基于DenseNet和卷积注意力模块的高精度手势识别

非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。

基于FMCW雷达的人体生命体征信号预测算法

将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。

微波视觉与SAR图像智能解译

高分辨率雷达成像技术和人工智能、大数据技术的快速发展,有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性,雷达图像的解译缺乏光学图像的直观性,准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上,进一步融合电磁散射物理规律及其雷达成像机理,我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵,提出微波视觉认知模型,阐述其基础理论问题与技术路线,最后介绍了作者团队在相关问题上的初步研究进展。

微多普勒辅助的城市环境无人机编队检测方法

针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象,传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测,易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法,充分利用无人机的微动特征,能够在复杂环境下提高检测精度。首先,参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号,利用YOLOv5s检测微多普勒闪烁脉冲,有效提取位置信息;然后,引入雷达信号分选方法的脉冲重复间隔(PRI)变换,分类获得无人机编队数量;最后,利用Kmeans算法验证无人机编队检测方法的准确性。结果表明,所提方法在信噪比2 dB时7架无人机的检测精度高于90%,能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。

基于改进Fuzzy ART的自适应雷达信号分选

侦察接收机对获取的辐射源波形去交织以分离不同信号,称为信号分选,是电磁频谱战系统的核心技术.复杂电磁环境下脉冲流密度大、时域波形及诸域特征严重交叠,导致多数基于无监督模型的信号分选方法难以胜任.提出一种可自适应调整警戒阈值的模糊自适应共振理论(AVT fuzzy ART)聚类算法,基于对属性差异敏感的曼哈顿距离自适应调整警戒阈值,依据在线累积数据得出的辐射源瞬态聚类概率对警戒阈值动态加权.仿真结果表明,该方法能在无历史先验信息的条件下胜任多类别辐射源信号去交错.

面向外辐射源雷达目标探测的非时变稀疏模型和深度展开网络实现方法

近年来,基于稀疏特征提取的目标探测方法成为了雷达领域的研究热点。基于正交频分复用调制的外辐射源雷达(简称“外源雷达”)由于发射波形不受控,一方面构建的稀疏模型会随未知发射波形时变,导致相应的目标探测方法计算量大;另一方面目标回波常常因被直达波等强杂波掩盖而面临探测困难。在此背景下,利用外源雷达的正交频分复用波形特点,使用导频位置处频域信道响应提出一种非时变稀疏模型。通过将稀疏模型求解的每一次迭代过程替代为一层神经网络,首次研究了基于深度展开网络的智能化外源雷达目标探测实现方法。仿真和实测数据结果表明:所提方法与传统杂波抑制方法在目标探测上性能相近,但有着更低的计算复杂度,且无需人工设计稀疏矩阵等稀疏模型求解参数。

特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

基于功率谱流形的信息几何DP-TBD算法

针对复杂杂波背景下目标信杂比起伏而导致的漏检问题,本文结合信息几何检测器的性能优势与动态规划检测前跟踪(Dynamic Programming Track Before Detect,DP-TBD)的多帧信息积累能力,提出了基于功率谱流形的信息几何DP-TBD算法.该算法利用功率谱流形与矩阵流形对偶关系,设计了功率谱信息几何检测器,将信息几何检测器的计算复杂度降低了近两个数量级.通过实测数据实验验证,功率谱DP-TBD算法可实现与矩阵DP-TBD算法相近的检测性能,并将运算时间降低为矩阵DP-TBD算法的3%~8%.此外,相较于信息几何检测器,功率谱DP-TBD可将检测信杂比(Signal-to-Clutter Ratio,SCR)提高2~3 dB.

信号极化方式对跟踪接收机相位影响研究

移动卫通站大范围机动时可能会出现跟踪接收机相位漂移问题,这与使用的信号极化方式有关,必需采取相应的相位补偿措施才能保持天线的稳定跟踪。以典型卫通地面站天线馈源网络结构为参考,结合圆极化器工作原理,解析了不同状态下各接收端口输出信号的表达式,并根据单通道单脉冲跟踪接收机工作原理及其相位物理含义,全面研究了和、差信号不同极化组合时相位与极化角的关系,据此进行相位补偿,可有效解决地理位置变化引起的跟踪接收机相位漂移问题,并通过多个应用案例进行了验证。最后给出了信号极化方式选择建议,跟踪圆极化卫星时和、差信号极化方式应相同,跟踪线极化卫星时差信号极化方式应保持不变。

基于脉冲间隔分布矩阵的抗抖性改进算法

为解决利用脉冲间隔分布矩阵(PIDM)进行分选无抗抖性的问题,提出了一种改进算法.借鉴改进PRI变换法交叠PRI箱的思想,以PIDM矩阵中PRI箱交叠范围内的幅度之和替代元素幅度,以此进行主周期行、子序列行和门限计算,并对门限的计算方式进行了改进,对过门限的值进行聚类分析,以簇中均值(子序列提取)或最小值(主周期提取)作为真实PRI值.研究结果表明,改进算法在基本保持了原算法分选成功率的基础上,具有一定的抗抖性(5%~10%),并也能适应于多部辐射源的复杂环境.

基于残差单元与注意力门的非对称编解码海杂波抑制网络

针对非均匀海杂波环境下弱小目标检测困难的问题,本文基于复值残差单元和注意力门机制,提出一种用于海杂波抑制的非对称编解码网络(Asymmetric Encoder-Decoder Network,AED-Net).该网络以雷达回波经匹配滤波后得到的复值信号为输入,利用复值残差单元取代常规卷积单元进行弱小目标和海杂波特征的提取,增强网络特征提取能力的同时避免特征信息退化.然后采用注意力门模块将编码路径各模块提取的特征信息分别送入到解码路径对应的模块.最终输出海杂波抑制后的复值信号.由于各注意力门的输入和输出维度可根据网络结构自主选择,该网络设计是一种非对称编解码结构.与典型对称编解码网络UNet相比,复值残差单元与注意力门的引入显著降低了特征信息的冗余度,增强特征信息的提取与传递,提升了海杂波抑制性能.与此同时,复值残差单元的参数规模远小于卷积单元,而注意力门的引入也有效减少解码路径单元的数量,整个网络的参数规模显著减小.基于海杂波实测数据的实验结果表明,与典型复值UNet(Complex Value-UNet,CV-UNet)网络相比,AED-Net的输出信杂比平均提升9 dB,有效工作的最低信杂比降低了3 dB,模型参数量和计算量分别减少57.8%、50%.

基于WGAN-GP-CNN的海面小目标检测

针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题,该文提出了一种改进的检测方法。首先通过分析海杂波和目标回波的特征,将检测问题转化为特征空间的分类任务。鉴于海面小目标样本数量有限,存在样本不平衡的问题,该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)来增强目标数据,从而在数量上平衡目标样本与海杂波样本。同时,对原始WGAN-GP网络的损失函数进行了改进,引入相位损失以确保生成数据能够反映真实数据的相位信息。基于这些数据,进一步提取了生成目标和海杂波的高维特征,并将其送入卷积神经网络(Convolutional Neural Network,CNN)进行训练。为了应对高维特征空间中虚警概率难以控制的问题,对CNN算法进行了改进,通过设置Softmax分类器的阈值,实现了虚警概率可控。最后,借助公开的IPIX雷达数据集进行实验验证,所提的WGAN-GP-CNN检测器在积累时间为1.024 s,虚警概率为0.001时,平均检测概率达到0.8683,具有良好的检测效果。

机器学习的高精度毫米波雷达测距信号误差补偿方法

毫米波雷达是一种常用的非接触式测距技术,受环境因素以及测量过程中存在的各种误差影响,测距结果可能存在一定的误差。研究误差补偿方法可以有效提高毫米波雷达的测距精度,从而更准确地获取目标物体的距离信息。为此,提出了机器学习的高精度毫米波雷达测距信号误差补偿方法。通过高斯滤波器去除雷达测距信号中的噪声,完成信号的去噪处理。利用模拟插入脉冲计数法和四象限光斑定位法,测量目标物体的距离和角度信息,通过自适应惯性权重与收敛因子优化粒子群算法,并利用优化后的粒子群算法改进BP神经网络,将测量的距离和角度信息输入到改进的BP神经网络中展开训练,即可得到补偿后的雷达测距信号。实验结果表明,该方法的信号处理效果好,补偿后的毫米波雷达测距信号方位角和俯仰角误差接近于0,且信号平滑度较高。

基于FMCW雷达的多目标生命体征检测与干扰抑制算法

应用雷达进行生命体征检测时,为解决传统算法无法区分相同距离的多个目标和多目标生命体征信号检测易受干扰的问题,本文提出一种新型的基于调频连续波(FMCW)雷达的多目标生命体征检测与干扰抑制算法。基于MIMO雷达回波数据进行距离-方位维快速傅里叶变换(FFT),完成距离和方位角的目标定位,解决同距离目标分辨问题,之后利用方差法滤除静态杂波和直流分量。针对生命体征信号易受干扰的问题,本文算法利用变分模态分解(VMD)进行呼吸和心跳信号的分离与重构,剔除无效的信号分量,然后对有效重构信号进行自相关和奇异值分解(SVD)去噪,得到干净的呼吸和心跳信号。通过多组实验测试,本算法相较于传统的FFT频谱分析法、VMD信号重构法和基于完全噪声辅助聚合经验模态分解联合独立成分分析算法(CEEMDAN-ICA),心率检测的平均误差分别降低了8.43%、5.66%和1.43%,验证了所提算法的有效性。此外,本文还进行了算法鲁棒性实验和工程应用边界条件分析。

基于多尺度特征融合的雷达海上目标检测方法

雷达目标检测对海上信息处理具有重要意义,目前提出的检测方法在召回率和精度上都难以满足海上检测要求。为了解决上述问题,提出基于多尺度特征的雷达海上目标检测方法。通过X波段非相参脉冲体制导航雷达采集数据,在完成预处理后检验数据集,提取雷达数据。分析杂散噪声,确定噪声范围,根据平均强度和灰度值的差值实现归一化处理。对目标进行归一化分析,融合多尺度特征实现目标选择,完成目标检测。实验结果表明,基于多尺度特征融合的雷达海上目标检测方法召回率能够在短时间内达到90%以上,精度在95%以上,能够很好地提取海上目标信息。

基于线性调频连续波的合作式通信辐射源测距

针对加速运动目标参数估计中,离散多项式变换方法无法进行非整数估计的问题,本文提出基于瑞夫算法的离散多项式变换法和基于Chirp-Z变换的离散多项式变换法2种新型离散多项式变换算法,对加速运动目标速度和加速度进行估计,并对2种算法的估计误差和计算量进行了分析比较。结果表明:2种算法在信噪比-20 dB时均方误差开始接近克拉美罗界。基于瑞夫算法的离散多项式变换法与3次迭代基于Chirp-Z变换的离散多项式变换法均可在较低信噪比下可实现任意频率的有效估计且性能接近,二者均可实现低信噪比下速度、加速度的有效估计,但基于瑞夫算法的离散多项式变换法计算量远小于3次迭代基于Chirp-Z变换的离散多项式变换法。

SAR抗转发式干扰波形设计与优化

为提高合成孔径雷达(synthetic aperture radar,SAR)系统对抗转发式欺骗干扰的性能,提出一种基于非线性调频(non-linear frequency modulation,NLFM)信号的正交波形设计与优化技术,结合自主收发策略来优化波形组,使捷变发射的波形相互正交,从而达到在复杂环境下抑制转发式欺骗干扰的效果。首先,分析SAR系统转发式欺骗干扰的机理、波形捷变发射方法的合理性和有效性,提出利用正交波形设计进行抗干扰的方法;其次,采用S曲线法和分段函数法产生NLFM信号,基于拉格朗日算法,结合遗传算法对NLFM信号的波形组进行了优化设计;最后,通过仿真实验验证了本文方法设计的优化波形组在SAR系统中对抗转发式欺骗干扰的有效性。结果表明:由分段函数法产生NLFM波形后,在合适的干扰转发时延下,采用拉格朗日遗传算法优化NLFM波形的正交性,改善了波形的主瓣宽度和峰值旁瓣比,增强了捷变波形的正交性,提高了波形质量。

基于无监督图互信息最大化的海面小目标异常检测

受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督目标异常检测任务。首先,考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设,该文从图的角度重新建模数据,利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来,采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后,使用异常检测算法进行目标检测,并实现虚警可控。经实测数据验证,使用快速凸包学习算法时,相比三特征检测器,所提检测器性能提升了9.2%;相比时频三特征检测器,性能提升了7.9%。当网络输出更高维的表示向量时,使用孤立森林算法的检测器的性能提升了27.4%。

基于轻量化YOLOv5的雷达图像道路目标检测方法

针对现有车载毫米波雷达目标检测信号处理流程中未滤除静止杂波干扰和网络参数量及浮点数运算量多的问题,文中提出一种车载毫米波雷达目标检测信号处理链,并基于Ghost卷积和空间深度(Space-to-depth,SPD)卷积,设计了一种车载雷达轻量化YOLOv5目标检测模型。首先,使用平均相消算法对雷达原始AD采样数据进行静止杂波干扰抑制;然后,进行二维快速傅里叶变换(Fast Fourier Transform,FFT)得到目标的距离-多普勒(Range-Doppler,RD)图像;最后,使用轻量化目标检测网络模型对RD图像进行检测。实测数据验证了本文所提方法能够滤除静止杂波,有效减少了目标检测模型的浮点运算量,进而降低了模型的参数量,且具有较高的检测精度。

一种无人机载侦察雷达通用动态标校方法

针对无人机载侦察雷达鉴定飞行前、以及定型后的批产交付中对固定误差进行标校的实际需求,在对目前常用的标校方式进行分析的基础上,提出一种无人机载侦察雷达通用动态标校方法,通过贯穿整个科研过程和机载侦察雷达批产交付试验的全过程验证,此方法具备简单实用、准确度高的优势,具有广泛的工程应用价值。