一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

基于高阶累积量的目标机动检测新方法

机动检测是多模型目标跟踪中的一个关键问题.在卡尔曼滤波中,当目标机动被噪声淹没时,传统的机动检测算法将失效,多分辨方法虽然能够有效地抑制噪声,可靠检测机动,但由于计算复杂导致严重的检测延迟,从而限制了它的应用.本文提出一种基于三阶累积量的机动检测新算法,它有效地克服了上述二者的缺陷.由于高阶累积量能够抑制高斯噪声,因此在三阶累积量域易于检测机动.同时通过采用逐点更新法,可实时进行机动检测.仿真结果表明,该算法优于传统算法和多分辨方法,特别是在低信噪比的情况下.     

基于模糊粗糙集的新闻视频镜头边界检测方法

镜头边界检测是实现基于内容的视频检索的一个重要步骤.为了将视频分割成镜头,现有的方法大都是首先提取大量的特征然后构造相异性测度函数.然而,太多的特征就会降低算法的效率.因此,有必要对镜头边界检测的规则进行特征约简.本文将粗糙集中的属性重要性和模糊粗糙集中的分类精度相结合定义了模糊粗糙算子,并构造了相异度检测函数.最后给出了镜头边界检测的一般性规则.由于本文检测方案的自适应性,因此适合于各种类型的新闻视频.用来自中央电视台的3个多小时的新闻视频所做的镜头边界检测实验获得了95.4%的查全率和96.1%的准确率.     

一种基于循环自相关分析的雷达编队目标架次估计

在研究编队目标回波多普勒频率变化的基础上,提出一种基于循环自相关分析的编队目标架次估计新方法.该方法利用编队目标回波可近似看作多个频率相近、幅度恒定、调频系数相等的LFM信号叠加的特点,采用循环自相关估计回波信号的调频系数,再利用分数阶傅立叶变换对编队目标架次进行估计.该方法计算简单,易于工程实现,相对Fourier变换和WVD具有较高的分辨能力.实测数据实验表明了方法的有效性,实现了较短数据长度下的雷达编队目标架次的有效估计.     

一种改进的扩频BPSK信号载频检测估计方法

检测与估计扩频信号的载波频率是截获扩频通信的重要手段,在分析直扩 BPSK 信号特点和传统平方载波检测方法的基础上,根据对称相关变换的性质,提出了一种改进的基于对称相关变换的平方载波检测扩频信号检测与参数估计方法.通过平方检测器,信号在载波的倍频处产生离散线谱,检测离散线谱可实现扩频信号的检测与载波估计.为了提高算法的检测性能,通过对称变换,进一步抑制噪声,有效地改善了输出信噪比,实现了低信噪比下直扩信号的检测.仿真结果验证了所提出方法的有效性.     

基于高斯粒子JPDA滤波的多目标跟踪算法

在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。     

稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为：同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。     

基于稳定分布噪声稀疏性及最优匹配的跳频信号参数估计

目前基于压缩感知的跳频信号参数估计方法大多是在高斯背景噪声下进行的研究,而在非高斯稳定分布脉冲噪声环境下,已有基于高斯噪声数学模型设计的算法性能下降。针对上述问题,该文分析了稳定分布噪声的大幅值脉冲满足近似稀疏性条件,利用跳频信号与噪声之间的时域特征差异将信噪分离,实现噪声抑制。并在压缩感知框架下,建立与跳频信号特点相匹配的3参数字典,采用最优匹配(Optimal Match, OM)方法对跳频信号自适应分解,获取匹配原子,基于这些时频原子包含的信息估计跳频信号的参数。仿真验证表明,在稳定分布噪声中,与常规的跳频信号估计方法相比,该文提出的先利用噪声稀疏性去噪,再采用最优匹配提取跳频信号参数的方法(Sparsity-OM, SOM),能够较好地抑制脉冲噪声,获得准确的参数信息,具有良好的鲁棒特性。