低信噪比下基于YOLOv3的昆虫目标检测

掌握昆虫迁飞规律对于农业防治和生态学研究具有重大意义,雷达正是检测昆虫迁飞最有效的手段.昆虫回波弱,传统的恒虚警检测(Constant False Alarm Rate,CFAR)算法在低信噪比(Signal To Noise Ratio,SNR)时的检测性能下降;同时昆虫目标体积小、飞行速度慢,在距离维和多普勒维的扩...     

基于新型扫描昆虫雷达的迁飞昆虫目标检测及密度反演

我国是全球最重要的动物迁飞场,水稻、小麦、玉米等作物重大害虫在我国远距离迁飞,严重威胁我国粮食生产安全。由于昆虫迁飞多发生在夜间,雷达的全天候、全天时探测特点使其成为昆虫迁飞监测最有效的手段。扫描昆虫雷达是昆虫迁飞监测的典型体制,可获取扫描空域内迁飞昆虫数量分布、密度等。但传统扫描昆虫雷达采用两维机械扫描,扫描空域非连续,且数据率低、分辨率低,难以实现迁飞虫量与分布的准确探测。本文提出一种新型迁飞昆虫扫描雷达,采用俯仰电扫、方位机扫的高分辨相控阵体制,可对大范围空域（方位0°~360°、俯仰5°~85°）进行快速扫描,获取迁飞昆虫精细的数量分布与密度。其中,数量分布主要面临低仰角强杂波下的弱小昆虫目标检测问题;密度主要面临相控阵俯仰波位捷变下等效雷达扫描体积计算问题。为此,本文进一步提出了基于静态杂波图的自适应变参VI-CFAR检测算法与基于雷达扫描体积微元化的密度反演算法,并通过仿真与实测数据验证了方法的有效性。目前,该系统已布设于山东省东营市现代化农业示范基地开展业务运行,可获取夜间迁飞昆虫的空间精细分布与密度,成功观测到迁飞昆虫的高度成层等科学现象,可为昆虫迁飞空间结构机理分析提供关键支撑。      

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

基于最小熵的机动目标雷达检测

机动目标速度的不稳定会导致雷达回波产生时变的多普勒调制,即多普勒频率徙动（Doppler frequency migration, DFM）。在相参积累过程中,这将造成信号在多普勒维上散焦,积累增益降低,目标难以被检测。当前针对DFM的补偿研究大多集中于含有二阶速度分量的匀加速目标,对于含有三阶以及更高阶运动的补偿算法还需进一步完善。本文以最小熵为代价函数,利用迭代寻优的方式,提出了一种通用的高阶运动补偿算法。该算法通过仿真以及实测数据验证,被证明能够高效准确地估计出机动目标的高阶运动分量,从而有效补偿DFM引发的散焦问题,提高积累增益,完成机动目标的相参积累检测。      

机器人自适应主动同时定位与建图新方法

针对多机器人的定位与建图受到即时定位与地图构建(SLAM)研究方法和技术不成熟的制约问题,提出一种基于扩展卡尔曼滤波(EKF)的自适应同时定位与建图方法。首先,基于EKF估计方法,将SLAM中机器人运动方式的选取问题转化为一个多目标最优控制问题,机器人选取最优化目标函数的控制输入,从而以主动的、智能的和自适应的方式探索环境;然后,将上述方法推广到多机器人SLAM中,以实现更为准确、高效和鲁棒的定位与建图。仿真结果表明,该方法大大提高了机器人建图的效率、准确性和鲁棒性。该方法用于机器人主动同时定位和建图是可行的、有效的。