基于阵元域数据的联合检测与跟踪算法

为了提高对弱目标的检测与跟踪能力,采用一种基于阵元域数据驱动的联合检测与跟踪算法。在假定多目标信号互不相关,且目标个数已知的条件下,采用最大后验(MAP)方法从阵元域数据中直接估计目标的状态。与传统的检测跟踪算法不同,该算法在目标方位信息的基础上,增加能量信息,用于目标跟踪从而提高跟踪能力,同时又通过跟踪目标轨迹的预测以提高检测能力。仿真结果显示,该算法可提高对弱目标的检测能力和跟踪能力,解决传统的跟踪算法对于交叉目标的错跟与失跟问题,在目标非快速机动的情况下得到很好的检测跟踪结果。海试结果显示该算法具有重要的实际工程应用价值。     

利用分频带空间谱和波束域的输出直流跳变与起伏比值融合检测未知线谱目标

目标辐射噪声中高强度稳定线谱可以用来提高常规宽带能量积分的检测性能。理论分析了已知线谱检测优于宽带能量积分检测的谱级比条件。给出了线谱频带可检测条件下,线谱谱级与最小可检测信噪比关系。分析分频带空间谱和波束域的输出直流跳变与起伏比值特征。在此基础上提出了一种构造频率、方位滤波矩阵的方法。该矩阵作用类似频带方位滤波器,通过对线谱频带目标方位的信号放大,与其他频带判决结果融合,来提高常规宽带能量积分的性能。最后给出该算法适用条件和性能分析。数据仿真和海试数据处理结果可知,该算法在多干扰源存在下对弱线谱目标提取能力强,且不需多帧统计,在检测效果上更接近于理想的窄带线谱检测方法。      

采用条件波数谱密度函数的宽带高分辨方位谱估计算法

针对宽带高分辨方位估计存在方位估计偏差大、算法复杂度高等问题,提出了一种基于条件波数谱密度(Conditional Wavenumber Spectral Density based,CWSD-based)的宽带高分辨方位谱估计算法.该算法利用条件波数谱密度将阵列信号转换到频率-波数空间,宽带信号能量在该空间的坐标呈现与入射角相关的线性分布,通过借鉴直线检测原理,实现邻近目标的高分辨方位估计,且无需预估角度和信源数等信息。仿真结果表明,该算法理论分辨率与处理最高频率成反比,估计均方误差约为0.1°,对阵形畸变鲁棒,运算效率高。海上试验数据表明,本文方法在方位分辨率、弱目标检测、非目标向噪声抑制、稳健性等方面都优于宽带常规波束形成和最小方差无畸变算法,在实际海洋中可实现超低旁瓣高分辨波达方向估计。      

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。      

应用半正定规划的目标方位超分辨方法

针对水下目标方位超分辨估计问题,提出了一种基于半正定规划(Sdp)的常规波束(CBF)方位超分辨算法(SdpCBF).Sdp-CBF算法基于常规波束形成获得多目标方位谱数据,利用阵列响应矩阵和半正定规划技术,精确估计目标数量和波达角方向.该算法的本质是利用阵列特性和信号能量信息获得超分辨方位估计,不用进行子空间分解,通过卷积反演的方式将阵列孔径的有限效应消除,在L₂范数约束条件下重构空间谱.仿真表明,Sdp-CBF算法具有较强的噪声抑制能力,对非相干和相干信号均具有目标方位超分辨能力,在低信噪比环境下的方位分辨性能超过多重信号分类(MUSIC)等经典高分辨算法。对消声水池以及湖上实验数据的处理结果显示,Sdp-CBF算法在复杂环境中对相干信号及微弱信号具有较强的分辨能力。      

小波能量积累器在信号处理中的应用

 根据小波变换的多尺度分解特性,提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累。在此基础上设计出一种适用于各种雷达,尤其是微波雷达弱信号处理的小波能量检测算法,对低信噪比信号检测进行了仿真实验。结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效。     

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

水下运动声源的方位方差检测方法

为了提高对水下运动目标的检测能力,利用水下目标辐射信号与海洋环境噪声在空间分布特性上的差异,提出了一种方位方差检测方法。该方法采用时延估计法估计目标方位,对方位求方差以获得检验统计量。采用奈曼-皮尔逊准则,推导了该方法的检测概率关系式,得出了检测性能与信噪比关系曲线,并与宽带能量检测方法进行了比较,表明该方法的性能远优于宽带能量检测方法。理论分析和海上试验结果都验证了该方法的有效性。     

矢量水听器垂直阵列数据融合高分辨方位估计算法

为了实现矢量水听器垂直阵列对目标的高分辨方位估计,提出了基于MUSIC子频带最优加权数据融合方法。该方法采用MUSIC算法对划分的各窄带信号进行方位估计,并在各子频带对多基元方位估计结果进行最优加权最小二乘融合处理,最后通过加权直方图统计法得到最终方位估计结果。对算法进行的仿真及海上试验数据处理结果表明:本文算法在方位估计精度、方位估计正确概率、多目标分辨以及对噪声子频带的抑制能力方面都优于单个基元MUSIC以及多基元复声强器融合算法。      

单矢量水听器稀疏近似最小方差方位估计算法

针对单矢量水听器海上目标探测问题,利用稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法进行目标方位估计,该算法利用单矢量水听器自身具有阵列流形的特点,将整个扫描空间离散化,目标方位分布于某一离散方向位置上,利用空间信号的稀疏性可提高目标方位估计性能。仿真结果表明,SAMV算法在各信噪比条件下方位估计噪声背景级明显优于常规波束形成(Conventional Beam Forming,CBF)算法和最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法,当信噪比大于0dB时,该算法测向结果均方根误差小于2°,且SAMV算法具有更好的空间方位分辨能力。消声水池和海上声学浮标海上试验数据处理结果表明,SAMV算法给出了噪声背景级更低的目标方位历程图,有效验证了SAMV算法对海上目标的探测性能及其有效性。      

结合卷积神经网络的浅海有源探测信道匹配

信道匹配方法在有源探测领域是一种重要的提升检测信噪比的方法。针对非确知海底参数环境下的有源探测信道匹配问题,提出一种结合卷积神经网络进行信道匹配的算法。该算法基于海底参数扰动开展声场仿真生成卷积网络训练数据;首先通过分类网络将信号按照海底底质类型分类,在每个分类区间内采用单独的卷积网络反演海底参数;然后结合声场模型估计信道传递函数,进行信道匹配,从而在非确知环境下抑制多途影响,提升回波检测能力。仿真与实验结果表明,该算法能够在不确知海底环境条件下,有效估计信道传递函数,实现信道最优化匹配,在实验条件下可提高回波检测信噪比4 dB左右。相比传统方法,该算法可以在海底参数不确知条件下对低接收信噪比的信号实现信道匹配,同时不需要高信噪比的实验参考信号,有效提高了信道匹配方法的环境宽容性。      

一种基于数字图像的多目标检测方法

为使武器系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击。研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标。经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果。     

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复杂背景下低信噪比的红外弱小目标图像能够得到较理想的结果,并且目标检测概率高,速度快,虚警率低.     

联合多站阵元域数据的水下目标检测与跟踪

为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。      

基于音视频信息融合的目标检测与跟踪算法

针对单一视觉跟踪算法易受遮挡影响的缺陷,提出一种基于音视频信息融合的目标检测与跟踪算法。整个算法框架包括视频检测与跟踪、声源定位、音视频信息融合跟踪3个模块。视频检测与跟踪模块采用YOLOv5m算法作为视觉检测的框架,使用无迹卡尔曼滤波和匈牙利算法实现多目标的跟踪与匹配;声源定位模块采用十字型麦克风阵列获取音频信息,结合各麦克风接收信号的时延计算声源方位;音视频信息融合跟踪模块构建音视频似然函数和音视频重要性采样函数,采用重要性粒子滤波作为音视频融合跟踪的算法,实现对目标的跟踪。在室内复杂环境下对算法性能进行测试,结果表明该算法跟踪准确率达到90.68%,相较于单一模态算法具有更好的性能。     

基于光流直方图的云背景下低帧频小目标探测方法

对低帧频、云层背景下,低信噪比的弱点目标探测率降低的问题.提出了光流直方图(OFH)的定义.并且给出了OFH的性质.分析了低帧频下红外图像探测弱点目标时探测率降低的原凶,提出了一种基于OFH背景补偿的红外点目标探测算法.利用OFH得到背景的运动欠量.进行运动背景补偿;然后利用目标与云层运动差异性,得到帧间比较结果,并对比较结果通过Robinson滤波器进一步滤除残留的边缘,达到降低虚警的目的.实验结果表明,该算法中以显著提高往复杂背景下红外点目标检测概率,并凡能够探测出信噪比为1的目标.     

水下连续波有源探测的回波检测算法

研究线性调频连续波在水下探测中的信号模型、回波信号的检测和目标参数估计方法,通过分析回波信号与发射信号间的差拍信号,提出差拍-分数阶傅里叶变换结构的处理算法。为了减少分数阶傅里叶变换二维搜索时的计算量,首先使用Radon-Ambiguity变换估计差拍信号的调频斜率,再做相应阶次的分数阶傅里叶变换。数值仿真说明提出的算法能够有效消除线性调频连续波的距离-速度耦合现象,准确估计目标参数。通过湖上试验比较线性调频脉冲信号和线性调频连续波的处理增益,提出的算法处理的连续波比匹配滤波方法处理的脉冲信号处理增益大13 dB。研究结果表明该算法在连续波水下探测中可行有效,不仅能够准确估计目标参数,还具有良好的检测性能。      

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

基于改进遗传算法优化的形态学修正TOP-HAT滤波器设计方法

针对红外序列图像中运动弱小点目标的检测问题,设计了一种基于改进遗传算法优化的修正Top-Hat形态学滤波器算子。其中,优化的修正Top-Hat形态学滤波器可以很好地抑制背景和噪声的影响;改进遗传算法采用新的区间离散化编码和自适应的主次式交叉与变异算子,通过优化搜索全局空间得到的形态学滤波器参量具有较好的滤波性及时效性。并且针对不同信噪比的点目标检测建立了自适应门限。实测数据的处理结果表明:在虚警概率小于5%情况下,优化的修正Top-Hat形态学滤波器算子对信噪比约为2的复杂图像检测概率大于等于70%,与固定结构元素的Top-Hat形态学滤波器相比检测概率提高了近10%,与用经典遗传算法训练的传统Top-Hat形态学滤波器相比检测概率提高了4%。     

Prediction of the performance of an algorithm for the detection of small targets in infrared images

Detection of small targets in infrared (IR) images is important in IR image processing. For the prediction of performance of a detection algorithm, it is necessary to calculate the probability of detection and probability of false alarm. A method is developed to calculate the probabilities in this paper. The detection is divided into two parts: the first part, which is called pre-detection, is to find out candidates for targets in a single frame of an image; and the second part is to localize the target in multiple frames of the image. Under some assumptions, the pre-detection probability, the false detection probability of single frame, detection probability and false alarm probability are derived. The algorithm for the detection of small target in IR image, which is used for the derivation of the probabilities, is contrast threshold detection based on background prediction, and a pipeline filter is used for multiframe image processing. The results show the relationship of the probabilities to the contrast of target to background, SNR, and contrast threshold.