系统,成功实现了对高压电弧/电晕目标进行的实验室内紫外成像,以及氙灯积分球辐射定标与目标反演。实验结果表明,该套紫外面阵成像系统可用于对电弧电晕放电进行实时检测。该研究验证了电弧/电晕的紫外辐射特性,在距离2 m处得到反演后的6 kV电弧的紫外240～280 nm波段的辐照度为3.39×10-5 W·cm-2,为深入开展电弧/电晕的紫外特性研究提供强有力的依据。     

一种空间目标在轨检测图像预处理算法

通过对美国天基可见相机(SBV)在轨检测算法(Moving target indicator,MTI)算法进行改进,使其更加快速有效地检测出淹没在噪声杂波中的目标条纹.MTI改进算法使用了一种新的二维图像检测预处理算法一一依概率加窗检测算法.依概率加窗检测算依据同一大小检测窗口内,目标所在检测窗内出现的非零点比纯噪声检测窗内多的特性,通过检测窗门限滤波,在可能剔除部分目标点的同时,极大地抑制噪声.接着使用三点共线条纹检测算法,剔除可疑目标条纹,进一步降低虚警概率,提高检测概率.通过算法性能分析可知,MTI改进算法的虚警概率降低15倍,检测概率99%时所需信噪比从6降低为3,并且总体计算量降低6个数量级.MTI改进算法减少计算量的同时,降低虚警概率并提高榆测概率,在工程应用中更有利于算法的实时实现.     

基于小波高频距离像的红外小目标检测

针对远距离复杂背景下红外小目标检测问题,本文提出了一种基于小波高频距离像的方法。该方法首先将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的抑制结果。在此基础上,利用恒虚警率算法将单帧背景抑制图像分割成候选目标、残留背景和噪声像素点。最后,在时间域基于目标运动的相关性,利用管道滤波实现红外小目标的最终检测。仿真实验结果表明,相对于经典算法,本文方法可以实现对红外复杂背景的有效抑制,增强目标信号的强度,准确稳定的从红外复杂背景中检测出小目标。     

基于新型阈值选择方法的变电站红外图像分割

为增强电气设备红外热图像的视觉效果,对其运行状态进行准确检测,提出了一种新型阈值选择的图像分割方法。该方法首先对原始图像进行傅里叶滤波处理形成自动梯度图形,然后针对每种特定类型的目标图像,拟合具有N个相邻点的线性模型计算斜率差的变化趋势,在斜率差分布谷值中挑选适合不同类型故障区域的最佳阈值,最后通过形态学迭代腐蚀,将目标区域与噪声斑点分开,得到清晰的分割图像。该方法可监测各种类型故障,只需校准参数N和确定分割案例,其余部分自动处理。实验结果显示:该方法对目标区域分割的准确率为82%,误分率为0.0182%。通过使用不同类型的红外热故障图像进行测试对比,验证了所提方法的有效性和通用性。     

高灵敏度电晕放电辐射信号探测方案

为了实现复杂电磁环境下电晕放电辐射信号的探测,从信号特征入手,通过对电晕电流的计算和模拟实验,揭示了电晕放电的时、频域特征。在分析自然环境下噪声频率分布规律的基础上,设计了窄频段探测技术,通过设计特定频段的定向天线、增加高频宽带低噪声放大器、应用数字处理终端等方式,搭建了高灵敏度的微弱信号探测系统,成功探测到自然环境中600m外的电晕放电辐射信号。实验结果充分证明了电晕放电辐射信号的远距离探测的可行性,为电晕放电目标探测提供了重要的技术手段。     

利用海浪噪声自相关实现散射体无源探测

提出了一种利用海浪噪声自相关实现散射体无源探测的新方法.将各接收器记录噪声信号的自相关减去所有接收器记录噪声信号自相关的平均值,得到散射信号的到达结构,然后结合基尔霍夫移位算法实现对散射体的探测.与利用背景噪声互相关提取格林函数从而实现散射体探测的方法不同,自相关无需考虑各个接收器之间的大量数据传输及时间同步问题,这为相距较远的多接收器和移动平台目标探测提供了极大的方便.将所提出的方法应用于实验数据中,最终探测结果与实际测量结果相比差别不大,验证了方法的有效性.     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

Research on the Fastest Detection Method for Weak Trends under Noise Interference

Trend anomaly detection is the practice of comparing and analyzing current and historical data trends to detect real-time abnormalities in online industrial data-streams. It has the advantages of tracking a concept drift automatically and predicting trend changes in the shortest time, making it important both for algorithmic research and industry. However, industrial data streams contain considerable noise that interferes with detecting weak anomalies. In this paper, the fastest detection algorithm “sliding nesting” is adopted. It is based on calculating the data weight in each window by applying variable weights, while maintaining the method of trend-effective integration accumulation. The new algorithm changes the traditional calculation method of the trend anomaly detection score, which calculates the score in a short window. This algorithm, SNWFD–DS, can detect weak trend abnormalities in the presence of noise interference. Compared with other methods, it has significant advantages. An on-site oil drilling data test shows that this method can significantly reduce delays compared with other methods and can improve the detection accuracy of weak trend anomalies under noise interference.     

Wavelet threshold method of resolving noise interference in periodic short-impulse signals chaotic detection

The chaotic oscillator has already been considered as a powerful method to detect weak signals, even weak signals accompanied with noises. However, many examples, analyses and simulations indicate that chaotic oscillator detection system cannot guarantee the immunity to noises (even white noise). In fact the randomness of noises has a serious or even a destructive effect on the detection results in many cases. To solve this problem, we present a new detecting method based on wavelet threshold processing that can detect the chaotic weak signal accompanied with noise. All theoretical analyses and simulation experiments indicate that the new method reduces the noise interferences to detection significantly, thereby making the corresponding chaotic oscillator that detects the weak signals accompanied with noises more stable and reliable.     

电力系统故障的微弱信号检测方法的研究

为了确保电力系统能够安全稳定的运行,实时检测故障中的微弱信号。通过噪声干扰情况下微弱信号的不同变化进行研究,得到了一种微弱信号的DUFFING混沌检测模型。系统发生故障时会产生相应的微弱信号,运用DUFFING混沌振子法分析不同情况下微弱信号的时域波形和相平面轨迹变化规律,并建立数学检测模型,对其幅值进行混沌检测仿真。结果表明,当r=0.8264V,w=1rad/s时将白噪声和微弱正弦信号同时加入后,此时,混沌状态、大尺度周期状态的相平面运行轨迹依然在进行有规律的运行,可以清晰的观察出需要检测的微弱信号。在强噪声存在于系统中时,该方法明显克服了噪声对信号稳定性的干扰,能精确有效检测微弱信号。系统在应对不同工作环境、仪器设备老化等情况时,提高了检测效率,保证系统的稳定运行。     

基于近场聚焦逆波束形成的UUV平台噪声自适应抵消

UUV平台自噪声会对舷侧阵产生干扰，从而影响其探测性能，本文针对平台尾部自噪声源的直达噪声和海面反射噪声，提出了基于近场聚焦逆波束形成的平台噪声自适应抵消方法。文中利用UUV平台设计参数、深度以及运动姿态信息对尾部自噪声传播到舷侧阵的路径建立几何模型，并分析了影响该路径的因素；通过该模型，平台尾部自噪声能够实时自适应地通过聚焦波束形成被估计出来，从而在舷侧阵的接收信号中实现干扰抵消。仿真结果与海试实验数据处理结果表明，该方法能够有效抑制尾部自噪声干扰，显著提高UUV探测弱目标的能力。     

Extracting hidden weak sinusoidal signal with short duration from noisy data: Analytical theory and computational realization

Signal detection is both a fundamental topic of data science and a great challenge for practical engineering. One of the canonical tasks widely investigated is detecting a sinusoidal signal of known frequency ω with time duration T :I(t) = A cos ω t + Γ(t), embedded within a stationary noisy data. The most direct, and also believed to be the most efficient,method is to compute the Fourier spectral power at ω : B = 2 T T0 I(t) ei ω tdt. Whether one can out-perform the linear Fourier approach by any other nonlinear processing has attracted great interests but so far without a consensus. Neither a rigorous analytic theory has been offered. We revisit the problem of weak signal, strong noise, and finite data length T = O(1), and propose a signal detection method based on resonant filtering. While we show that the linear approach of resonant filters yield a same signal detection efficiency in the limit of T →∞, for finite time length T = O(1), our method can improve the signal detection due to the highly nonlinear interactions between various characteristics of a resonant filter in finite time with respect to transient evolution. At the optimal match between the input I(t), the control parameters, and the initial preparation of the filter state, its performance exceeds the above threshold B considerably. Our results are based on a rigorous analysis of Gaussian processes and the conclusions are supported by numerical computations.     

基于S变换的脉冲星辐射脉冲信号检测

为了提高脉冲星辐射脉冲信号的检测速度和在低信噪比下的检测效果, 提出了一种基于S变换的脉冲星辐射脉冲信号检测算法. 文中证明了高斯白噪声S变换域功率谱服从自由度为2的卡方分布, 基于此对累积信号S变换域功率谱进行阈值处理,累加阈值处理后的时频功率谱作为统计量进行检测. 此外阈值处理后的功率谱也可用来测量脉冲星信号的时间延迟. 仿真实验验证了本文算法的有效性,其检测性能优于同类的基于高斯分布模型的检测算法, 同时还可以在一定精度下给出脉冲星信号的时间延迟值. 关键词： 脉冲星 卡方分布 S变换域检测 时延测量     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动，视角旋转强烈，需要实时处理等特点，提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域，删除大量的背景区域，检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强，对图像的旋转畸变具有抵消作用，对异常情况可以恰当处理，且全局初步匹配流程具有可移植性，可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪，配套检测算法具有较好的实时性，满足无人机图像目标检测跟踪实时处理的需要。