基于神经网络和小波分解的目标信号检测方法研究

将小波分解和神经网络相结合 ,应用于高海况、低信噪比条件下水中目标信号的特征提取中。文中首先对信号进行多尺度小波分解 ,利用目标信号功率主要集中在低频部分的特点 ,提取在不同频率带内信号的能量作为特征 ,然后利用人工神经网络对目标信号进行检测。在此基础上 ,通过不同浪级情况下海洋水压力场的仿真信号数据 ,对某型目标舰船的水压力信号进行了检测计算 ,验证了该方法的有效性 ,达到了在高海况、低信噪比条件下 ,目标信号检测率比较高。

雷达高度计系统模拟及目标信号检测

本文提出了雷达高度计的一种系统模拟方法。在已有数据和理论模型的基础上，提出了雷达回波强度的计算方法，并对这种新型高度计系统进行了计算机模拟。提出了一种目标信号检测算法，根据系统模拟结果计算出该高度计的发现概率和虚警概率，说明这种高度计可以用于各种飞机的测高。

基于小波包能量特征及LVQ的目标检测方法研究

基于常规雷达的目标检测方法不能很好地适应冲击雷达目标的检测,提出了一种基于小波包能量特征与LVQ神经网络相结合的新颖目标检测方法;首先利用小波包对目标回波信号进行分解,以得到目标的能量特征量,该特征量能明显区分目标和噪声;然后将能量特征量送入学习向量量化(LVQ)神经网络进行训练与仿真,以实现对超宽带目标信号的检测;仿真结果表明,该方法能获得较高的检测概率,较低的虚警概率。

基于脉冲压缩的弹载雷达目标检测方法研究

本文描述了基于线性调频信号的脉冲压缩处理的基本原理,并对脉冲压缩效果进行了仿真分析。着重分析了线性调频脉冲压缩在弹载雷达系统应用中的波形参数设计和失配滤波器设计等技术因素。提出了基于线性调频脉冲压缩处理的弹载雷达目标信号检测和目标信息提取算法架构。实际应用表明采用基于线性调频波形的脉冲压缩技术,使得弹载雷达具备高距离分辨力的目标检测性能,提升了弹载雷达制导系统在复杂战场环境下的目标探测能力和抗干扰能力。

基于DSP的雷达视频信号数字采集与检测

介绍采用DSP数字信号处理器TMS320VC5402实现雷达视频信号的数字采集和检测的实现方法,简要说明所使用主要器件的功能和特性;介绍二级门限判决的原理及实现方法,给出实现雷达视频信号A/D变换以及对DSP接口的硬件电路图;说明软件实现杂波滤除以及目标信号检测的方法,并提供有关程序源代码。

基于STM32的地震动信号检测识别系统设计

地震动信号检测识别在边防预警、军事战争、石油管道监护、安全监控等领域有广泛应用,对此,设计了地震动信号检测识别系统。系统主要有以下4部分:地震检波器检测震动信号;STM32处理器进行A/D转换、识别算法的实现;GPS北斗定位模块实现目标的定位;无线传输模块进行数据无线传输。通过大量实验验证,该系统使用方便、性能可靠,能够准确识别人员和车辆目标。

一种末制导雷达海面小目标检测模式研究

为了解决当前末制导雷达检测海面小目标困难的问题,提出了一种基于距离扫描定位的间接角度测量模式。该模式运用距离向的扫描和一维信号处理目标检测方法,确定目标的距离信息;划分方位向波束扫描区域,运用二分法并结合距离向的检测结果,间接确定目标的方位信息。该种小目标检测模式避开了末制导雷达远距离测角精度受限问题,可以有效地检测海面小目标。

一种被动声呐信号检测的低虚警率方法

针对被动声呐多目标信号检测中的噪声背景归一化问题,提出了一种基于数学形态学滤波的噪声背景归一化新方法。该方法利用数学形态学处理中的膨胀和腐蚀算子,以及基于多项式拟合的数据均值估计方法,构造出了一种能够较为准确的估计噪声门限的方法,并以之进行噪声背景归一化,在较好保留信号信息的前提下较大程度的抑制了噪声,有效降低了多目标信号检测的虚警概率。通过计算机仿真对比了该算法与S3PM算法、OTA算法的性能,结果表明该噪声背景归一化算法能够在检测概率损失较小的情况下较大幅度地降低检测的虚警率。实际被动声呐数据处理的对比结果同样验证了该算法的有效性。

电容近炸引信仿真技术研究

电容近炸引信仿真技术研究在电容近炸引信的产品研制和开发中占有十分重要的地位.它可以对引信遭遇目标的过程进行实时仿真、预测引信的炸高、检测引信的各级动态响应,并可进行抗干扰仿真试验与测试等.从而可以减少打靶次数、节约弹药,同时也把引信的设计水平提高到一个新的高度.本文就电容近炸引信仿真的几个关键技术,如仿真系统的总体设计、目标特性的检测方法、仿真信号源、接口技术、仿真结果分析和研究发展前景等进行了重点论述.

毫米波无人直升机避障雷达系统研究

由电力线所引起的无人直升机事故频频发生,因而确保无人机飞行安全一个很重要的方面就是对电力线的检测。文章采用毫米波宽带线性调频技术实现了对高压线小目标的探测分辨,研制了毫米波无人直升机避障雷达系统,解决了无人机低空巡线飞行的安全问题。通过实际挂飞试验说明,该系统可靠有效,满足装备要求。

基于改进YOLOv3的人车信号灯识别方法研究

目标检测是计算机视觉中的一个关键任务,其中YOLOv3算法检测速度较快,但存在边界框定位不准,且对小目标检测精度不高的问题。针对以上问题,本文提出了一种基于改进YOLOv3的人车信号灯识别方法,以获取自动驾驶中所需要的道路交通信息。本文基于Apolloscape数据集中的视频或图像,首先通过K-means聚类计算获得新的anchors值,替换原始YOLOv3模型中的数据集参数,并利用高斯分布特性增加对边界框准确度的判断,再采用改进后的YOLOv3模型对行人、车辆和信号灯等道路交通信息进行检测,实现了端对端的运动目标检测,实时性良好。实验结果与仿真数据呈现出良好的一致性,研究结果表明,相比于原始YOLOv3模型,本文提出的改进的YOLOv3算法具有实时性强、精准度高等优点,在准确度、召回率和平均IOU值上均有提升。