为了提升分布式传感器场景下对于宽带辐射源的定位效果,本文提出了一种基于到达时间差(Time Difference Of Arrival,TDOA)的多频率聚焦与融合的相干辐射源直接定位(Direct Position Determination,DPD)方法 .首先,对衰减系数未知的传感...为了提升分布式传感器场景下对于宽带辐射源的定位效果,本文提出了一种基于到达时间差(Time Difference Of Arrival,TDOA)的多频率聚焦与融合的相干辐射源直接定位(Direct Position Determination,DPD)方法 .首先,对衰减系数未知的传感器时域接收信号进行预处理,进行数据分段和频域变换,将宽带信号转化成若干个多快拍窄带频域信号;其次,根据最佳聚焦矩阵构造准则,构造聚焦矩阵,将各频率对应的信号聚焦到中心频率附近频谱能量最大的聚焦频率,得到聚焦后的接收数据;然后,根据子空间正交性建立关于辐射源位置的最小化代价函数,融合多个聚焦后的代价函数解决衰减系数未知的问题;最后,结合拉格朗日乘子法,通过网格点上代价函数值的谱峰搜索得到宽带辐射源的估计位置.所提方法可以在衰减系数未知的情况下实现相干辐射源的高精度定位,仿真和实际测试结果表明本文所提方法的有效性,在信噪比大于0 dB的四节点多径定位场景中,所提方法的定位性能较其他时差直接定位性能提升了30%以上.展开更多
为进一步提升深度学习网络对雾天场景下目标的检测精度,在YOLOX网络基础上,提出了基于新型特征增强与融合(novel feature enhancement and fusion, NFF)的雾天目标检测方法NFF-YOLOX。首先,在瓶颈结构中通过多支路卷积构建新型特征增强...为进一步提升深度学习网络对雾天场景下目标的检测精度,在YOLOX网络基础上,提出了基于新型特征增强与融合(novel feature enhancement and fusion, NFF)的雾天目标检测方法NFF-YOLOX。首先,在瓶颈结构中通过多支路卷积构建新型特征增强模块,该模块在保留基本信息特征的同时能够提取更多有效特征信息,增强目标特征的表征能力,提升网络对目标的特征提取能力;其次,利用双向金字塔自上而下和自下而上的网络特征构建新型特征融合模块,使目标的语义信息从深层特征流向浅层特征,充分融合和提取图像的细节特征,并在瓶颈结构的特征融合模块引入坐标注意力,模型在训练时能准确定位目标,减少目标特征信息的丢失;最后,考虑到正负样本可能存在不均衡的情况,将Focal loss与α-IOU结合构造一种新型损失函数,减少模型训练时的损失,缩短收敛时间,提升网络对雾天目标的识别率。实验结果表明:该方法与YOLOv7及DETR等6种先进目标检测网络相比,在真实雾天数据集RTTS上能够取得更高的雾天目标检测精度,当真实框与预测框的交并比(intersection over union, IOU)为0.5时,平均精度(mean average precision, mAP)提高了1.3%以上,当IOU从0.5到0.95且步长为0.05时,mAP提高了2.99%以上。展开更多
针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对...针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对空袭目标集的BPA,进而使用证据合成规则对传感器获取信息进行融合得到目标识别结果。实例证明了此方法的有效性。展开更多
为了实现对输电线路山火的实时监控和预警,研发了基于多特征融合的输电线路山火识别预警系统。从视频图像序列中提取山火图像的颜色特征、纹理特征及面积特征,采用模糊C均值(fuzzy C-means,FCM)聚类算法将3个特征进行多特征融合来检测...为了实现对输电线路山火的实时监控和预警,研发了基于多特征融合的输电线路山火识别预警系统。从视频图像序列中提取山火图像的颜色特征、纹理特征及面积特征,采用模糊C均值(fuzzy C-means,FCM)聚类算法将3个特征进行多特征融合来检测视频图像中的山火,计算燃烧面积并划分危险等级。采用C/C++语言将山火识别算法封装到输电线路智能视频监控装置的数字信号处理器(digital signal processor,DSP)中,实现后台控制中心对输电线路山火险情的实时监测识别和预警。实际应用测试结果表明,该系统运行效率高、稳定性强,识别精度可达97%以上。展开更多
文摘为了提升分布式传感器场景下对于宽带辐射源的定位效果,本文提出了一种基于到达时间差(Time Difference Of Arrival,TDOA)的多频率聚焦与融合的相干辐射源直接定位(Direct Position Determination,DPD)方法 .首先,对衰减系数未知的传感器时域接收信号进行预处理,进行数据分段和频域变换,将宽带信号转化成若干个多快拍窄带频域信号;其次,根据最佳聚焦矩阵构造准则,构造聚焦矩阵,将各频率对应的信号聚焦到中心频率附近频谱能量最大的聚焦频率,得到聚焦后的接收数据;然后,根据子空间正交性建立关于辐射源位置的最小化代价函数,融合多个聚焦后的代价函数解决衰减系数未知的问题;最后,结合拉格朗日乘子法,通过网格点上代价函数值的谱峰搜索得到宽带辐射源的估计位置.所提方法可以在衰减系数未知的情况下实现相干辐射源的高精度定位,仿真和实际测试结果表明本文所提方法的有效性,在信噪比大于0 dB的四节点多径定位场景中,所提方法的定位性能较其他时差直接定位性能提升了30%以上.
文摘为进一步提升深度学习网络对雾天场景下目标的检测精度,在YOLOX网络基础上,提出了基于新型特征增强与融合(novel feature enhancement and fusion, NFF)的雾天目标检测方法NFF-YOLOX。首先,在瓶颈结构中通过多支路卷积构建新型特征增强模块,该模块在保留基本信息特征的同时能够提取更多有效特征信息,增强目标特征的表征能力,提升网络对目标的特征提取能力;其次,利用双向金字塔自上而下和自下而上的网络特征构建新型特征融合模块,使目标的语义信息从深层特征流向浅层特征,充分融合和提取图像的细节特征,并在瓶颈结构的特征融合模块引入坐标注意力,模型在训练时能准确定位目标,减少目标特征信息的丢失;最后,考虑到正负样本可能存在不均衡的情况,将Focal loss与α-IOU结合构造一种新型损失函数,减少模型训练时的损失,缩短收敛时间,提升网络对雾天目标的识别率。实验结果表明:该方法与YOLOv7及DETR等6种先进目标检测网络相比,在真实雾天数据集RTTS上能够取得更高的雾天目标检测精度,当真实框与预测框的交并比(intersection over union, IOU)为0.5时,平均精度(mean average precision, mAP)提高了1.3%以上,当IOU从0.5到0.95且步长为0.05时,mAP提高了2.99%以上。
文摘针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对空袭目标集的BPA,进而使用证据合成规则对传感器获取信息进行融合得到目标识别结果。实例证明了此方法的有效性。
文摘为了实现对输电线路山火的实时监控和预警,研发了基于多特征融合的输电线路山火识别预警系统。从视频图像序列中提取山火图像的颜色特征、纹理特征及面积特征,采用模糊C均值(fuzzy C-means,FCM)聚类算法将3个特征进行多特征融合来检测视频图像中的山火,计算燃烧面积并划分危险等级。采用C/C++语言将山火识别算法封装到输电线路智能视频监控装置的数字信号处理器(digital signal processor,DSP)中,实现后台控制中心对输电线路山火险情的实时监测识别和预警。实际应用测试结果表明,该系统运行效率高、稳定性强,识别精度可达97%以上。
