基于动态规划的红外弱小目标检测算法的硬件实现

提出基于动态规划的红外弱小目标检测算法的硬件实现方法,分析基于动态规划的能量累加原理,阐述了目标识别的过程,分析图像处理所需要的硬件资源,建立FPAG＋DSP硬件处理平台,验证了算法的实时性和可靠性。文中提出的方法解决了大多数算法无法满足实时性要求的问题,为红外弱小目标的检测提供了一个新的思路。     

基于辅助粒子滤波的机动弱目标 TBD算法

为了解决低信噪比条件下的机动目标检测跟踪问题,研究了辅助粒子滤波与多模粒子滤波（ MMPF）相结合的检测前跟踪（ APF-MMPF）算法。将多模粒子滤波过程中包含目标存在变量及运动模式变量的预测粒子直接用于产生辅助变量,进行辅助粒子滤波过程实现对机动目标的检测跟踪。通过APF-MMPF算法与单纯MMPF算法的仿真结果对比可见,APF-MMPF算法的检测概率高、跟踪误差小,检测跟踪性能优于MMPF算法。由算法机理和仿真结果可见,由于APF-MMPF算法中粒子采样利用了当前量测信息,可有效提高对机动目标的检测跟踪性能。     

生命探测雷达环境动目标的干扰抑制研究

生命探测雷达在实际探测中,由于环境中动目标的存在而对探测系统造成一定的干扰,致使雷达的探测准确性降低。本文搭建了基于双天线的连续波生命探测雷达实验平台,提出了将互相关无偏估计方法应用于生命探测过程中的环境动目标干扰抑制,并进行了实际探测实验,给出了结果。所采信号及处理结果表明该方法适用于生命探测雷达环境中动目标的干扰抑制。     

海底光缆护套层故障监测技术

海底光缆护套层的故障定位是海缆系统维护工作中的难点,介绍了几种海底光缆的故障测量方法,分析了各自的适用范围和优缺点,建议在海缆故障测量中应采用粗测与精测相结合的方法,并提出了一种基于脉冲反射法的粗测方案。     

3D-RABLC：一种基于LQI置信度的三维空间定位求精算法

提出一种基于LQI置信度的三维空间定位求精算法(3D-RABLC)。通过大量节点实验,获得节点间一跳RSSI值与距离的关系、LQI与分组错误率的关系,依此划分LQI置信度,对测得的RSSI值进行过滤,建立三维多跳求精模型或弥补求精方法对置信度低的RSSI值进行修正。节点实验表明,该算法大大降低了RSSI测距误差,比已有三维定位算法具有更好的定位精度。     

雷达与红外数据融合的近距空中目标识别

为了提高传感器目标识别性能和近距空中目标识别准确性,结合雷达和红外传感器提出了一种目标融合识别模型：对于雷达传感器,提出基于参数学习贝叶斯网络的目标识别方法,首先采用EM算法对贝叶斯网络进行参数优化,然后根据获取的目标属性信息进行目标分类;对于红外成像传感器,采用基于小波矩特征的目标识别方法,首先对目标图像进行小波矩特征提取和选择,然后通过建立的BP神经网络分类器进行目标分类;最后通过D S证据组合法则对两部分识别结果进行融合处理,实现了基于雷达和红外数据融合的近距目标识别。仿真结果表明：和单传感器相比,所提出的模型可以更加精确地进行目标识别。     

基于CCD视觉的螺纹参数自动检测技术研究

为实时准确地对螺纹的牙型角(牙型半角)、螺距、导程、螺纹高度、大径、小径、中径、螺纹升角等参数进行测量,并提高测量精度,设计并实现了基于面阵CCD的螺纹参数非接触测量系统.着重研究了该系统的光学成像、螺纹图像预处理、边缘检测、亚像素提取以及摄像机标定等内容,研制了相应的测试分析软件,进行了相应的实验研究.研究结果表明,该系统测量速度快、测试精度高、重复性好.     

GPNet:轻量型红外图像目标检测算法

针对资源受限的红外成像系统准确、实时检测目标的需求,提出了一种轻量型的红外图像目标检测算法GPNet。采用GhostNet优化特征提取网络,使用改进的PANet进行特征融合,利用深度可分离卷积替换特定位置的普通3×3卷积,可以更好地提取多尺度特征并减少参数量。公共数据集上的实验表明,本文算法与YOLOv4、YOLOv5-m相比,参数量分别降低了81%和42%;与YOLOX-m相比,平均精度均值提高了2.5%,参数量降低了51%;参数量为12.3 M,检测时间为14 ms,实现了检测准确性和参数量的平衡。     

海面太阳耀光背景下的偏振探测技术

为了实时抑制太阳耀光对海面目标探测的影响,基于偏振光学理论,设计并构建了一套偏振自适应滤波探测系统。本文介绍了偏振探测系统的功能和组成、偏振探测及背景抑制原理,并给出了该系统的光学设计结果;利用自适应偏振滤波探测系统,通过搭载望远镜跟踪试验平台,针对海上典型目标,开展了相关的偏振验证实验。实验结果表明:海面太阳耀光存在比较明显的偏振特性,采用常规探测手段,探测器极易出现饱和,而利用偏振探测技术则能够有效抑制太阳耀光的影响,进而实现目标的有效探测。     

使用交互多模型算法的高速高机动目标跟踪

对机动目标进行跟踪一直是甚具挑战性的问题,特别是跟踪高速高机动目标在理论上和实践上都有较高的技术难度。现有各种算法在这个问题上均有各自的缺点和不足。该文在现有的运动机动模型和IMM算法的基础上,提出了使用多种机动模型交互的IMM算法进行高速高机动目标跟踪。不同机动模型之间的互补使这种算法克服了使用单一模型的一些问题。使用“当前”统计模型、二级滤波模型和CV模型进行交互是一种可行的高速高机动目标跟踪方案。为验证算法的有效性,进行了Monte Carlo仿真。仿真结果表明,该算法在性能和计算复杂度之间取得了较好的平衡,有很好的可实现性。