基于MapReduce的合成孔径雷达后向投影快速成像方法

针对雷达大场景高分辨率高精度快速成像的应用需求,提出一种基于MapReduce的合成孔径雷达后向投影快速成像方法,将方位向成像任务划分成若干个成像单元,进行分布式并行化方位向成像计算,最后将所有成像单元的计算结果进行相参累加。该方法对每个脉冲数据标上天线阵元的位置信息,使得各个脉冲数据可以并行补偿相位;采用相等脉冲数划分成一个数据块的方式提高计算效率和实现负载均衡;设置Combiner函数对成像单元内的计算结果进行提前聚合,解决后期聚合时间较长的问题。实验验证了该方法的有效性,在保证成像准确的前提下,该方法的方位向成像在4台物理计算机搭建的分布式计算平台中进行,其计算速度是单机计算的后向投影方位向成像方法的3.7倍,可见该方法可以实现合成孔径雷达大场景高分辨率高精度快速成像。     

面向像素的并行快速后向投影算法

针对后向投影算法运算量大和实时性差的问题,该文在图形处理器的并行处理架构下,结合时域快速后向投影算法,提出了面向像素的并行快速后向投影算法。该方法距离向根据分辨率要求进行划分并分配并行线程,方位向聚焦则通过多级子孔径合并与图像分裂技术来降低运算量。通过比较该文算法、全局后向投影算法和距离多普勒算法的理论计算量、成像时间和加速比可以看出,该文算法的运算速度比后向投影算法大大提高。三种算法针对实测数据成像时间与成像效果的对比验证了该文算法的有效性和工程实用价值。     

基于北斗GEO卫星信号的目标成像研究

利用北斗导航卫星信号进行目标成像目前还处于研究和探索阶段,文章为此针对北斗卫星B1和B3频段信号的特点设计了利用北斗地球静止轨道(Geostationary Earth Orbit,GEO)卫星进行目标成像的算法,并进行了基于点目标成像的仿真实验,实验比较了B1和B3信号的目标成像效果。仿真实验结果表明能够利用北斗B1和B3信号进行目标成像,而且B3信号的成像分辨率优于B1信号。最后通过现场实验对直达和反射信号进行了研究,验证了利用北斗GEO卫星B3信号对目标进行探测和分辨的可行性。     

消除激光水下目标探测中后向散射的方法研究

为了消除激光水下目标探测中后向散射包络，压缩接收信号的动态范围，对后向散射的特性进行了分析和模拟，证明了光电倍增管增益控制方法自适应实现的必要性，并就其物理实现作了探讨。     

超宽带SAR成像的快速BP算法

在后向投影（BP）算法的基础上,提出了一种快速后向投影（FBP）算法。以点目标和多点目标为例,将该算法应用于超宽带合成孔径雷达成像并与原始（BP）成像算法进行比较,仿真结果证明了该算法的快速性和有效性。     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

求解凸优化向前向后分裂算法的一个变形

求解凸优化向前向后分裂算法的一个变形：在第k次迭代中,利用第k和k-1步的信息,来确定下一个迭代点．并在较弱的条件下证明了它的收敛性,初步的数值结果表明了它的有效性．     

基于非递归迭代投影的实时深空目标检测算法

针对深空目标信噪比低、干扰多、传统方法无法检测准确性低的问题,提出一种基于非递归迭代投影的快速实时深空目标检测算法.该算法采用由粗到细的检测流程,首先根据图像特征自适应确定迭代投影次数提取所有疑似目标,然后通过邻域判决对目标进行轨迹关联剔除虚假目标,从而实现目标的准确检测.此外,为了提高算法的实时性,针对FPGA并行流水的特点,利用非递归编程架构对算法进行优化,提高了算法的并行度和运行效率.在SOPC硬件平台上的实验表明,该算法能够准确实时检测深空目标,对悬浮实验的圆满成功起到了决定的作用.      

激光目标温度场与后向散射系数的关系

目标的表面温度场是影响其激光散射特性的重要物理量,对于表面起伏比较平缓的粗糙面,该文运用基尔霍夫驻留相位法从实验和理论两方面讨论了粗糙表面的温度场对后向散射系数与入射角之间关系的影响,其结论对激光探测、激光隐身等的研究有重要的参考意义。     

基于改进模板匹配算法的靶标图像检测

针对现代靶场所面临的测量目标小、距离远、目标与背景对比度低的实际问题,提出了一种基于数字图像处理的靶标检测方法。该方法对传统的模板匹配方法进行了改进,能够在靶场测试仪器捕获的图像中,精确并快速地定位靶标十字的中心,从而实现武器装备动态、静态性能测试。     

基于YOLO改进算法的远程塔台运动目标检测

远程塔台由于其低成本高时效远程实时控制技术正越来越受到民航业界的青睐,其中运动目标自动检测和显示是远程塔台的核心技术,作为增强现实技术更好地为管制员提供服务。本文在分析了远程塔台机场场面背景复杂、场面目标多为远场景、小目标等特点基础上,提出了一种改进的YOLO算法来实现远程塔台运动目标的检测,算法核心思想以Darknet-53为基础网络,多尺度预测边界框,以运动目标图像坐标（x,y）的偏移量作为边框长宽的线性变换来实现边框的回归,改善了传统YOLO算法损失函数不同大小的边框未做区分的问题,提高了检测准确性和速度。机场真实数据实验表明,该算法能快速、准确的检测出远程塔台的运动目标,并准确的回归运动目标边框及分类。     

基于改进YOLOv5算法的复杂场景交通目标检测

实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高,以及大多数轻量化目标检测算法模型精度较低,容易误检、漏检目标的问题,本文通过改进YOLOv5目标检测算法来进行模型训练,再使用伪标签策略对训练过程进行优化,然后在KITTI交通目标数据集上将标签合并为3类,对训练出的模型进行测试.实验结果表明,改进的YOLOv5最终模型在该所有类别上的mAP达到了92.5％,对比原YOLOv5训练的模型提高了3％.最后将训练的模型部署到Jetson Nano嵌入式平台上进行推理测试,并通过TensorRT加速推理,测得平均每帧图像的推理时间为77ms,可以实现实时检测的目标.     

点目标检测中旋转均值滤波的改进算法研究

通过分析不同的高通滤波算法特点,充分考虑包含点目标图像的空间结构信息,对旋转均值滤波算法进行改进,提出了一种新的滤波方案。仿真结果表明所提出的新的算法可行,并较其他两种方法效果要好。     

地下水作为锅炉用水情况浅析

通过对山西省不同地区地下水采样分析,总结了地下水作为锅炉用水的指标特点,为锅炉用水提供了借鉴。     

基于改进单步多框目标检测的道路小目标检测算法

针对SSD目标检测算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,本文提出一种改进的SSD目标检测算法。本算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;然后在主干网络后加入4次U型特征提取结构,构建4个不同层级的特征金字塔,最后合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到了每秒27.9帧。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。     

改进ViBe的井下视频图像检测算法

针对矿井下视频图像检测问题,提出一种改进ViBe的矸石检测算法。首先,划定ROI区域并进行图像转换和图像平滑, 降低计算量及环境噪声影响。然后从改进背景建模初始化方法和自适应阈值2个方面解决原始ViBe算法存在的“鬼影”问题 和背景扰动导致的检测效果欠佳问题。最后,计算检测到矸石的相对面积并与警戒值比较,判断画面中是否存在大块矸石。 实验证明,所提出的算法能够满足实时性,同时准确检测视频图像中出现的大块矸石,识别率达96.06%。     

改进Camshift算法的DSP硬件实现目标跟踪方法

针对Camshift算法只对前一帧预测而导致的目标像素脱靶现象,以及目标像素在帧间位移较大的问题,本文提出一种改进Camshift算法的目标跟踪方法.该算法将加权背景直方图和贪心算法融入Camshift算法,利用贪心算法对前两帧图像信息进行处理,预测出目标在当前帧图像中的位置,再根据目标颜色概率,用Camshift算法找到目标的真实位置,最后在TMS320DM642(数字媒体应用的定点DSP)上对该文算法进行硬件系统的实现,并使用EDMA(增强型直接内存访问)方式和Cache技术对系统进行优化.实验结果表明,与传统Camshift算法相比,该文方法在背景与目标相近的情况下跟踪效果更佳,具有很好的鲁棒性和稳定性,适用于复杂环境下的目标跟踪.在系统实现上,优化后的系统平均帧率提升在3帧/s以上,增强了算法的速度.     

改进的YOLOv4肺结节检测算法

针对目标检测YOLOv4算法在肺结节检测中存在的小目标漏检和肺结节位置失真等问题,设计了一种改进的YOLOv4肺结节检测算法.在原始YOLOv4网络的基础上,将特征融合网络的上采样过程替换为双线性插值法,并采用张量堆叠的方法使顶层的语义信息与底层的位置信息形成更高通道的特征张量.实验结果表明,与原始的YOLOv4算法相比,改进的YOLOv4算法在公开数据集LUAN16上的平均精确度与预测速度分别提高了4.54%和28.1%,可视化结节位置表达更精准.     

基于改进YOLOv3的合成孔径雷达影像舰船目标检测

为了提高合成孔径雷达(synthetic aperture radar,SAR)影像舰船目标的召回率和准确率,降低漏检率,通过以YOLOv3(you olny look once)为检测框架,对锚点框(anchor boxes)生成机制进行改进,提出了利用K-median++生成anchors的聚类算法.结果表明不当的...