基于卷积神经网络的末敏弹复合探测信号识别方法北大核心CSCD

为了进一步提升末敏弹的目标识别性能,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的复合探测信号识别方法。首先针对毫米波辐射计、激光测距雷达和红外敏感器的复合探测信号特点,提出了3种构造输入样本的方法;然后根据不同的信息融合方式,提出了3种基本网络架构,分别构建了单通道、多通道CNN模型对输入信号进行特征提取和分类;最后通过高塔试验数据对模型进行训练和评估。测试结果表明,基于样本构造方案2和网络结构3的识别方法表现最佳,测试准确率达到了97.26%,所提样本构造方法和识别方法能够有效提取复合探测信号的特征,具有较高的识别精度。     

一种弹载线阵激光雷达距离像噪声的抑制算法

为了得到更加可靠的激光雷达距离像,充分考虑弹载激光雷达的特殊工况,提出一种基于扫描路径线的距离反常噪声抑制算法。首先,采用线形滤波窗口对原始距离像每一个像素进行距离反常多次判定,分别对当前像素是否为中值、与中值的差值是否大于阈值以及当前像素的绝对变化幅值进行分析;然后,在判定为距离反常值之后,在滤波窗口内进行二次中值滤波,前后相比较之后做出决断。实验结果表明:在RMES(均方根误差)的判定条件下,此算法在不同高度、不同坡形、不同角度的多组数据情况下,对距离像的距离反常噪声抑制效果,都要明显优于传统滤波窗口为3×3和5×5的中值滤波;并且算法处理速度较快,能够满足初步的应用需求。     

边缘区域约束的导向滤波深度像超分辨率重建算法

为了解决TOF(Time of Flight)相机获取的深度像分辨率较低的问题，基于导向滤波器提出了一种边缘区域约束的超分辨率重建算法。首先对低分辨深度像进行初始上采样，利用多尺度边缘检测提取深度像的边缘区域；然后根据同场景中灰度图像与深度像的边缘相似性，提取公共边缘区域；最后，根据灰度图像的边缘像素在公共边缘区域中的位置约束导向滤波器的系数生成，重新对导向滤波器的系数进行加权，从而构建出高分辨率的深度图。通过标准数据库Middlebury数据集进行验证，与3种近年来基于滤波的超分辨重建算法相比较，文中方法既能有效地保护重建深度像的边缘结构，同时具有较高的计算效率。研究结果可以为低分辨激光成像雷达的目标识别、场景重建等对实时性要求较高的工程应用提供理论依据。     

用于弹载线阵激光雷达的卷积神经网络目标识别

为了提高末敏弹在复杂背景条件下对装甲目标的识别能力,将线阵激光雷达作为探测器,结合卷积神经网络对线阵激光雷达距离像进行目标分类与识别.利用末敏弹边旋转边下降的运动特点,实现对扫描区域的距离成像,并通过采样率控制及插值等算法将原始距离像构造成适用于卷积神经网络的灰度像.针对弹载高实时性、小体积和低功耗的要求,建立了由两层卷积层和一层全链接层构成的浅层卷积网络,选用Xilinx ZYNQSoC芯片作为硬件平台,通过基于HLS技术和SDSoC开发环境将卷积操作放在端进行硬件并行加速.缩比模拟试验结果验证了该方法具有较高的目标识别精度,对复杂背景下的装甲目标也能有效识别.ZYNQSoC的PL硬件相较于普通CPU方案,加速性能提升了5倍,能够满足弹载的要求.     

基于多模复合探测方法的无人艇目标识别研究

随着水面无人艇技术的不断发展和应用,其对于舰船的威胁程度也日益加剧。以末敏弹打击水面无人艇为背景,为了提升多元激光/红外/毫米波探测器对水面小型目标的识别性能,提出了一种基于多通道卷积神经网络(Multi Channel Convolutional Neural Network,MCCNN)和极端梯度提升决策树(Extreme Gradient Boosting,XGBoost)的复合探测信号识别方法MCCNN XGB,同时构建了单通道CNN识别网络与基于人工特征提取的XGBoost识别算法作为对照,最终通过水面目标无人机载探测试验数据对上述三种模型的目标识别性能进行评估与对比。测试结果表明,基于MCCNN XGB的识别算法表现最佳,测试准确率达到了97.26。本文所提出的识别方法能够有效进行复合探测信号的特征提取,并且能够降低误识别率与漏识别率,具有较好的识别效果。     

末敏弹线阵激光雷达对地面装甲目标的提取方法

为了提高末敏弹在复杂战场环境下对地面装甲目标的识别概率,提出了一种用于弹载线阵激光成像雷达的目标提取方法,结合末敏弹边旋转边下降的稳态运动特点,实现了线阵列激光雷达对扫描区域的三维点云成像。首先通过对点云中高度数据分析,提出了基于高度与梯度的组合阈值分割算法,实现了地面背景的快速分割;然后利用坐标变换,对有坡度的地面进行调整,并通过典型装甲目标的几何尺寸自动获取种子点进行区域增长分割;最后利用最小外接矩形特征获取目标的几何信息,由目标的几何特征实现装甲目标的提取。仿真结果表明:此方法可以实现线阵列激光雷达在50~120 m高度下对地面装甲目标的准确提取,从而为新型末敏弹目标探测提供技术支撑。     

高旋掠飞弹载激光雷达对地面装甲目标的分割与识别

为了完成搭载单元激光雷达的高旋掠飞弹药对地面装甲目标的提取与识别,充分考虑高旋掠飞弹药的稳态扫描过程,提出了一种用于弹载单元激光雷达一维距离像的目标分割与识别方法.首先通过基于梯度的自动生长阈值分割算法对一维点云数据进行预分割,并获取初始聚类数与聚类中心;接着基于改进的kmeans算法对分割结果进行调整,实现对装甲目标...     

末敏弹线阵列激光雷达的距离像分割方法

为了增强末敏弹在不同场景下对地面装甲目标的探测识别性能,充分考虑末敏弹弹载线阵激光雷达的应用背景,提出了综合交叉扫描线法和梯度连通域的地物距离像点云分割算法,用以提高对地面和目标的分割效果。首先,将激光雷达扫描得到的原始距离信息转换为距离水平地面高度值,通过交叉扫描线法将空间斜面转化至水平面,增强不同地形上的适应性;然后,采用地面点云连通域算法提取地面点云和形态学梯度阈值法分割得到目标点云;最后计算了地物分割效果的几何相似度。实验结果表明:该算法对于正斜坡、侧斜坡等多种地形都有较好的适用性,在不同高度、地形、坡度都能够准确、有效地分割地物点云,进而提高末敏弹对装甲目标的识别性能。