基于航迹速度修正频谱分析的防空雷达虚假目标判别方法

该文研究了防空雷达虚假目标判别问题,针对航迹欺骗干扰、杂波剩余假航迹干扰等能够形成航迹的虚假目标,从回波频谱分析角度着手,结合航迹速度修正处理,提出了一种全新的判别方法。该方法将虚假目标判别归结为二元假设检验问题,推导了以多普勒频率差为统计量的似然比判别表达式,给出了判别门限的计算公式,并基于实际防空雷达数据验证了方法的有效性,为解决防空雷达目标真伪判别提供了有效的技术途径。

雷达目标一维距离像识别中的非训练目标判别

针对雷达目标一维距离像识别中的特征子空间法不能判别非训练目标的缺点 ,提出一种非训练目标判别门限 ,在特征子空间法的分类阶段对非训练目标进行判别。仿真实验结果表明 :在特征子空间法中引入该门限 ,既能有效地对非训练目标予以判别 。

基于多维数据关联的舰载机联合目标判别技术

文章提出了一种基于多层空间侦察数据关联的舰载机联合目标判别技术,介绍了基于最小二乘的位置收敛算法和基于多维度联合的目标判别算法,分析了该技术在满足舰载机电子装备硬件条件下的可实现性。该项技术为舰载机有效利用多源战术情报、实时保障多种行动提供了一种新的思路和技术解决方案。

偏振探测激光引信目标判别技术(英文)

阐述了激光偏振探测的原理,提出利用偏振激光对目标、目标背景散射的退偏度差异性,进行激光引信探测目标识别的一种新的技术途径。通过设计实验系统,完成了不同目标的偏特性测试,给出在一般情况下,表面光滑金属物体偏振度最高、粗糙表面物体偏振度最低的测试结果 ,提出偏振探测激光引信的实现方案,通过样机设计对目标判别技术进行验证。

偏振探测激光引信目标判别技术

阐述了激光偏振探测的原理，提出利用偏振激光对目标、目标背景散射的退偏度差异性，进行激光引信探测目标识别的一种新的技术途径。通过设计实验系统，完成了不同目标的偏特性测试，给出在一般情况下，表面光滑金属物体偏振度最高、粗糙表面物体偏振度最低的测试结果，提出偏振探测激光引信的实现方案，通过样机设计对目标判别技术进行验证。

基于概率神经网络的空中目标判别和射击决策

为迅速、准确对空中目标属进行判别,并在此基础上准确做出对目标的射击决策,建立基于概率神经网络(PNN)的空中目标判别和射击决策模型。该模型减少人为因素对目标判别和射击决策的影响,识别与决策的可信度高,速度快,可靠性好。通过实例验证,证明该模型的有效性和正确性。

基于SUSAN算子和角点判别因子的目标边缘检测

针对目标区域角点分布密集和背景区域相对稀疏的图像,为了更准确、完整地提取目标区域的边缘,消除背景,提出一种基于SUSAN算子和角点判别因子的目标边缘检测方法.实验结果表明,与Canny方法、改进的非下采样Contourlet模极大值方法和改进的蜂群方法等边缘检测方法相比,本文提出的方法能有效避免背景区域的干扰,精确定位目标区域,所得边缘轮廓连通完整、细节丰富.该方法具有较优的主观视觉效果和较强的抗噪能力,且运行时间较少.

基于波束空间交替投影极大似然的拖曳式诱饵分辨判别方法

机载平台在遭遇威胁时,通过释放拖曳式诱饵假目标干扰进行自卫.载机和拖曳式诱饵在雷达波束宽度内,且径向距离小于距离分辨率时,雷达无法通过常规方法对载机目标和拖曳式诱饵进行分辨测量.针对数字相控阵雷达同拖曳式诱饵对抗的问题,提出一种基于波束空间交替投影极大似然(BSAP-ML)方法.首先通过阵元空间到波束空间处理,减少数字相控阵维度;然后通过交替投影方法对目标和拖曳式诱饵的角度进行迭代测量;最后通过基于角度向量的判别方法对载机目标和诱饵进行判断识别.仿真结果表明,该方法可用于数字相控阵雷达,对载机和拖曳式诱饵进行有效的超分辨角度测量和判别.

目标丢失判别机制的视觉跟踪算法及应用研究

当跟踪对象被严重遮挡或者离开相机视野范围时,机器人的跟踪目标往往会丢失。为了实现准确跟踪,提出了目标丢失判别跟踪YOLO-RTM算法。该方法通过YOLOv3检测视频第一帧中的目标。利用实时多域卷积神经网络(Real-Time MDNet,RT-MDNet)跟踪算法预测目标边界框的变化。计算重叠度,根据重叠度与预设阈值的比较结果决定模型更新方式,当重叠度高于阈值时,采用RT-MDNet更新外观模型,当重叠度低于阈值时,采用YOLOv3重新搜索目标并更新外观模型。在Turtlebot2机器人上的实验结果表明,提出的算法能满足移动机器人跟踪的可靠性,且有效提高跟踪算法的实用性。

一种基于Apriori算法的雷达目标所属平台判别方法

雷达目标所属作战平台判别是电子对抗侦察情报处理的关键步骤,直接影响电子对抗情报生成质量,进而影响电子对抗决策。针对截获雷达目标所属平台判别问题,提出一种基于Apriori算法的雷达目标所属平台判别方法。首先,利用云模型分别对截获脉冲不同类型的特征参数进行建模,消除截获脉冲特征参数模糊性、不完整性;然后,利用信息熵理论对截获脉冲所属辐射源的型号进行识别;最后,提出了数据挖掘+Apriori算法,建立数据库存储信息、人员识别经验信息与平台识别历史记录多维分析框架,实现了雷达目标与所属平台配属关系判别。仿真结果表明:在已知雷达数据库样本量较大的情况下,所提方法仍有较高的准确率和识别效率。

基于多目标综合决策判别法对不同装烟方式烘烤效益的分析

利用多目标综合决策判别法,对瓮安县密集烤房3种不同装烟方式的烘烤效益进行了综合分析。结果表明:在3种装烟方式中,散叶堆积方式的综合烘烤效益最优,传统挂竿方式最差;散叶网框装烟方式虽然烤后烟叶品质最佳,产值较高,但装烟量有限,配套设备成本最高,人工成本较高,因此其综合烘烤效益居中。

复杂环境下视觉目标跟踪研究现状及发展

视觉目标跟踪是计算机视觉领域的重要研究方向之一,在战场侦察、视频监控、自动驾驶和视频分析等军事和民用领域得到广泛应用。近年来目标跟踪算法已经取得一系列进展,但由于在实际跟踪过程中存在着复杂的目标和背景变化,稳定的目标跟踪仍面临很多挑战。本文首先介绍了实际跟踪场景中出现的困难挑战;其次,主要针对背景相似干扰、旋转变化、遮挡、尺度变化等难点问题分别就特征提取、观测模型和模型更新三个方面对具有代表性的判别式目标跟踪方法进行深入阐述和分析;随后,在OTB2015数据集上对25种典型跟踪算法进行了实验对比与分析;最后,对视觉目标跟踪技术的发展方向进行展望。

一种地面固定目标的双模跟踪方法

提出了一种由相关跟踪算法的改进算法和形心跟踪算法复合而成的新的双模跟踪算法 .以双模跟踪算法作为算法核心形成一套实时跟踪处理软件系统 ,可用来实现对地面固定目标的模拟跟踪 .同时还讨论了目标判别的策略和对目标丢失后的处理方法 .

多视图交叉一致性学习的半监督水面目标检测

为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集的多样性;然后,利用所提出的多视图目标判别器为无标注样本在线生成伪标签,有助于提取无标注样本的有效信息;最后,利用所提出的多视图交叉一致性学习使同一目标实例的不同视图的输出实现交叉一致性正则化,以促进检测模型学习判别性的特征从而降低过拟合的风险。在海上和内河数据集上的实验结果表明:文中所提算法能够提高特征提取的判别性,对多类别的水面目标检测精度达到91.0%,比全监督检测算法提高了18.7%,比其他半监督检测算法提高了3.8%以上;在检测速度上,该算法达到13.1帧/s,基本满足实时性要求。所提算法通过多视图交叉一致性学习提高特征的判别性和缓解检测模型的过拟合风险,有助于提高半监督水面目标检测的性能。

基于视觉字典的在线多示例目标跟踪

在线多示例目标跟踪算法无法判别目标丢失以及无法适应目标尺度的变化。提出了一种基于视觉字典的在线多示例目标跟踪算法。算法将视觉字典和多示例跟踪分别作为检测器和跟踪器,利用互反馈技术提高跟踪性能。跟踪器完成目标的跟踪并为视觉字典的构建和更新提供训练样本;检测器则对跟踪器的结果(候选样本)进行判定,目标丢失时,暂停跟踪并重新检测目标,目标未丢失时,利用Ransac算法获得目标的尺度变换系数并在新尺度下更新跟踪器。为了提高目标丢失判别的准确性,提出了一种局部随机抽样的直方图相似性度量技术,采用局部划分思想和Noisy-NR模型计算候选样本与训练样本特征直方图的相似性,减少了传统直方图匹配由于受目标局部遮挡影响造成的误判。实验结果表明,该算法能够适应目标的尺度变化,检测目标的丢失,提高了跟踪稳定性。

水声目标探测和识别融合技术发展综述

水下空间的主动权竞争越来越激烈,针对复杂的海洋环境和多样的目标类型,现有水面水下单平台单传感器探测能力有限、稳定性差,很难满足未来对水声目标的准确探测和识别需求。随着水下探测手段增加以及多源信息融合技术的迅速发展,研究基于融合理论的水声目标探测与识别技术,可实现对水声目标更准确的状态估计和属性判别,进而提高水下探测预警能力。本文首先对现有水面水下探测传感器和平台进行了简要介绍,在此基础上,讨论了水声目标立体观测系统的网络组成和结构特点,并给出一种跨域异构水声目标立体探测系统设计设想,根据现有融合结构给出了基于多信息源的水声目标融合功能框架;然后根据水声融合探测技术的具体应用,分别论述和分析了基于目标信号级和非目标信号级融合检测方法,基于时空特征、运动特征和海洋物理场的融合定位方法,以及基于经典非线性滤波、数据关联和随机集理论的水声目标跟踪方法;最后重点总结了水下目标的各物理场特征,并针对水声识别中普遍存在的目标信息不确定性问题,归纳了基于Bayes理论、D-S证据理论和深度学习算法的三类典型的融合识别方法及框架。指出了基于信息融合的水声目标探测和识别技术所具有的优势和前景,并分析了水下立体观测网络、融合结构、融合探测和识别算法以及工程应用等方面面临的问题和挑战。

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。

运动目标的快速检测、跟踪和判别

为完成自然环境中大范围的环境监控 ,实现了一个运动目标检测、跟踪和判别系统。该系统利用一个固定平台上的、有 3 60°旋转和一定俯仰的两自由度摄像机监视自然环境 ,利用 2 -D仿射模型和鲁棒参数估计的主运动分析得到背景运动参数 ,能够在短时间内完成 3 60°全景图的拼接 ,并能利用出格点检测和聚类自动检测、通过限制搜索范围的检测和维护运动目标缓冲池主动跟踪运动目标 ,还能按目标区域的周期性变化判别目标种类 (人或车辆 )。实验表明 ,系统能够实时可靠地检测、跟踪运动目标并完成判别 ,满足特定的监控要求。另外 ,该运动目标判别方法简单可靠 。

水下声学滑翔机研究进展及关键技术

水下声学滑翔机具有大航程、长航时、高隐蔽性及低成本的特点,是用于水下移动目标探测、海洋水文环境精细化测量的优势平台,在全球海洋安全与环境观测体系建设中发挥着重要作用。文章详细梳理了国内外水下声学滑翔机研究进展,简述其系统组成和功能;探讨了水下声学滑翔机设计及规模化应用涉及的平台减振降噪、自主控制、多模混合推进、声学传感器设计及应用、目标属性自主判别,以及安全布放与回收等关键技术。文中研究可为国内同类水下无人探测装备的系统开发提供参考。

毫米波随机二元码调相脉冲多普勒引信

介绍了一种随机二元码与脉冲复合调制毫米波引信.利用随机信号的非周期性实现不模糊锐截止距离特性;采用收发分开与时序控制,实现了目标进入方向四象限判别;通过高度通道提取地海杂波,自适应调整引信的作用距离;利用DSP频谱识别进一步去除地海杂波.分析了工作原理,给出了原理框图和试验结果.