杂波先验数据缺失条件下基于级联优化处理的雷达波形设计方法

认知雷达波形设计往往依赖于精准的杂波先验信息,当先验信息数据存在缺失时,所构建的杂波模型会严重失配,进而影响雷达对杂波的抑制能力。该文针对杂波先验数据缺失条件下的雷达波形优化问题,建立完全随机缺失机制下的点状与块状缺失场景,设计恒模与相似性约束的波形优化模型,提出基于优先级填充-强化学习级联优化的雷达波形训练算法:即采用强化学习智能体与填充算法修复后的杂波环境相交互的级联方法,以最大化信杂噪比为优化目标,通过迭代训练得到雷达最佳波形参数配置策略。最后,仿真验证不同缺失概率条件下所提算法的优越性。结果表明:相比于传统非级联优化算法,该文所提算法均可获得更优的杂波抑制性能,有效提升雷达的探测能力。

基于彩色图像轮廓的深度图像修复方法

针对飞行时间相机获取的深度图像存在大量无效点的问题,提出了一种基于彩色图像轮廓的深度图像修复方法。该方法先通过无效点邻域内像素的值和高斯函数来确定该邻域的方差,结合无效点邻域内有效点个数和方差计算所有无效点的填充顺序,完成填充过程的优先级评估;再将彩色图像中目标物体轮廓投射到深度图像中,结合投影轮廓和欧式距离函数实现对无效点的填充。实验结果表明,与其他常用的修复算法相比,本文算法可以在保护目标物体边缘的前提下,实现对无效点的有效填充,针对不同目标物体,信噪比指标提高了2~14 dB。